抽象

懒惰即美德。

抽象和结构

抽象可以节省大量工作，实际上它的作用还要更大，它是使得计算机程序可以让人读懂的关键。

创建函数

函数可以调用（可能包含参数，也就是放在圆括号中的值），它执行某种行为并且返回一个值。一般来说，内建的callable函数可以用来判断函数是否可调用：

>>> import math

>>> y=1

>>> x=math.sqrt

>>> callable(x)

True

>>> callable(y)

False

创建函数是组织程序的关键。那么怎样定义函数呢？

使用def(或“函数定义”）语句即可：

>>> def hello(name):

return 'Hello, ' + name + '!'

传入不同的参数，得到不同的结果：

>>> print hello('signjing')

Hello, signjing!

>>> print hello('jiao')

Hello, jiao!

斐波那契数列的获取方法（例如，前10项）为：

>>> f=[0,1]

>>> for i in range(8):

f.append(f[-1]+f[-2])

>>> print f

[0, 1, 1, 2, 3, 5, 8, 13, 21, 34]

如果用函数的方法实现，则为：

>>> def fibs(num):

result=[0,1]

for i in range(num-2):

result.append(result[-2]+result[-1])

return result

执行结果：

>>> fibs(10)

[0, 1, 1, 2, 3, 5, 8, 13, 21, 34]

>>> fibs(16)

[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610]

return语句是用来从函数中返回值的。

记录函数

如果想给函数写文档，让后面使用该函数的人能理解的话，可以加入注释（以#开头）。

另外一个方式是直接写上字符串。这里字符串在其它地方可能会非常有用，比如在def语句后面（以及在模块或类的开头）。如果在函数的开头写下字符串，它就会成为函数的一部分进行存储，称为文档字符串。

>>> def fibs(num):

'fibs is a funtion:*************'

result=[0,1]

for i in range(num-2):

result.append(result[-2]+result[-1])

return result

>>> fibs.__doc__

'fibs is a funtion:*************'

注意：__doc__是函数属性。

内建的help函数非常有用。在交互式解释器中使用它，就可以得到关于函数，包括它的文档字符串的信息。

>>> help(fibs)

Help on function fibs in module __main__:

fibs(num)

fibs is a funtion:*************

并非真正函数的函数

数学意义上的函数，总在计算其参数后返回点什么。python的有些函数却并不返回任何东西。

没有return语句，或者虽有return语句但return后边没有跟任何值的函数不返回值。

>>> def test():

print "This is printed"

return

print 'this is not'

>>> x=test()

This is printed

上述函数中的return语句只起到结束函数的作用。

>>> x

>>> print x

None

所以，所有的函数的确都返回了东西：当不需要它们返回值的时候，它们就返回None。

参数魔法

值从哪里来

写在def语句中函数名后面的变量通常叫函数的形式参数，而调用函数时提供的值是实际参数，或者成为参数。

我能改变参数吗？

在函数内为参数赋予新值不会改变外部任何变量的值。

>>> def try_to_change(n):

n="Hello , signjing"

>>> say="Hello , jiao"

>>> try_to_change(say)

>>> say

'Hello , jiao'

字符串（以及数字和元组）是不可变的，即无法被修改。所以它们做参数的时候也就无需多做介绍。但如果将可变的数据结构如列表做参数的时候会发生什么：

>>> def change(n):

n[0]='signjing'

>>> names=['Li lei','Han meimei']

>>> change(names)

>>> names

['signjing', 'Han meimei']

下面不用函数调用再做一次：

>>> names=['Li lei','Han meimei']

>>> n=names

>>> n[0]='signjing'

>>> names

['signjing', 'Han meimei']

之前也出现过这种情况：当两个变量同时引用一个列表的时候，它们的确是同时引用一个列表。如果想避免这种情况，可以复制一个列表的副本。当在序列中做切片的时候，返回的切片总是一个副本。因此，如果你复制了整个列表的切片，将会得到一个副本：

>>> n=names[:]

>>> n

['Li lei', 'Han meimei']

>>> names

['Li lei', 'Han meimei']

>>> n is names

False

>>> m=n

>>> m is n

True

在某些语言（如c++、Ada）中，重绑定参数并且使这些改变影响到函数外的变量是很平常的事情。但在python中是不可能的，函数只能修改参数对象本身。但如果参数不可变，如数字，又该怎么办呢？答案是没有办法。这时候应该从函数中返回所有需要的值，如果值多于一个，则以元组形式返回。

例如，将变量数值增1的函数可以这样写：

>>> def inc(x):return x+1

>>> foo=10

>>> foo=inc(foo)

>>> foo

11

如果真的想改变参数，可以使用一点小技巧，即将值放置在列表中：

>>> def inc(x):x[0]=x[0]+1

>>> foo=[10]

>>> inc(foo)

>>> foo

[11]

这样就只会返回新值。

关键字参数和默认值

目前我们所使用的参数都叫做位置参数，因为它们的位置很重要——事实上比它们的名字更重要。

>>> def hello_1(greeting,name):

print '%s,%s' %(greeting,name)

>>> def hello_2(name,greeting):

print '%s,%s' %(name,greeting)

>>> hello_1('hello','boy')

hello,boy

>>> hello_2('hello','girl')

hello,girl

有些时候（尤其是参数很多的时候），参数的顺序是很难记住的。为了让事情简单些，可以提供参数的名字：

>>> hello_1(greeting='hello',name='boy')

hello,boy

>>> hello_1(name='boy',greeting='hello')

hello,boy

但参数名和值一定要对应：

>>> hello_2(name='boy',greeting='hello')

boy,hello

>>> hello_2(greeting='hello',name='boy')

boy,hello

这类使用参数名提供的参数叫做关键字参数。主要作用是明确每个参数的作用。

关键字参数最厉害的地方在于可以在函数中给参数提供默认值。当参数具有默认值的时候，调用的时候就不用提供参数了。可以不提供、提供一些或者提供所有的参数：

>>> def hello_3(greeting='hello',name='world'):

print '%s,%s!' %(greeting,name)

>>> hello_3()

hello,world!

>>> hello_3('Greeting')

Greeting,world!

>>> hello_3('Greeting','universe')

Greeting,universe!

>>> hello_3(name='boys')

hello,boys!

位置和关键字参数是可以联合使用的。把位置参数放置在前面就可以了。

注意：除非完全清楚程序的功能和参数的意义，否则应该避免混合使用位置参数和关键字参数。

收集参数

有时候让用户提供任意数量的参数是很有用的。试着像下面这样定义函数：

>>> def print_params(*params):

print params

>>> print_params(1,2)

(1, 2)

>>> print_params(1,2,'ab')

(1, 2, 'ab')

参数前的星号将所有值放置在同一个元组中。可以说是将这些值收集起来，然后使用。

>>> def print_params_2(title,*params):

print title

print params

>>> print_params_2('Params: ',1,2,3)

Params:

(1, 2, 3)

如果不提供任何供收集的元素，params就是空元组：

>>> print_params_2('Nothing: ')

Nothing:

()

>>> print_params_2('Hmm...',something=42)

Traceback (most recent call last):

File "", line 1, in

print_params_2('Hmm...',something=42)

TypeError: print_params_2() got an unexpected keyword argument 'something'

我们需要另外一个能处理关键字参数的“收集”操作。

>>> def print_params_3(**params):

print params

>>> print_params_3(x=1,y=2,z=3)

{'y': 2, 'x': 1, 'z': 3}

反转过程

>>> def add(x,y):

return x+y

>>> params=(1,2)

>>> add(*params)

3

在调用中使用而不是在定义中使用。

对于参数列表来说工作正常，只要扩展到部分是最新的就可以。可以使用同样的技术来处理字典——使用双星号运算符。

>>> def hello_3(greeting='hello',name='world'):

print '%s, %s!' %(greeting,name)

>>> params={'name':'Sir Robin','greeting':'Well met'}

>>> hello_3(*params)

name, greeting!

>>> hello_3(**params)

Well met, Sir Robin!

星号只在定义函数（允许使用不定数目的参数）或者调用（“分割”字典或者序列）时才有用。

作用域

变量和所对应的值用的是个“不可见”的字典。实际上这么说已经很接近真实情况了。内建的vars函数可以返回这个字典：

>>> x=1

>>> scope=vars()

>>> scope['x']

1

>>> scope['x']+=1

>>> x

2

这类“不可见字典”叫做命名空间或者作用域。到底有多少个命名空间？除了全局作用域外，每个函数调用都会创建一个新的作用域；

参数的工作原理类似于局部变量，所以用全局变量的名字作为参数名并没有问题。

如果需要在函数内部访问全局变量，应该怎么办呢？而且只想读取变量的值（也就是说不想重绑定变量），一般来说是没有问题的：

>>> def combine(parameter):

print parameter+external

>>> external='berry'

>>> combine('Shrub')

Shrubberry

读取全局变量一般来说并不是问题，但是还是有个会出问题的事情。如果局部变量或者参数的名字和想要访问的全局变量名相同的话，就不能直接访问了。全局变量会被局部变量屏蔽。

如果的确需要的话，可以使用globals函数获取全局变量值，该函数的近亲是vars，它可以返回全局变量的字典（locals返回局部变量的字典）。

重绑定全局变量（使变量引用其他新值）：如果在函数内部将值赋予一个变量，它会自动成为局部变量——除非告知python将其声明为全局变量。

>>> x=1

>>> def change_global():

global x

x=x+1

>>> change_global()

>>> x

2

递归

想到了一个笑话：

你要想理解递归，首先得理解递归。

好吧，有点冷，继续热乎的话题....

递归的定义（包括递归函数定义）包括它们自身定义内容的引用。

需要查找递归的意思，结果它告诉请参见递归，无穷尽也，一个类似的函数定义如下：

>>> def recursion():

return recursion()

显然它什么也做不了，理论上讲，它应该永远运行下去。

由于每次调用函数都会用掉一点内存，在足够的函数调用发生后，空间就不够了，程序以一个“超过最大递归深度”的错误信息结束：

Traceback (most recent call last):

File "", line 1, in

recursion()

File "", line 2, in recursion

return recursion()

......

File "", line 2, in recursion

return recursion()

RuntimeError: maximum recursion depth exceeded

这类递归叫无穷递归，类似于while True开始的无穷循环，中间没有break或return语句。

有用的递归函数包括以下几个部分：

当函数直接返回值时有基本实例（最小可能性问题）；

递归实例，包括一个或者多个问题最小部分的递归调用；

两个经典：阶乘和幂

>>> def factorial(n):

result=n

for i in range(1,n):

result*=i

return result

>>> factorial(5)

120

递归的实现方式：

>>> def factorial(n):

if n==1:

return 1

else:

return n*factorial(n-1)

>>> factorial(4)

24

>>> def power(x,n):

result=1

for i in range(n):

result*=x

return result

>>> power(5,3)

125

递归实现：

>>> def power(x,n):

if n==0:

return 1

else:

return x*power(x,n-1)

>>> power(4,4)

256

另一个经典：二元查找

此处略；

对象的魔力

创建自己的对象（尤其是类型或者被称为类的对象）是python的核心概念——非常核心。

面向对象程序设计中的术语对象基本上可以看作数据（特性）以及由一系列可以存取、操作这些数据的方法所组成的集合。

对象最重要的优点包括以下几个方面：

多态：可以对不同类的对象使用同样的操作；

封装：对外部世界隐藏对象的工作细节；

继承：以普通的类为基础建立专门的类对象；

类和类型

类到底是什么

类就是一种对象。所有的对象都属于某一个类，成为类的实例。

当一个对象所属的类是另外一个对象所属类的子集时，前者就被称为后者的子类，相反，后者就称为前者的超类（基类）。

在面向对象程序设计中，子类的关系是隐式的，因为一个类的定义取决于它所支持的方法。定义子类只是定义更多（也有可能是重载已经存在的）的方法的过程。

创建自己的类

>>> __metaclass__ = type

>>> class Person:

def setName(self,name):

self.name=name

def getName(self):

return self.name

def greet(self):

print "Hello,world!I'm %s." %self.name

>>> foo=Person()

>>> bar=Person()

>>> foo.setName('abc')

>>> foo.getName()

'abc'

>>> foo.greet()

Hello,world!I'm abc.

self是对于对象自身的引用。没有它，成员方法就没法访问他们要对其特性进行操作的对象本身了。

特效、函数和方法

默认情况下，程序可以从外部访问一个对象的特性。

为了让方法或特性变为私有（从外部无法访问），只要在它的名字前面加上双下划线即可：

>>> class Secretive:

def __inaccessible(self):

print "Bet you can't see me..."

def accessible(self):

print "The secret message is:"

self.__inaccessible()

>>> s.__inaccessible()

Traceback (most recent call last):

File "", line 1, in

s.__inaccessible()

AttributeError: 'Secretive' object has no attribute '__inaccessible'

>>> s.accessible()

The secret message is:

Bet you can't see me...

类的内部定义中，所有以双下划线开始的名字都被“翻译”成前面加上单下划线和类名的形式：

>>> Secretive._Secretive__inaccessible

简而言之，确保其他人不会访问对象的方法和特性是不可能的，但是这类“名称变化术”就是他们不应该访问这些函数或者特性的强有力信号。

类的命名空间

类的定义其实就是执行代码块，这一点非常有用。

指定超类

将其他类名写在class语句后的圆括号内可以指定超类：

>>> class Filter:

def init(self):

self.blocked=[]

def filter(self,sequence):

return [x for x in sequence if x not in self.blocked]

>>> class SPAMFilter(Filter):

def init(self):

self.blocked=['SPAM']

Filter是个用于过滤序列的通用类，事实上它不能过滤任何东西：

>>> f=Filter()

>>> f.init()

>>> f.filter([1,3,4])

[1, 3, 4]

Filter类的用处在于它可以用作其他类的基类（超类），可以将序列中的“SPAM”过滤出去。

>>> s=SPAMFilter()

>>> s.init()

>>> s.filter(['abc','SPAM',"SPAM",'SPAM','signjing'])

['abc', 'signjing']

调查继承

想要查看一个类是否是另一个的子类，可以使用内建的issubclass函数：

>>> issubclass(SPAMFilter,Filter)

True

>>> issubclass(Filter,SPAMFilter)

False

如果想要知道已知类的基类（们），可以直接使用它的特殊特性__bases__：

>>> SPAMFilter.__bases__

(,)

>>> Filter.__bases__

(,)

同样，还能使用isinstance方法检查一个对象是否是一个类的实例：

>>> isinstance(s,SPAMFilter)

True

>>> isinstance(s,Filter)

True

>>> isinstance(s,str)

False

S是SPAMFilter类的（直接）成员，但也是Filter类的间接成员，因为SPAMFilter是Filter的子类。

如果想知道一个对象属于哪个类，可以使用__class__特性：

>>> s.__class__

多个超类

>>> class Calculator:

def calculate(self,expression):

self.value=eval(expression)

>>> class Talker:

def talk(self):

print 'Hi,my value is',self.value

>>> class TalkingCalculator(Calculator,Talker):

pass

超类可以有多个。

在这里，子类不做任何事，从自己的超类继承所有的行为。

这种行为成为多重继承，是个非常有用的工具。

使用多重继承时，有个需要注意的地方。如果一个方法从多个超类继承，必须要注意一下超类的顺序：

先继承的类中的方法会重写后继承的类中的方法。