掌握这些知识,你的python水平能更上一层楼 – 卿哥聊技术

今天讲一些python中的高级用法,有助于大家更好的使用python这门语言。今天讲的这些知识是层层递进的关系,前面是后面的铺垫。

函数可变参数*args和**kwargs

python支持固定参数,默认参数,也和很多其他语言一样支持可变参数,只不过python支持的可变参数分为两种,*args是tuple,里面可以有任意多个element(包括0个)。**kwargs则是当你需要指定key word时需要用到的参数类型。

先考虑*args的情况,先看函数定义:

>>> def take_any_args(*args):
...     print("type of args:" + str(type(args)))
...     print("value of args:" + str(args))
... 
>>> take_any_args(1)
type of args:<type 'tuple'>
value of args:(1,)
>>> take_any_args("a","b","c")
type of args:<type 'tuple'>
value of args:('a', 'b', 'c')
>>> take_any_args()
type of args:<type 'tuple'>
value of args:()
>>> take_any_args(['1','2'],['3','4'])
type of args:<type 'tuple'>
value of args:(['1', '2'], ['3', '4'])

再看参数提取:

def print_args(*args):
    for arg in args:
        print(arg)

print_args("red", "blue", "green")

def print_all(*args, **kwargs):
    for arg in args:
        print(arg)
    for key, value in kwargs.items():
        print("{} -> {}".format(key, value))

print_all(1, 2)
print_all(a="red", b="blue", c="green")
red
blue
green
1
2
a -> red
c -> green
b -> blue

下面看看为什么需要**kwargs, 对于上面的print_args, 下面这种添加了keyword的调用方式会出错,所以就有了**kwargs的用武之地:

>>> def print_args(*args):
...     for arg in args:
...         print arg
... 
>>> print_args(a=1,b=2)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: print_args() got an unexpected keyword argument 'a'

**kwargs的本质其实是dict,如下所示:

>>> def print_kwargs(**kwargs):
...     for key,value in kwargs.items():
...         print("{}->{}".format(key,value))
... 
>>> print_kwargs(a="lalala",b="papapa")
a->lalala
b->papapa

通常再使用的时候都是二者合起来使用,如下所示:

def print_all(*args, **kwargs):
    for arg in args:
        print(arg)
    for key, value in kwargs.items():
        print("{} -> {}".format(key, value))

print_all(1, 2)
print_all(a="red", b="blue", c="green")
1
2
a -> red
c -> green
b -> blue

上面的知识大家差不多应该都知道,下面这种Unpacking的用法很多人都不太了解:

>>> def sample_function(a,b,c):
...     print("{},{},{}").format(a,b,c)
... 
>>> input = (1,2,3)
>>> sample_function(1,2,3)
1,2,3
#和上面的方法等效
>>> sample_function(*input)
1,2,3

unpack 使用kwargs,记住keyword要和函数声明时的变量名一致才行,否则会报错

>>> def sample_function(a,b,c):
...     print("a->{},b->{},c->{}".format(a,b,c))
... 
>>> input = {"a":1,"b":2,"c":3}
>>> sample_function(**input)
a->1,b->2,c->3
#与上面方法等效
>>> sample_function(a=input['a'],b=input['b'],c=input['c'])
a->1,b->2,c->3

lambda function

在python 中所有的东西都是object,不管是int也好,list也好都是object。函数也是object。这个概念很重要。

>>> def f(n):
...     return n+1
... 
>>> id(f)
4374076184
>>> g = f
>>> print g(2)
3
>>> id(g)
4374076184

上面的g和f所指向的object是同一个object

下面思考这样一个问题,如果 numbers = [“10″, “3”, “40”, “14”, “5”], 让你找出最大值怎么找?

>>> max(numbers)
'5'

这显然不对,因为max默认按照字母顺序排序了,所以需要额外提供排序信息:

>>> max(numbers, key=int)
'40'

int 就是一个function,然后看看如果用lambda function表示就是:

>>> max(numbers, key=lambda x:int(x))
'40'

再举一个例子, 下面是几个人的年龄,性别,地址,请找出年纪最大的人:

>>> person_zhangsan = {'age': 40, 'gender': 'male', 'home': 'beijing'}
>>> person_lisi = {'age': 35, 'gender': 'male', 'home': 'hangzhou'}
>>> person_wangwu = { 'age': 21, 'gender': 'female', 'home': 'chongqing'}
>>> people = [person_zhangsan, person_lisi, person_wangwu]
>>> max(people, key=lambda x:x['age'])
{'gender': 'male', 'age': 40, 'home': 'beijing'}

python在operator中提供了itemgetter这个函数,它起到的作用和lambda function一样,比如:

>>> from operator import itemgetter
>>> max(people, key=itemgetter("age"))
{'gender': 'male', 'age': 40, 'home': 'beijing'}

对比一下我还是更喜欢lambda function的定义,简洁明了

Decorator 装饰器

最长见的decorator的user case是什么?答:retry。 比如网络restful request碰到不稳定的server或者说server给你返回了5XX,你要不要retry。

一开始可能你的code长这样:

import requests
URL = "https://example.com/api"

def get_items():
    return requests.get(URL + "/items")

当然你还会有很多get function,比如get_apple, get_banana, get_orange, …

实际部署之后发现server不稳定,不定期返回500,你就要加retry

如果只有一个get_items,你可能会这么写:

#第二版,加入retry
def get_items():
    NUM_RETRY = 3
    current_retry = 0
    resp = None
    while True:
        resp = requests.get(URL + "/items")
        if rest.status_code/100 == 5 and current_retry < NUM_RETRY:
            current_retry += 1
            continue
        break
    return resp

可是每一个fucntion都要改,是不是很累。。。

下面decorator隆重登场,decorator的本质是一个function。这个function的parameter有且仅有一个就是一个function object,返回值则是另一个不同的function

#比如已经有了一个普通function
def some_function(arg1,arg2,arg3):
    #此处省略20行

some_function = some_decorator(some_function)

等效于

@some_decorator
def some_function(arg1,arg2,arg3):
      #......

下面举一个decorator的例子,logging decorator

def logfuncname(func):
    def wrapper(*args, **kwargs):
        print("function name: " + func.__name__)
        return func(*args, **kwargs)
    return wrapper
>>> @logfuncname
... def some_func(n):
...     return n+1
... 
>>> print some_func(3)
function name: some_func
4

如上所示,logfuncname就是一个decorator,它的input是func,return了一个wrapper function。

下面我们回到一开始retry那个例子:

#第三版,定义decorator
def retry(func):
    def wrapper(*args, **kwargs):
        NUM_RETRY = 3
        current_retry = 0
        resp = None
        while True:
            resp = func(*args, **kwargs)
            if rest.status_code/100 == 5 and current_retry < NUM_RETRY:
                current_retry += 1
                continue
            break
        return resp
    return wrapper

@retry
def get_items():
    return requests.get(URL + "/items")

然后get_apple, get_banana, get_orange 什么的上面加上@retry就可以了

接下来问题来了,如果有另一个decorator也想用上怎么办?

decorator是可以叠加的,比如下面的例子,注意上下顺序就是decorator从左到右的顺序

@add2
@multi3
def foo(n):
    return n + 1

#相当于foo = add2(multi3(foo))
#那么foo(3)就是14

@multi3
@add2
def foo(n):
    return n + 1

#相当于foo = multi3(add2(foo))
#那么foo(3)就是18

如果想要改变retry的次数怎么办,比如get_apple想要retry 3次,但是get_banana想要retry 5次怎么办?

#第四版,定义带参数的decorator
def retry(num_retry):
    def decorator(func):
        def wrapper(*args, **kwargs):
            current_retry = 0
            resp = None
            while True:
                resp = func(*args, **kwargs)
                if rest.status_code/100 == 5 and current_retry < num_retry:
                    current_retry += 1
                    continue
                break
            return resp
        return wrapper
    return decorator
    

@retry(3)
def get_items():
    return requests.get(URL + "/items")

这里其实用到了一个closure的概念,就是外层函数的参数在里层函数里是可见的,而里层函数的参数在外层不可见(当然这里也不需要)。

Decorator在flask中的实现原理

下面我们来看看flask中decorator是怎么实现的,简而言之:

class WebApp:
    def __init__(self):
#初始化routes self.routes
= {} def route(self, param): def decorator(func):
#定义decorator时为routes赋值key/value self.routes[param]
= func def wrapper(*args, **kwargs): return func(*args, **kwargs) return wrapper return decorator def get(self, param): try:
#get时根据key返回value
return self.routes[param]() except KeyError: return "ERROR - no such page" >>> app = WebApp() >>> @app.route("/") ... def index(): ... return 'Index Page' ... >>> @app.route("/contact/") ... def contact(): ... return 'Contact Page' ... >>> app.get("/") 'Index Page' >>> app.get("/contact/") 'Contact Page' >>> app.get("/no-such-page/") 'ERROR - no such page'

 



You must enable javascript to see captcha here!

Copyright © All Rights Reserved · Green Hope Theme by Sivan & schiy · Proudly powered by WordPress

无觅相关文章插件,快速提升流量