python学习第五天

#示例：
#场景:已知A的工资比B的工资多200;B的工资比C的工资多200;C的工资比D的工资多200；D的工资比E的工资多200；E的工资为8000；求A的工资
def salary(n):
    if n==1:
        return 8000
    else:
        return salary(n-1)+200
salary_A=salary(5)
print(salary_A)

import sys
sys.getrecursionlimit()
sys.setrecursionlimit(2000)
n=1
def test():
    global n
    print(n)
    n+=1
    test()

test()

#虽然可以设置，但是因为不是尾递归，仍然要保存栈，内存大小一定，不可能无限递归

#场景：
#要求查看某一列表中是否有有某个值，该列表中数值由小到大的顺序排列（即实现类似与in的功能）
num_list=[1,2,3,10,30,45,66,80,200,300,500,770]
def get_num(num,num_list):
    mid=len(num_list)//2
    if num_list:
        if num_list[mid] > num:
            num_list=num_list[:mid]
        elif num_list[mid] < num:
            num_list=num_list[mid+1:]
        else:
            print(‘find it‘)
            return
        get_num(num,num_list)
    else:
        print(‘not find‘)
        return
get_num(210,num_list)

lambda x,y,z:x+y+z
#作用同下列有名函数：
def func(x,y,z):
    return x+y+z

#员工工资信息如下列字典，求最大工资# ，最小工资，和排序
salaries={
    ‘egon‘:3000,
    ‘alex‘:100000000,
    ‘wupeiqi‘:10000,
    ‘yuanhao‘:2000
}
# 用匿名函数
print(max(salaries,key=lambda k:salaries[k]))
print(min(salaries,key=lambda k:salaries[k]))
print(sorted(salaries,key=lambda k:salaries[k]))

# 用zip拉链
salaries_and_name=zip(salaries.values(),salaries.keys())#迭代器，只能访问一次
print(max(salaries_and_name))
salaries_and_name=zip(salaries.values(),salaries.keys())
print(min(salaries_and_name))
salaries_and_name=zip(salaries.values(),salaries.keys())
print(sorted(salaries_and_name))

#优先掌握
#max、#min、#sorted--->示例参见上文匿名函数中的应用示例内容

#map
#map()是 Python 内置的高阶函数，它接收一个函数 f 和一个 list，并通过把函数 f 依次作用在 list 的每个元素上，得到一个新的 list 并返回。
#例如，对于list [1, 2, 3, 4, 5, 6, 7, 8, 9] ;如果希望把list的每个元素都作平方，就可以用map()函数;map返回的是一个生成器，可以用list转为列表
num_list=[i for i in range(1,10)]
new=map(lambda i:i*i,num_list)
print(list(new),type(new))

#  reduce
# reduce()函数也是Python内置的一个高阶函数。
# reduce()函数接收的参数和 map()类似，一个函数 f，一个list，但行为和 map()不同，reduce()传入的函数 f 必须接收两个参数，
# reduce()对list的每个元素反复调用函数f，并返回最终结果值。
# 例如，编写一个f函数，接收x和y，返回x和y的和：
# 求和，依次相加如[0,1,2,3,4,5,6,7,8,9]
# 0+1=1
# 1+2=3
# 3+3=6
# 6+4=10
# ......
from _functools import reduce
num_list=[i for i in range(1,10)]
num=reduce(lambda x,y:x+y,num_list)
num2=reduce(lambda  x,y:x+y,num_list,100)#第三个参数作为计算的初始值
print(num,num2)

# filter
#filter()函数是 Python 内置的另一个有用的高阶函数，filter()函数接收一个函数 f 和一个list，
# 这个函数 f 的作用是对每个元素进行判断，返回 True或 False，filter()根据判断结果自动过滤掉不符合条件的元素，
# 返回由符合条件元素组成的新list。
#要从一个list [1, 4, 6, 7, 9, 12, 17]中删除偶数，保留奇数，首先，要编写一个判断奇数的函数：
num_list=[1,4,6,7,9,12,17]
new=filter(lambda i:i%2,num_list)
print(list(new),type(new))

# sum
print(sum([i for i in range(1,11)]))

# bool
print(bool([]),bool(‘‘),bool(None),bool(0))

# chr #将ascii码转换为对应的字符
print(chr(65))

#ord #将字符转为对应的ascii码
print(ord(‘A‘))

# divmod #取商和余数
print(divmod(7,2))

# enumerate #enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，
# 同时列出数据和数据下标，一般用在 for 循环当中。
seasons = [‘Spring‘, ‘Summer‘, ‘Fall‘, ‘Winter‘]
print(list(enumerate(seasons)),type(enumerate(seasons)))
print(list(enumerate(seasons,start=2)))#start指定起始以序号值

# id
#内置函数id()可以返回一个对象的身份，返回值为整数。这个整数通常对应与该对象在内存中的位置，
#但这与python的具体实现有关，不应该作为对身份的定义，即不够精准，最精准的还是以内存地址为准。
#is运算符用于比较两个对象的身份，等号比较两个对象的值，内置函数type()则返回一个对象的类型

# input

# print

#isinstance #判断对象类型，返回bool值
l=[1,2,‘q‘]
print(isinstance(l,list))

# iter #将迭代器转换为生成器
l=[1,2,3]
new_l=iter(l)
print(next(new_l))
print(next(new_l))

# len

# open

# pow
print(pow(10,2,3)) #10**2%3

# type

# zip
#使用zip()函数来可以把列表合并，并创建一个元组对的列表。
l1=[1,2,3,4]
l2=[‘q‘,‘a‘]
new=zip(l1,l2)
print(list(new),type(new))

#模块可以包含可执行的语句和函数的定义，这些语句的目的是初始化模块，它们只在模块名第
#一次遇到导入import语句时才执行（import语句是可以在程序中的任意位置使用的,且针对同
#一个模块很import多次,为了防止你重复导入，python的优化手段是：第一次导入后就将模块
#名加载到内存了，后续的import语句仅是对已经加载大内存中的模块对象增加了一次引用，
#不会重新执行模块内的语句），如下 

#test.py
import spam
 #只在第一次导入时才执行spam.py内代码,此处的显式效果是只打印一次‘from the spam.py‘,当然其他的顶级代码也都被执行了,只不过没有显示效果.
import spam
import spam
import spam

‘‘‘
执行结果：
from the spam.py
‘‘‘
#ps：我们可以从sys.module中找到当前已经加载的模块，sys.module是一个字典，内部包含模块名与模块对象的映射，该字典决定了导入模块时是否需要重新导入。

#首次import时做了三件事
#1.为源文件(spam模块)创建新的名称空间，在spam中定义的函数和方法若是使用到了global时访问的就是这个名称空间。

#2.在新创建的命名空间中执行模块中包含的代码，见初始导入import spam
    提示:导入模块时到底执行了什么？
    In fact function definitions are also ‘statements’ that are 
    ‘executed’; the execution of a module-level function definition 
    enters the function name in the module’s global symbol table.
    事实上函数定义也是“被执行”的语句，模块级别函数定义的执行将函数名放
    入模块全局名称空间表，用globals()可以查看

#3.创建名字spam来引用该命名空间
    这个名字和变量名没什么区别，都是‘第一类的’，且使用spam.名字的方式
    可以访问spam.py文件中定义的名字，spam.名字与test.py中的名字来自
    两个完全不同的地方。

#每个模块都是一个独立的名称空间，定义在这个模块中的函数，把这个模块的名称空间当
#做全局名称空间，这样我们在编写自己的模块时，就不用担心我们定义在自己模块中全局
#变量会在被导入时，与使用者的全局变量冲突

#4、为模块名起别名
#为已经导入的模块起别名的方式对编写可扩展的代码很有用
import spam as sm
print(sm.money)

#5、在一行导入多个模块
import sys,os,re


#6、from...import 与import的对比
#唯一的区别就是：使用from...import...则是将spam中的名字直接导入到当前的名称空间中，所以在当前名称空间中，直接使用名字就可以了、无需加前缀：spam.

#6from...import...的方式有好处也有坏处
    好处：使用起来方便了
    坏处：容易与当前执行文件中的名字冲突

    #也支持as
from spam import read1 as read

    #也支持导入多行
from spam import (read1,
                   read2,
                   money)
    #from...import *
#from spam import * 把spam中所有的不是以下划线(_)开头的名字都导入到当前位置

#大部分情况下我们的python程序不应该使用这种导入方式，因为*你不知道你导入什么名字，很有可能会覆盖掉你之前已经定义的名字。而且可读性极其的差，在交互式环境中导入时没有问题。
#可以使用__all__来控制*（用来发布新版本），在spam.py中新增一行
__all__=[‘money‘,‘read1‘] #这样在另外一个文件中用from spam import *就这能导入列表中规定的两个名字　　

#编写好的一个python文件可以有两种用途：
    一：脚本，一个文件就是整个程序，用来被执行
    二：模块，文件中存放着一堆功能，用来被导入使用


#python为我们内置了全局变量__name__，
    当文件被当做脚本执行时：__name__ 等于‘__main__‘
    当文件被当做模块导入时：__name__等于模块名

#作用：用来控制.py文件在不同的应用场景下执行不同的逻辑
    if __name__ == ‘__main__‘:


#fib.py

def fib(n):    # write Fibonacci series up to n
    a, b = 0, 1
    while b < n:
        print(b, end=‘ ‘)
        a, b = b, a+b
    print()

def fib2(n):   # return Fibonacci series up to n
    result = []
    a, b = 0, 1
    while b < n:
        result.append(b)
        a, b = b, a+b
    return result

if __name__ == "__main__":
    import sys
    fib(int(sys.argv[1]))


#执行：python fib.py <arguments>
python fib.py 50 #在命令行

#文件内容

#policy.py
def get():
    print(‘from policy.py‘)

#versions.py
def create_resource(conf):
    print(‘from version.py: ‘,conf)

#manage.py
def main():
    print(‘from manage.py‘)

#models.py
def register_models(engine):
    print(‘from models.py: ‘,engine)

#import
import glance.db.models
glance.db.models.register_models(‘mysql‘)
#单独导入包名称时不会导入包中所有包含的所有子模块，如
#在与glance同级的test.py中
import glance
glance.cmd.manage.main()

‘‘‘
执行结果：
AttributeError: module ‘glance‘ has no attribute ‘cmd‘

‘‘‘ 
#解决方法：
#glance/__init__.py#在此文件中写入如下内容
from . import cmd 
#glance/cmd/__init__.py
from . import manage

##from ... import ...
#需要注意的是from后import导入的模块，必须是明确的一个不能带点，否则会有语法错误，如：from a import b.c是错误语法
from glance.db import models
models.register_models(‘mysql‘)

from glance.db.models import register_models
register_models(‘mysql‘)

##from glance.api import *
在讲模块时，我们已经讨论过了从一个模块内导入所有*，此处我们研究从一个包导入所有*。
此处是想从包api中导入所有，实际上该语句只会导入包api下__init__.py文件中定义的名字，我们可以在这个文件中定义__all___:

#在__init__.py中定义
x=10
 
def func():
    print(‘from api.__init.py‘)
 

 __all__=[‘x‘,‘func‘,‘policy‘]

此时我们在于glance同级的文件中执行from glance.api import *就导入__all__中的内容（versions仍然不能导入）。


##绝对导入和相对导入
我们的最顶级包glance是写给别人用的，然后在glance包内部也会有彼此之间互相导入的需求，这时候就有绝对导入和相对导入两种方式：
绝对导入：以glance作为起始
相对导入：用.或者..的方式最为起始（只能在一个包中使用，不能用于不同目录内）
例如：我们在glance/api/version.py中想要导入glance/cmd/manage.py

在glance/api/version.py
 
#绝对导入
from glance.cmd import manage
manage.main()

#相对导入
from ..cmd import manage
manage.main()




###注意###
包以及包所包含的模块都是用来被导入的，而不是被直接执行的。而环境变量都是以执行文件为准的
比如我们想在glance/api/versions.py中导入glance/api/policy.py，有的同学一抽这俩模块是在同一个目录下，十分开心的就去做了，它直接这么做
#在version.py中
 
import policy
policy.get()
没错，我们单独运行version.py是一点问题没有的，运行version.py的路径搜索就是从当前路径开始的，于是在导入policy时能在当前目录下找到
但是你想啊，你子包中的模块version.py极有可能是被一个glance包同一级别的其他文件导入，比如我们在于glance同级下的一个test.py文件中导入version.py，如下

 from glance.api import versions
  
 ‘‘‘
 执行结果:
 ImportError: No module named ‘policy‘
 ‘‘‘
  
 ‘‘‘
#分析:
此时我们导入versions在versions.py中执行
import policy需要找从sys.path也就是从当前目录找policy.py,
这必然是找不到的
‘‘‘