一 、函数名的应用
函数名的定义和变量的定义几乎一致，在变量的角度 ，函数名其实就是一个变量 ，具有变量的功能：可以赋值；但是作为函数名他也有特殊的功能就是加上()就会执行对应的函数，所以我们可以把函数名当做一个特殊的变量
1 、函数名指向的是函数的内存地址
函数名 + （）就可以执行次函数
def func():
print("呵呵")
print(func)
输出结果:
<function func at 0x1101e4ea0>
通过上面代码可以我们知道 ，函数名指向的是这个函数的内存地址 ，其实深一步理解可得知，与其说函数名()可以执行这个函数 ，不如说是函数的内存地址()才是执行这个函数的关键 ，就好比：
a = 1
b = 2
c = a + b
print(c) # 3
2、函数名可以赋值给其他变量
def func():
print("呵呵")
print(func)
a = func # 把函数当成一个变量赋值给另一个变量
a() # 函数调用 func()
3 、函数名可以当容器类元素
def func1():
print("in func1: 嘻嘻")
def func2():
print("in func2: 哈哈")
def func3():
print("in func3: 咯咯")
def func4():
print("in func4: 吱吱")
lst = [func1, func2, func3, func4]
for i in lst:
i()
4 、函数名可以当做函数的参数
def func1():
print('in func1')
def func2(f):
print('in func2')
f()
func2(func1)
输出结果：
in func2
in func1
5、函数名可以作为函数的返回值
def func1():
print('in func1')
def func2(f):
print('in func2')
return f
ret = func2(func1)
ret()
输出结果:
in func2
in func1
二 、Python新特性：f-strings格式化输出
1 、旧的格式化输出方式
name = 'mrxiong'
age = 19
msg = '我叫%s,今年%s'%(name,age)
msg1 = '我叫{}，今年{}'.format(name,age)
print(msg)
print(msg1)
2、新特性：格式化输出 python3.6版本后适用
name = 'mrxiong'
age = 19
msg = f'我叫{name},今年{age}'
print(msg)
可以加表达式
dic={'name':'mrxiong','age':19}
msg = f'我叫{dic["name"]},今年{dic["age"]}'
print(msg)
count= 7
a = f'最终结果：{count*7}'
print(a)
name= 'mrxiong'
msg1= f'我的名字是 ：{name.upper()}'
print(msg1)
结合函数 使用
def _sum(a,b):
return a+b
msg2 = f'最终的计算结果是:{_sum(10,20)}'
print(msg2)
def _sum(a,b):
return a+b
num=int(input('请输入弟一个数字:'))
num1=int(input('请输入第二个数字:'))
msg2 = f'最终的计算结果是:{_sum(num,num1)}'
print(msg2)
优点:1 、结构更清晰更简化 ，2 、可以结合表达式及函数进行使用 ，3、效率提升很多
三、迭代器
1 、可迭代对象
字面意思：对像，python中一切皆对象，一个实实在在存在的值 ，对象
可迭代：更新迭代。 重复的 ，循环的一个过程 。可进行循环更新的一个实实在在值
专业角度：可迭代对像，内部含有’____iter‘_方法的对像 ，可迭代对像
目前学过的可迭代对象：str list tuple dict set range 文件句柄
判断一个对像的所有方法：dir()
s1 = 'mrxiong'
print(dir(s1))
s1 = 'mrxiong'
print('__iter__'in dir(s1))
- 小结
- 字面意思：可以进行循环更新的一个实实在在值
- 专业角度：可迭代对像 ，内部含有’____iter‘_方法的对像，可迭代对象
- 判断一个对像是不是可迭代对像:’____iter‘ in dir(对像)
- str list tuple dict set range 文件句柄
- 优点：
- 存储的数据直接能显示 ，比较直观
- 拥有的方法比较多
- 缺点：
- 占用内存
- 不能直接通过for循环 ，不能直接取值（索引，key)
2 、迭代器
-
迭代器的定义：
- 字面意思：更新迭代 ，器：工具 ，可更新迭代的工具
- 专业角度：内部含有'_____iter' 方法并且含有 '_____next' 方法的对象就是迭代器
- 可以判断是否是迭代器：'inter'and '_____next' 在不在dir(对象)
- 判断一个对象是否是迭代器
with open('a.txt', encoding='utf-8', mode='w') as f1:
print('__iter__' in dir(f1) and '__next__' in dir(f1))
- 可迭代对象如何转化成迭代器并取值
s1 = 'adf'
obj = iter(s1) #把s1转换为一个迭代器
obj.__iter__() #把s1转换为一个迭代器第二种方法
print(next(obj)) #next对己转换的迭代器进行取值
print(obj.__next__()) #next对己转换的迭代器进行取值第二种方法
print(next(obj))
l1 = [11,22,33,44,55,66]
l2 = iter(l1)
print(next(l2))
print(next(l2))
print(next(l2))
print(next(l2))
print(next(l2))
print(next(l2))
l3 = iter([1,2,3,4])
print(next(l3))
print(next(l3))
print(next(l3))
print(next(l3))
可迭代对象转换成迭代器
iter([1,2,3])
利用while循环模拟for循环对可迭代对象进行取值的机制
s1 = [11, 22, 33, 44, 55, 66, 77, 88]
obj = iter(s1)
while 1:
try:
print(next(obj))
except StopIteration:
break
-
小结
- 迭代器优点：
1）节省内存 。迭代器在内存中相当于只占一个数据的空间：因为每次取值都上一条数据会在内存释放，加载当前的此条数据。
2） 惰性机制 。next一次 ，取一个值 ，绝不过多取值 。
有一个迭代器模式可以很好的解释上面这两条：迭代是数据处理的基石。扫描内存中放不下的数据集时，我们要找到一种惰性获取数据项的方式，即按需一次获取一个数据项 。这就是迭代器模式 。- 迭代器的缺点:
不能直观的查看里面的数据。
取值时不走回头路 ，只能一直向下取值 。
速度慢
-
可迭代对象与迭代器的对比
- 可迭代对象：
是一个私有的方法比较多 ，操作灵活（比如列表，字典的增删改查 ，字符串的常用操作方法等）,比较直观 ，但是占用内存，而且不能直接通过循环迭代取值的这么一个数据集 。
应用：当你侧重于对于数据可以灵活处理 ，并且内存空间足够 ，将数据集设置为可迭代对象是明确的选择。
- 迭代器：
是一个非常节省内存，可以记录取值位置 ，可以直接通过循环+next方法取值 ，但是不直观，操作方法比较单一的数据集。
**应用**：当你的数据量过大 ，大到足以撑爆你的内存或者你以节省内存为首选因素时 ，将数据集设置为迭代器是一个不错的选择 。（可参考为什么python把文件句柄设置成迭代器） 。
