def functionname (parameters): #函数体 return [expression]
def printme(str): print(str) printme("我要调用用户自定义函数!") # 我要调用用户自定义函数! printme("再次调用同一函数") # 再次调用同一函数 temp = printme(‘hello‘) # hello print(temp) # None
3.1、位置参数
在调用函数，指定的实际参数的数量，必须和形式参数的数量一致（传多传少都不行）,否则会抛出异常
3.2、默认参数
def functionname(arg1, arg2=v): "函数文档字符串" functionsuite return [expression]
arg2 = v- 默认参数 = 默认值，调用函数时，默认参数的值如果没有传入，则被认为是默认值。- 默认参数一定要放在位置参数 后面，不然程序会报错。
- Python 允许函数调用时参数的顺序与声明时不一致，因为 Python 解释器能够用参数名匹配参数值。
3.3、可变参数
def functionname(arg1, arg2=v, *args): "函数文档字符串" functionsuite return [expression]
*args- 可变参数，可以是从零个到任意个，自动组装成元组。- 加了星号（*）的变量名会存放所有未命名的变量参数。
def printinfo(arg1, *args): print(arg1) for var in args: print(var) printinfo(10) # 10 printinfo(70, 60, 50) #70 60 503.4、关键字参数
**kw- 关键字参数，可以是从零个到任意个，自动组装成字典。def printinfo(arg1, *args, **kwargs): print(arg1) print(args) print(kwargs) printinfo(70, 60, 50)#70 （60，50） printinfo(70, 60, 50, a=1, b=2)#70 #(60, 50) #{‘a‘: 1, ‘b‘: 2}「可变参数」和「关键字参数」的同异总结如下：
- 可变参数允许传入零个到任意个参数，它们在函数调用时自动组装为一个元组 (tuple)。
- 关键字参数允许传入零个到任意个参数，它们在函数内部自动组装为一个字典 (dict)。
3.5、命名关键字参数
*, nkw- 命名关键字参数，用户想要输入的关键字参数，定义方式是在nkw 前面加个分隔符*。- 如果要限制关键字参数的名字，就可以用「命名关键字参数」
- 使用命名关键字参数时，要特别注意不能缺少参数名。
def printinfo(arg1, *, nkw, **kwargs): print(arg1) print(nkw) print(kwargs) printinfo(70, nkw=10, a=1, b=2)#70 10 {‘a‘: 1, ‘b‘: 2} printinfo(70, 10, a=1, b=2) printinfo(70, 10, a=1, b=2)#printinfo(70, 10, a=1, b=2)#TypeError: printinfo() takes 1 positional argument but 2 were given
- 报错原因：没有写参数名
nwk，因此 10 被当成「位置参数」，而原函数只有 1 个位置函数，现在调用了 2 个，因此程序会报错。3.6、参数组合
在 Python 中定义函数，可以用位置参数、默认参数、可变参数、命名关键字参数和关键字参数，这 5 种参数中的 4 个都可以一起使用，但是注意，参数定义的顺序必须是：
- 位置参数、默认参数、可变参数和关键字参数。
- 位置参数、默认参数、命名关键字参数和关键字参数。
要注意定义可变参数和关键字参数的语法：
*args是可变参数，args接收的是一个tuple**kw是关键字参数，kw接收的是一个dict命名关键字参数是为了限制调用者可以传入的参数名，同时可以提供默认值。定义命名关键字参数不要忘了写分隔符
*，否则定义的是位置参数。警告：虽然可以组合多达 5 种参数，但不要同时使用太多的组合，否则函数很难懂。
略、
Python 中，程序的变量并不是在哪个位置都可以访问的，访问权限决定于这个变量是在哪里赋值的。
定义在函数内部的变量拥有局部作用域，该变量称为局部变量。
定义在函数外部的变量拥有全局作用域，该变量称为全局变量。
局部变量只能在其被声明的函数内部访问，而全局变量可以在整个程序范围内访问。
当内部作用域想修改外部作用域的变量时，就要用到
global和nonlocal关键字了。num = 1 def fun1(): global num # 需要使用 global 关键字声明 print(num) # 1 num = 123 print(num) # 123 fun1() print(num) # 1236.1内嵌函数：
def outer(): print(‘outer函数在这被调用‘) def inner(): print(‘inner函数在这被调用‘) inner() # 该函数只能在outer函数内部被调用6.2、闭包
- 是函数式编程的一个重要的语法结构，是一种特殊的内嵌函数。
- 如果在一个内部函数里对外层非全局作用域的变量进行引用，那么内部函数就被认为是闭包。
- 通过闭包可以访问外层非全局作用域的变量，这个作用域称为 闭包作用域。
def funX(x): def funY(y): return x y return funY i = funX(8) print(type(i)) # <class ‘function‘> print(i(5)) # 40
- 闭包的返回值通常是函数。
- 如果要修改闭包作用域中的变量则需要
nonlocal关键字def outer(): num = 10 def inner(): nonlocal num # nonlocal关键字声明 num = 100 print(num) inner() print(num) outer() # 10 # 100
在 Python 里有两类函数：
- 第一类：用
def关键词定义的正规函数- 第二类：用
lambda关键词定义的匿名函数lambda argument_list: expression
lambda- 定义匿名函数的关键词。argument_list- 函数参数，它们可以是位置参数、默认参数、关键字参数，和正规函数里的参数类型一样。:- 冒号，在函数参数和表达式中间要加个冒号。expression- 只是一个表达式，输入函数参数，输出一些值。注意
expression中没有 return 语句，因为 lambda 不需要它来返回，表达式本身结果就是返回值。- 匿名函数拥有自己的命名空间，且不能访问自己参数列表之外或全局命名空间里的参数。
lbd_sqr = lambda x: x ** 2 print(lbd_sqr) # <function <lambda> at 0x000000BABB6AC1E0> y = [lbd_sqr(x) for x in range(10)] print(y) # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] sumary = lambda arg1, arg2: arg1 + arg2 print(sumary(10, 20)) # 30 func = lambda *args: sum(args) print(func(1, 2, 3, 4, 5)) # 15
匿名函数 常常应用于函数式编程的高阶函数 (high-order function)中，主要有两种形式：
- 参数是函数 (filter, map)
- 返回值是函数 (closure)
如，在
filter和map函数中的应用：
filter(function, iterable)过滤序列，过滤掉不符合条件的元素，返回一个迭代器对象，如果要转换为列表，可以使用list()来转换。odd = lambda x: x % 2 == 1 templist = filter(odd, [1, 2, 3, 4, 5, 6, 7, 8, 9]) print(list(templist)) # [1, 3, 5, 7, 9]
map(function, *iterables)根据提供的函数对指定序列做映射。m1 = map(lambda x: x ** 2, [1, 2, 3, 4, 5]) print(list(m1)) # [1, 4, 9, 16, 25] m2 = map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10]) print(list(m2)) # [3, 7, 11, 15, 19]
- 除了 Python 这些内置函数，我们也可以自己定义高阶函数。
def apply_to_list(fun, some_list): return fun(some_list) lst = [1, 2, 3, 4, 5] print(apply_to_list(sum, lst)) # 15 print(apply_to_list(len, lst)) # 5 print(apply_to_list(lambda x: sum(x) / len(x), lst)) # 3.0
对象 = 属性 + 方法
对象是类的实例。换句话说，类主要定义对象的结构，然后我们以类为模板创建对象。类不但包含方法定义，而且还包含所有实例共享的数据
1.1、封装：信息隐蔽技术
? 我们可以使用关键字
class定义 Python 类，关键字后面紧跟类的名称、分号和类的实现。2.2、继承：子类自动共享父类之间数据和方法的机制
class MyList(list):#继承了列表 pass lst = MyList([1, 5, 2, 7, 8]) lst.append(9) lst.sort() print(lst) # [1, 2, 5, 7, 8, 9]2.3、多态：不同对象对同一方法响应不同的行动
class Animal: def run(self): raise AttributeError(‘子类必须实现这个方法‘) #### class People(Animal): def run(self): print(‘人正在走‘) ##### class Pig(Animal): def run(self): print(‘pig is walking‘) ##### class Dog(Animal): def run(self): print(‘dog is running‘) #### def func(animal): animal.run() func(Pig()) # pig is walking
Python 的
self相当于 C++ 的this指针。class Test: def prt(self): print(self) print(self.__class__) t = Test() t.prt() # <__main__.Test object at 0x000000BC5A351208> # <class ‘__main__.Test‘>
- 类的方法与普通的函数只有一个特别的区别 —— 它们必须有一个额外的第一个参数名称（对应于该实例，即该对象本身），按照惯例它的名称是
self。在调用方法时，我们无需明确提供与参数self相对应的参数。
? 类有一个名为
__init__(self[, param1, param2...])的魔法方法，该方法在类实例化时会自动调用。class Ball: def __init__(self, name): self.name = name def kick(self): print("我叫%s,该死的，谁踢我..." % self.name) a = Ball("球A") b = Ball("球B") c = Ball("球C") a.kick() # 我叫球A,该死的，谁踢我... b.kick() # 我叫球B,该死的，谁踢我...
? 在 Python 中定义私有变量只需要在变量名或函数名前加上“__”两个下划线，那么这个函数或变量就会为私有的了。
class JustCounter: __secretCount = 0 # 私有变量 publicCount = 0 # 公开变量 # def count(self): self.__secretCount += 1 self.publicCount += 1 print(self.__secretCount) # counter = JustCounter() counter.count() # 1 counter.count() # 2 print(counter.publicCount) # 2 # Python的私有为伪私有 print(counter._JustCounter__secretCount) # 2 print(counter.__secretCount) # AttributeError: ‘JustCounter‘ object has no attribute ‘__secretCount‘类的私有方法访问实例
class Site: def __init__(self, name, url): self.name = name # public self.__url = url # private def who(self): print(‘name : ‘, self.name) print(‘url : ‘, self.__url) def __foo(self): # 私有方法 print(‘这是私有方法‘) def foo(self): # 公共方法 print(‘这是公共方法‘) self.__foo() x = Site(‘老马的程序人生‘, ‘https://blog.csdn.net/LSGO_MYP‘) x.who() # name : 老马的程序人生 # url : https://blog.csdn.net/LSGO_MYP x.foo() # 这是公共方法 # 这是私有方法 x.__foo() # AttributeError: ‘Site‘ object has no attribute ‘__foo‘
class DerivedClassName(BaseClassName):
statement-1
.
.
.
statement-N
BaseClassName（基类名）必须与派生类定义在一个作用域内。除了类，还可以用表达式，基类定义在另一个模块中时这一点非常有用：class DerivedClassName(modname.BaseClassName):
statement-1
.
.
.
statement-N# 类定义 class people: # 定义基本属性 name = ‘‘ age = 0 # 定义私有属性,私有属性在类外部无法直接进行访问 __weight = 0 # 定义构造方法 def __init__(self, n, a, w): self.name = n self.age = a self.__weight = w # def speak(self): print("%s 说: 我 %d 岁。" % (self.name, self.age)) # 单继承示例 class student(people): grade = ‘‘ #定义构造函数 def __init__(self, n, a, w, g): # 调用父类的构函 people.__init__(self, n, a, w) self.grade = g # 覆写父类的方法 def speak(self): print("%s 说: 我 %d 岁了，我在读 %d 年级" % (self.name, self.age, self.grade)) #测试 s = student(‘小马的程序人生‘, 10, 60, 3) s.speak() # 小马的程序人生 说: 我 10 岁了，我在读 3 年级
class Turtle: def __init__(self, x): self.num = x class Fish: def __init__(self, x): self.num = x class Pool: def __init__(self, x, y): self.turtle = Turtle(x) self.fish = Fish(y) def print_num(self): print("水池里面有乌龟%s只，小鱼%s条" % (self.turtle.num, self.fish.num)) p = Pool(2, 3) p.print_num() # 水池里面有乌龟2只，小鱼3条
类对象：创建一个类，其实也是一个对象也在内存开辟了一块空间，称为类对象，类对象只有一个。
实例对象：就是通过实例化类创建的对象，称为实例对象，实例对象可以有多个。
类属性：类里面方法外面定义的变量称为类属性。类属性所属于类对象并且多个实例对象之间共享同一个类属性，说白了就是类属性所有的通过该类实例化的对象都能共享。
实例属性：实例属性和具体的某个实例对象有关系，并且一个实例对象和另外一个实例对象是不共享属性的，说白了实例属性只能在自己的对象里面使用，其他的对象不能直接使用，因为
self是谁调用，它的值就属于该对象。# 创建类对象 class Test(object): class_attr = 50 # 类属性 def __init__(self): self.sl_attr = 100 # 实例属性 def func(self): print(‘类对象.类属性的值:‘, Test.class_attr) # 调用类属性 print(‘self.类属性的值‘, self.class_attr) # 相当于把类属性 变成实例属性 print(‘self.实例属性的值‘, self.sl_attr) # 调用实例属性 a = Test() a.func() # 类对象.类属性的值: 50 # self.类属性的值 50 # self.实例属性的值 100
- 注意：属性与方法名相同，属性会覆盖方法。
- Python 严格要求方法需要有实例才能被调用，这种限制其实就是 Python 所谓的绑定概念。
- Python 对象的数据属性通常存储在名为
.__ dict__的字典中，我们可以直接访问__dict__，或利用 Python 的内置函数vars()获取.__ dict__。class CC: def setXY(self, x, y): self.x = x self.y = y def printXY(self): print(self.x, self.y) dd = CC() print(dd.__dict__) # {} print(vars(dd)) # {} print(CC.__dict__) # {‘__module__‘: ‘__main__‘, ‘setXY‘: <function CC.setXY at 0x000000C3473DA048>, ‘printXY‘: <function CC.printXY at 0x000000C3473C4F28>, ‘__dict__‘: <attribute ‘__dict__‘ of ‘CC‘ objects>, ‘__weakref__‘: <attribute ‘__weakref__‘ of ‘CC‘ objects>, ‘__doc__‘: None} dd.setXY(4, 5) print(dd.__dict__) # {‘x‘: 4, ‘y‘: 5} print(vars(CC)) # {‘__module__‘: ‘__main__‘, ‘setXY‘: <function CC.setXY at 0x000000632CA9B048>, ‘printXY‘: <function CC.printXY at 0x000000632CA83048>, ‘__dict__‘: <attribute ‘__dict__‘ of ‘CC‘ objects>, ‘__weakref__‘: <attribute ‘__weakref__‘ of ‘CC‘ objects>, ‘__doc__‘: None} print(CC.__dict__) # {‘__module__‘: ‘__main__‘, ‘setXY‘: <function CC.setXY at 0x000000632CA9B048>, ‘printXY‘: <function CC.printXY at 0x000000632CA83048>, ‘__dict__‘: <attribute ‘__dict__‘ of ‘CC‘ objects>, ‘__weakref__‘: <attribute ‘__weakref__‘ of ‘CC‘ objects>, ‘__doc__‘: None}
issubclass(class, classinfo)方法用于判断参数 class 是否是类型参数 classinfo 的子类。- 一个类被认为是其自身的子类。
classinfo可以是类对象的元组，只要class是其中任何一个候选类的子类，则返回True。class A: pass class B(A): pass print(issubclass(B, A)) # True print(issubclass(B, B)) # True print(issubclass(A, B)) # False print(issubclass(B, object)) # True
isinstance(object, classinfo)方法用于判断一个对象是否是一个已知的类型，类似type()。type()不会认为子类是一种父类类型，不考虑继承关系。isinstance()会认为子类是一种父类类型，考虑继承关系。- 如果第一个参数不是对象，则永远返回
False。- 如果第二个参数不是类或者由类对象组成的元组，会抛出一个
TypeError异常。hasattr(object, name)用于判断对象是否包含对应的属性。class Coordinate: x = 10 y = -5 z = 0 point1 = Coordinate() print(hasattr(point1, ‘x‘)) # True
getattr(object, name[, default])用于返回一个对象属性值。class A(object): bar = 1 a = A() print(getattr(a, ‘bar‘)) # 1 print(getattr(a, ‘bar2‘, 3)) # 3 print(getattr(a, ‘bar2‘)) # AttributeError: ‘A‘ object has no attribute ‘bar2‘#有意思 class A(object): def set(self, a, b): x = a a = b b = x print(a, b) a = A() c = getattr(a, ‘set‘) c(a=‘1‘, b=‘2‘) # 2 1
setattr(object, name, value)对应函数getattr()，用于设置属性值，该属性不一定是存在的。class A(object): bar = 1 a = A() print(getattr(a, ‘bar‘)) # 1 setattr(a, ‘bar‘, 5) print(a.bar) # 5 setattr(a, "age", 28) print(a.age) # 28
delattr(object, name)用于删除属性。class property([fget[, fset[, fdel[, doc]]]])用于在新式类中返回属性值。fget-- 获取属性值的函数fset-- 设置属性值的函数fdel-- 删除属性值函数doc-- 属性描述信息class C(object): def __init__(self): self.__x = None def getx(self): return self.__x def setx(self, value): self.__x = value def delx(self): del self.__x x = property(getx, setx, delx, "I‘m the ‘x‘ property.") cc = C() cc.x = 2 print(cc.x) # 2 del cc.x print(cc.x) # AttributeError: ‘C‘ object has no attribute ‘_C__x‘
魔法方法总是被双下划线包围，例如__init__。
魔法方法是面向对象的 Python 的一切，如果你不知道魔法方法，说明你还没能意识到面向对象的 Python 的强大。
魔法方法的“魔力”体现在它们总能够在适当的时候被自动调用。
魔法方法的第一个参数应为cls（类方法） 或者self（实例方法）。
cls：代表一个类的名称
self：代表一个实例对象的名称
__init__(self[, ...])构造器，当一个实例被创建的时候调用的初始化方法
__new__(cls[, ...])在一个对象实例化的时候所调用的第一个方法，在调用__init__初始化前，先调用__new__。
__new__至少要有一个参数cls，代表要实例化的类，此参数在实例化时由 Python 解释器自动提供，后面的参数直接传递给__init__。
__new__对当前类进行了实例化，并将实例返回，传给__init__的self。但是，执行了__new__，并不一定会进入__init__，只有__new__返回了，当前类cls的实例，当前类的__init__才会进入。class A(object): def __init__(self, value): print("into A __init__") self.value = value def __new__(cls, *args, **kwargs): print("into A __new__") print(cls) return object.__new__(cls) class B(A): def __init__(self, value): print("into B __init__") self.value = value def __new__(cls, *args, **kwargs): print("into B __new__") print(cls) return super().__new__(cls, *args, **kwargs) b = B(10) # 结果： # into B __new__ # <class ‘__main__.B‘> # into A __new__ # <class ‘__main__.B‘> # into B __init__ class A(object): def __init__(self, value): print("into A __init__") self.value = value def __new__(cls, *args, **kwargs): print("into A __new__") print(cls) return object.__new__(cls) class B(A): def __init__(self, value): print("into B __init__") self.value = value def __new__(cls, *args, **kwargs): print("into B __new__") print(cls) return super().__new__(A, *args, **kwargs) # 改动了cls变为A b = B(10) # 结果： # into B __new__ # <class ‘__main__.B‘> # into A __new__ # <class ‘__main__.A‘>
- 若
__new__没有正确返回当前类cls的实例，那__init__是不会被调用的，即使是父类的实例也不行，将没有__init__被调用。__new__方法主要是当你继承一些不可变的 class 时（比如int, str, tuple）， 提供给你一个自定义这些类的实例化过程的途径。class CapStr(str): def __new__(cls, string): string = string.upper() return str.__new__(cls, string) a = CapStr("i love lsgogroup") print(a) # I LOVE LSGOGROUP
__del__(self)析构器，当一个对象将要被系统回收之时调用的方法。Python 采用自动引用计数（ARC）方式来回收对象所占用的空间，当程序中有一个变量引用该 Python 对象时，Python 会自动保证该对象引用计数为 1；当程序中有两个变量引用该 Python 对象时，Python 会自动保证该对象引用计数为 2，依此类推，如果一个对象的引用计数变成了 0，则说明程序中不再有变量引用该对象，表明程序不再需要该对象，因此 Python 就会回收该对象。
大部分时候，Python 的 ARC 都能准确、高效地回收系统中的每个对象。但如果系统中出现循环引用的情况，比如对象 a 持有一个实例变量引用对象 b，而对象 b 又持有一个实例变量引用对象 a，此时两个对象的引用计数都是 1，而实际上程序已经不再有变量引用它们，系统应该回收它们，此时 Python 的垃圾回收器就可能没那么快，要等专门的循环垃圾回收器（Cyclic Garbage Collector）来检测并回收这种引用循环。
class C(object): def __init__(self): print(‘into C __init__‘) def __del__(self): print(‘into C __del__‘) c1 = C() # into C __init__ c2 = c1 c3 = c2 del c3 del c2 del c1 # into C __del__
__str__(self):- 当你打印一个对象的时候，触发
__str__- 当你使用
%s格式化的时候，触发__str__str强转数据类型的时候，触发__str____repr__(self)：repr是str的备胎- 有
__str__的时候执行__str__,没有实现__str__的时候，执行__repr__repr(obj)内置函数对应的结果是__repr__的返回值- 当你使用
%r格式化的时候 触发__repr__class Cat: """定义一个猫类""" def __init__(self, new_name, new_age): """在创建完对象之后 会自动调用, 它完成对象的初始化的功能""" self.name = new_name self.age = new_age def __str__(self): """返回一个对象的描述信息""" return "名字是:%s , 年龄是:%d" % (self.name, self.age) def __repr__(self): """返回一个对象的描述信息""" return "Cat:(%s,%d)" % (self.name, self.age) def eat(self): print("%s在吃鱼...." % self.name) def drink(self): print("%s在喝可乐..." % self.name) def introduce(self): print("名字是:%s, 年龄是:%d" % (self.name, self.age)) # 创建了一个对象 tom = Cat("汤姆", 30) print(tom) # 名字是:汤姆 , 年龄是:30 print(str(tom)) # 名字是:汤姆 , 年龄是:30 print(repr(tom)) # Cat:(汤姆,30) tom.eat() # 汤姆在吃鱼.... tom.introduce() # 名字是:汤姆, 年龄是:30
__add__(self, other)定义加法的行为：+__sub__(self, other)定义减法的行为：-class MyClass: def __init__(self, height, weight): self.height = height self.weight = weight # 两个对象的长相加，宽不变.返回一个新的类 def __add__(self, others): return MyClass(self.height + others.height, self.weight + others.weight) # 两个对象的宽相减，长不变.返回一个新的类 def __sub__(self, others): return MyClass(self.height - others.height, self.weight - others.weight) # 说一下自己的参数 def intro(self): print("高为", self.height, " 重为", self.weight) def main(): a = MyClass(height=10, weight=5) a.intro() b = MyClass(height=20, weight=10) b.intro() c = b - a c.intro() d = a + b d.intro() if __name__ == ‘__main__‘: main() # 高为 10 重为 5 # 高为 20 重为 10 # 高为 10 重为 5 # 高为 30 重为 15
__mul__(self, other)定义乘法的行为：*
__truediv__(self, other)定义真除法的行为：/
__floordiv__(self, other)定义整数除法的行为：//
__mod__(self, other)定义取模算法的行为：%
__divmod__(self, other)定义当被divmod()调用时的行为
divmod(a, b)把除数和余数运算结果结合起来，返回一个包含商和余数的元组(a // b, a % b)。print(divmod(7, 2)) # (3, 1) print(divmod(8, 2)) # (4, 0)
__pow__(self, other[, module])定义当被power()调用或**运算时的行为__lshift__(self, other)定义按位左移位的行为：<<__rshift__(self, other)定义按位右移位的行为：>>__and__(self, other)定义按位与操作的行为：&__xor__(self, other)定义按位异或操作的行为：^__or__(self, other)定义按位或操作的行为：|
反运算魔方方法，与算术运算符保持一一对应，不同之处就是反运算的魔法方法多了一个“r”。当文件左操作不支持相应的操作时被调用。
__radd__(self, other)定义加法的行为：+
__rsub__(self, other)定义减法的行为：-
__rmul__(self, other)定义乘法的行为：*
__rtruediv__(self, other)定义真除法的行为：/
__rfloordiv__(self, other)定义整数除法的行为：//
__rmod__(self, other)定义取模算法的行为：%
__rdivmod__(self, other)定义当被 divmod() 调用时的行为
__rpow__(self, other[, module])定义当被 power() 调用或**运算时的行为
__rlshift__(self, other)定义按位左移位的行为：<<
__rrshift__(self, other)定义按位右移位的行为：>>
__rand__(self, other)定义按位与操作的行为：&
__rxor__(self, other)定义按位异或操作的行为：^
__ror__(self, other)定义按位或操作的行为：|? a + b
这里加数是
a，被加数是b，因此是a主动，反运算就是如果a对象的__add__()方法没有实现或者不支持相应的操作，那么 Python 就会调用b的__radd__()方法。class Nint(int): def __radd__(self, other): return int.__sub__(other, self) # 注意 self 在后面 a = Nint(5) b = Nint(3) print(a + b) # 8 print(1 + b) # -2
__iadd__(self, other)定义赋值加法的行为：+=__isub__(self, other)定义赋值减法的行为：-=__imul__(self, other)定义赋值乘法的行为：*=__itruediv__(self, other)定义赋值真除法的行为：/=__ifloordiv__(self, other)定义赋值整数除法的行为：//=__imod__(self, other)定义赋值取模算法的行为：%=__ipow__(self, other[, modulo])定义赋值幂运算的行为：**=__ilshift__(self, other)定义赋值按位左移位的行为：<<=__irshift__(self, other)定义赋值按位右移位的行为：>>=__iand__(self, other)定义赋值按位与操作的行为：&=__ixor__(self, other)定义赋值按位异或操作的行为：^=__ior__(self, other)定义赋值按位或操作的行为：|=
__neg__(self)定义正号的行为：+x__pos__(self)定义负号的行为：-x__abs__(self)定义当被abs()调用时的行为__invert__(self)定义按位求反的行为：~x
__getattr__(self, name): 定义当用户试图获取一个不存在的属性时的行为。__getattribute__(self, name)：定义当该类的属性被访问时的行为（先调用该方法，查看是否存在该属性，若不存在，接着去调用__getattr__）。__setattr__(self, name, value)：定义当一个属性被设置时的行为。__delattr__(self, name)：定义当一个属性被删除时的行为。class C: def __getattribute__(self, item): print(‘__getattribute__‘) return super().__getattribute__(item) def __getattr__(self, item): print(‘__getattr__‘) def __setattr__(self, key, value): print(‘__setattr__‘) super().__setattr__(key, value) def __delattr__(self, item): print(‘__delattr__‘) super().__delattr__(item) c = C() c.x # __getattribute__ # __getattr__ c.x = 1 # __setattr__ del c.x # __delattr__
描述符就是将某种特殊类型的类的实例指派给另一个类的属性。
__get__(self, instance, owner)用于访问属性，它返回属性的值。__set__(self, instance, value)将在属性分配操作中调用，不返回任何内容。__del__(self, instance)控制删除操作，不返回任何内容。class MyDecriptor: def __get__(self, instance, owner): print(‘__get__‘, self, instance, owner) def __set__(self, instance, value): print(‘__set__‘, self, instance, value) def __delete__(self, instance): print(‘__delete__‘, self, instance) class Test: x = MyDecriptor() t = Test() t.x # __get__ <__main__.MyDecriptor object at 0x000000CEAAEB6B00> <__main__.Test object at 0x000000CEABDC0898> <class ‘__main__.Test‘> t.x = ‘x-man‘ # __set__ <__main__.MyDecriptor object at 0x00000023687C6B00> <__main__.Test object at 0x00000023696B0940> x-man del t.x # __delete__ <__main__.MyDecriptor object at 0x000000EC9B160A90> <__main__.Test object at 0x000000EC9B160B38>
协议（Protocols）与其它编程语言中的接口很相似，它规定你哪些方法必须要定义。然而，在 Python 中的协议就显得不那么正式。事实上，在 Python 中，协议更像是一种指南。
容器类型的协议
- 如果说你希望定制的容器是不可变的话，你只需要定义
__len__()和__getitem__()方法。- 如果你希望定制的容器是可变的话，除了
__len__()和__getitem__()方法，你还需要定义__setitem__()和__delitem__()两个方法。class CountList: def __init__(self, *args): self.values = [x for x in args] self.count = {}.fromkeys(range(len(self.values)), 0) def __len__(self): return len(self.values) def __getitem__(self, item): self.count[item] += 1 return self.values[item] c1 = CountList(1, 3, 5, 7, 9) c2 = CountList(2, 4, 6, 8, 10) print(c1[1]) # 3 print(c2[2]) # 6 print(c1[1] + c2[1]) # 7 print(c1.count) # {0: 0, 1: 2, 2: 0, 3: 0, 4: 0} print(c2.count) # {0: 0, 1: 1, 2: 1, 3: 0, 4: 0}
__len__(self)定义当被len()调用时的行为（返回容器中元素的个数）。__getitem__(self, key)定义获取容器中元素的行为，相当于self[key]。__setitem__(self, key, value)定义设置容器中指定元素的行为，相当于self[key] = value。__delitem__(self, key)定义删除容器中指定元素的行为，相当于del self[key]。#编写一个可改变的自定义列表，要求记录列表中每个元素被访问的次数。 class CountList: def __init__(self, *args): self.values = [x for x in args] self.count = {}.fromkeys(range(len(self.values)), 0) def __len__(self): return len(self.values) def __getitem__(self, item): self.count[item] += 1 return self.values[item] def __setitem__(self, key, value): self.values[key] = value def __delitem__(self, key): del self.values[key] for i in range(0, len(self.values)): if i >= key: self.count[i] = self.count[i + 1] self.count.pop(len(self.values)) c1 = CountList(1, 3, 5, 7, 9) c2 = CountList(2, 4, 6, 8, 10) print(c1[1]) # 3 print(c2[2]) # 6 c2[2] = 12 print(c1[1] + c2[2]) # 15 print(c1.count) # {0: 0, 1: 2, 2: 0, 3: 0, 4: 0} print(c2.count) # {0: 0, 1: 0, 2: 2, 3: 0, 4: 0} del c1[1] print(c1.count) # {0: 0, 1: 0, 2: 0, 3: 0}
- 迭代是 Python 最强大的功能之一，是访问集合元素的一种方式。
- 迭代器是一个可以记住遍历的位置的对象。
- 迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。
- 迭代器只能往前不会后退。
- 字符串，列表或元组对象都可用于创建迭代器：
links = {‘B‘: ‘百度‘, ‘A‘: ‘阿里‘, ‘T‘: ‘腾讯‘} for each in links: print(‘%s -> %s‘ % (each, links[each])) ‘‘‘ B -> 百度 A -> 阿里 T -> 腾讯 ‘‘‘ for each in iter(links): print(‘%s -> %s‘ % (each, links[each]))B -> 百度
A -> 阿里
T -> 腾讯
B -> 百度
A -> 阿里
T -> 腾讯
- 迭代器有两个基本的方法：
iter()和next()。iter(object)函数用来生成迭代器。next(iterator[, default])返回迭代器的下一个项目。iterator-- 可迭代对象default-- 可选，用于设置在没有下一个元素时返回该默认值，如果不设置，又没有下一个元素则会触发StopIteration异常。links = {‘B‘: ‘百度‘, ‘A‘: ‘阿里‘, ‘T‘: ‘腾讯‘} it = iter(links) while True: try: each = next(it) except StopIteration: break print(each) # B # A # T it = iter(links) print(next(it)) # B print(next(it)) # A print(next(it)) # T print(next(it)) # StopIteration把一个类作为一个迭代器使用需要在类中实现两个魔法方法
__iter__()与__next__()。
__iter__(self)定义当迭代容器中的元素的行为，返回一个特殊的迭代器对象， 这个迭代器对象实现了__next__()方法并通过StopIteration异常标识迭代的完成。__next__()返回下一个迭代器对象。StopIteration异常用于标识迭代的完成，防止出现无限循环的情况，在__next__()方法中我们可以设置在完成指定循环次数后触发StopIteration异常来结束迭代。class Fibs: def __init__(self, n=10): self.a = 0 self.b = 1 self.n = n def __iter__(self): return self def __next__(self): self.a, self.b = self.b, self.a + self.b if self.a > self.n: raise StopIteration return self.a fibs = Fibs(100) for each in fibs: print(each, end=‘ ‘) # 1 1 2 3 5 8 13 21 34 55 89
- 在 Python 中，使用了
yield的函数被称为生成器（generator）。- 跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。
- 在调用生成器运行的过程中，每次遇到
yield时函数会暂停并保存当前所有的运行信息，返回yield的值, 并在下一次执行next()方法时从当前位置继续运行。- 调用一个生成器函数，返回的是一个迭代器对象。
def myGen(): print(‘生成器执行！‘) yield 1 yield 2 myG = myGen() for each in myG: print(each) ‘‘‘ 生成器执行！ 1 2 ‘‘‘ myG = myGen() print(next(myG)) # 生成器执行！ # 1 print(next(myG)) # 2 print(next(myG)) # StopIteration生成器执行！
1
2
生成器执行！
1
2
报错
#用生成器实现斐波那契数列。 def libs(n): a = 0 b = 1 while True: a, b = b, a + b if a > n: return yield a for each in libs(100): print(each, end=‘ ‘) # 1 1 2 3 5 8 13 21 34 55 89
原文：https://www.cnblogs.com/13490-/p/14710924.html