python函数功能扩展 python支持函数

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

python中str函数是什么意思

Python中的str可以表示字符串类，也可以是将变量强制转换为字符串的函数，写作str()。str函数是Python内置函数的一种，可以直接使用，无需调用。

Python由荷兰数学和计算机科学研究学会的Guido van Rossum于1990年代初设计，作为一门叫做ABC语言的替代品。Python提供了高效的高级数据结构，还能简单有效地面向对象编程。

Python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言，随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。

Python解释器易于扩展，可以使用C或C++（或者其他可以通过C调用的语言）扩展新的功能和数据类型。Python也可用于可定制化软件中的扩展程序语言。Python丰富的标准库，提供了适用于各个主要系统平台的源码或机器码。

相关问答

Q1: 如何理解Python装饰器

内裤可以用来遮羞，但是到了冬天它没法为我们防风御寒，聪明的人们发明了长裤，有了长裤后宝宝再也不冷了，装饰器就像我们这里说的长裤，在不影响内裤作用的前提下，给我们的身子提供了保暖的功效。

再回到我们的主题

装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等场景。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。概括的讲，装饰器的作用就是为已经存在的对象添加额外的功能。

先来看一个简单例子：

def foo():

print('i am foo')

现在有一个新的需求，希望可以记录下函数的执行日志，于是在代码中添加日志代码：

def foo():

print('i am foo')

logging.info("foo is running")

bar()、bar2()也有类似的需求，怎么做？再写一个logging在bar函数里？这样就造成大量雷同的代码，为了减少重复写代码，我们可以这样做，重新定义一个函数：专门处理日志，日志处理完之后再执行真正的业务代码

def use_logging(func):

logging.warn("%s is running" % func.__name__)

func()

def bar():

print('i am bar')

use_logging(bar)

逻辑上不难理解，但是这样的话，我们每次都要将一个函数作为参数传递给use_logging函数。而且这种方式已经破坏了原有的代码逻辑结构，之前执行业务逻辑时，执行运行bar()，但是现在不得不改成use_logging(bar)。那么有没有更好的方式的呢？当然有，答案就是装饰器。

简单装饰器

def use_logging(func):

def wrapper(*args, **kwargs):

logging.warn("%s is running" % func.__name__)

return func(*args, **kwargs)

return wrapper

def bar():

print('i am bar')

bar = use_logging(bar)

bar()

函数use_logging就是装饰器，它把执行真正业务方法的func包裹在函数里面，看起来像bar被use_logging装饰了。在这个例子中，函数进入和退出时，被称为一个横切面(Aspect)，这种编程方式被称为面向切面的编程(Aspect-Oriented Programming)。

@符号是装饰器的语法糖，在定义函数的时候使用，避免再一次赋值操作

def use_logging(func):

def wrapper(*args, **kwargs):

logging.warn("%s is running" % func.__name__)

return func(*args)

return wrapper

@use_logging

def foo():

print("i am foo")

@use_logging

def bar():

print("i am bar")

bar()

如上所示，这样我们就可以省去bar = use_logging(bar)这一句了，直接调用bar()即可得到想要的结果。如果我们有其他的类似函数，我们可以继续调用装饰器来修饰函数，而不用重复修改函数或者增加新的封装。这样，我们就提高了程序的可重复利用性，并增加了程序的可读性。

装饰器在Python使用如此方便都要归因于Python的函数能像普通的对象一样能作为参数传递给其他函数，可以被赋值给其他变量，可以作为返回值，可以被定义在另外一个函数内。

带参数的装饰器

装饰器还有更大的灵活性，例如带参数的装饰器：在上面的装饰器调用中，比如@use_logging，该装饰器唯一的参数就是执行业务的函数。装饰器的语法允许我们在调用时，提供其它参数，比如@decorator(a)。这样，就为装饰器的编写和使用提供了更大的灵活性。

def use_logging(level):

def decorator(func):

def wrapper(*args, **kwargs):

if level == "warn":

logging.warn("%s is running" % func.__name__)

return func(*args)

return wrapper

return decorator

@use_logging(level="warn")

def foo(name='foo'):

print("i am %s" % name)

foo()

上面的use_logging是允许带参数的装饰器。它实际上是对原有装饰器的一个函数封装，并返回一个装饰器。我们可以将它理解为一个含有参数的闭包。当我们使用@use_logging(level="warn")调用的时候，Python能够发现这一层的封装，并把参数传递到装饰器的环境中。

类装饰器

再来看看类装饰器，相比函数装饰器，类装饰器具有灵活度大、高内聚、封装性等优点。使用类装饰器还可以依靠类内部的\_\_call\_\_方法，当使用 @ 形式将装饰器附加到函数上时，就会调用此方法。

class Foo(object):

def __init__(self, func):

self._func = func

def __call__(self):

print ('class decorator runing')

self._func()

print ('class decorator ending')

@Foo

def bar():

print ('bar')

bar()

functools.wraps

使用装饰器极大地复用了代码，但是他有一个缺点就是原函数的元信息不见了，比如函数的docstring、__name__、参数列表，先看例子：

装饰器

def logged(func):

def with_logging(*args, **kwargs):

print func.__name__ + " was called"

return func(*args, **kwargs)

return with_logging

函数

@logged

def f(x):

"""does some math"""

return x + x * x

该函数完成等价于：

def f(x):

"""does some math"""

return x + x * x

f = logged(f)

不难发现，函数f被with_logging取代了，当然它的docstring，__name__就是变成了with_logging函数的信息了。

print f.__name__ # prints 'with_logging'

print f.__doc__ # prints None

这个问题就比较严重的，好在我们有functools.wraps，wraps本身也是一个装饰器，它能把原函数的元信息拷贝到装饰器函数中，这使得装饰器函数也有和原函数一样的元信息了。

from functools import wraps

def logged(func):

@wraps(func)

def with_logging(*args, **kwargs):

print func.__name__ + " was called"

return func(*args, **kwargs)

return with_logging

@logged

def f(x):

"""does some math"""

return x + x * x

print f.__name__ # prints 'f'

print f.__doc__ # prints 'does some math'

内置装饰器

@staticmathod、@classmethod、@property

装饰器的顺序

def f ():

等效于

f = a(b(c(f)))

编辑于 2016-08-09

8 条评论

感谢

•

没有帮助

•

作者保留权利

收起

赞同

反对，不会显示你的姓名

许多人选择编程是因为他们喜欢把时间花在…

4 人赞同

先理解一下闭包的概念吧，之前回答过一个有关闭包和装饰器的问题，可以参考一下：Python 里函数里返回一个函数内部定义的函数？ - 知乎用户的回答

显示全部

先理解一下闭包的概念吧，之前回答过一个有关闭包和装饰器的问题，可以参考一下：

Python 里函数里返回一个函数内部定义的函数？ - 知乎用户的回答

发布于 2014-12-09

2 条评论

感谢

•

没有帮助

•

作者保留权利

赞同

反对，不会显示你的姓名

Q2: 优化Python编程的4个妙招

1. Pandas.apply() – 特征工程瑰宝

Pandas 库已经非常优化了，但是大部分人都没有发挥它的最大作用。想想它一般会用于数据科学项目中的哪些地方。一般首先能想到的就是特征工程，即用已有特征创造新特征。其中最高效的方法之一就是Pandas.apply()，即Pandas中的apply函数。

在Pandas.apply()中，可以传递用户定义功能并将其应用到Pandas Series的所有数据点中。这个函数是Pandas库最好的扩展功能之一，它能根据所需条件分隔数据。之后便能将其有效应用到数据处理任务中。

2. Pandas.DataFrame.loc – Python数据操作绝妙技巧

所有和数据处理打交道的数据科学家(差不多所有人了!)都应该学会这个方法。

很多时候，数据科学家需要根据一些条件更新数据集中某列的某些值。Pandas.DataFrame.loc就是此类问题最优的解决方法。

3. Python函数向量化

另一种解决缓慢循环的方法就是将函数向量化。这意味着新建函数会应用于输入列表，并返回结果数组。在Python中使用向量化能至少迭代两次，从而加速计算。

事实上，这样不仅能加速代码运算，还能让代码更加简洁清晰。

4. Python多重处理

多重处理能使系统同时支持一个以上的处理器。

此处将数据处理分成多个任务，让它们各自独立运行。处理庞大的数据集时，即使是apply函数也显得有些迟缓。

关于优化Python编程的4个妙招，青藤小编就和您分享到这里了。如果您对python编程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于python编程的技巧及素材等内容，可以点击本站的其他文章进行学习。

Q3: python装饰器是什么意思

装饰器是程序开发中经常会用到的一个功能，用好了装饰器，开发效率如虎添翼，所以这也是Python面试中必问的问题，但对于好多小白来讲，这个功能有点绕，自学时直接绕过去了，然后面试问到了就挂了，因为装饰器是程序开发的基础知识，这个都不会，别跟人家说你会Python, 看了下面的文章，保证你学会装饰器。

1、先明白这段代码

#### 第一波 ####

def foo():

print 'foo'

foo #表示是函数

foo() #表示执行foo函数

#### 第二波 ####

def foo():

print 'foo'

foo = lambda x: x + 1

foo() # 执行下面的lambda表达式，而不再是原来的foo函数，因为函数 foo 被重新定义了

2、需求来了

初创公司有N个业务部门，1个基础平台部门，基础平台负责提供底层的功能，如：数据库操作、redis调用、监控API等功能。业务部门使用基础功能时，只需调用基础平台提供的功能即可。如下：

############### 基础平台提供的功能如下 ###############

def f1():

print 'f1'

def f2():

print 'f2'

def f3():

print 'f3'

def f4():

print 'f4'

############### 业务部门A 调用基础平台提供的功能 ###############

f1()

f2()

f3()

f4()

############### 业务部门B 调用基础平台提供的功能 ###############

f1()

f2()

f3()

f4()

目前公司有条不紊的进行着，但是，以前基础平台的开发人员在写代码时候没有关注验证相关的问题，即：基础平台的提供的功能可以被任何人使用。现在需要对基础平台的所有功能进行重构，为平台提供的所有功能添加验证机制，即：执行功能前，先进行验证。

老大把工作交给 Low B，他是这么做的：

跟每个业务部门交涉，每个业务部门自己写代码，调用基础平台的功能之前先验证。诶，这样一来基础平台就不需要做任何修改了。

当天Low B 被开除了…

老大把工作交给 Low BB，他是这么做的：

############### 基础平台提供的功能如下 ###############

def f1():

# 验证1

# 验证2

# 验证3

print 'f1'

def f2():

# 验证1

# 验证2

# 验证3

print 'f2'

def f3():

# 验证1

# 验证2

# 验证3

print 'f3'

def f4():

# 验证1

# 验证2

# 验证3

print 'f4'

############### 业务部门不变 ###############

### 业务部门A 调用基础平台提供的功能###

f1()

f2()

f3()

f4()

### 业务部门B 调用基础平台提供的功能 ###

f1()

f2()

f3()

f4()

过了一周 Low BB 被开除了…

老大把工作交给 Low BBB，他是这么做的：

只对基础平台的代码进行重构，其他业务部门无需做任何修改

############### 基础平台提供的功能如下 ###############

def check_login():

# 验证1

# 验证2

# 验证3

pass

def f1():

check_login()

print 'f1'

def f2():

check_login()

print 'f2'

def f3():

check_login()

print 'f3'

def f4():

check_login()

print 'f4'

老大看了下Low BBB 的实现，嘴角漏出了一丝的欣慰的笑，语重心长的跟Low BBB聊了个天：

老大说：

写代码要遵循开发封闭原则，虽然在这个原则是用的面向对象开发，但是也适用于函数式编程，简单来说，它规定已经实现的功能代码不允许被修改，但可以被扩展，即：

封闭：已实现的功能代码块

开放：对扩展开发

如果将开放封闭原则应用在上述需求中，那么就不允许在函数 f1 、f2、f3、f4的内部进行修改代码，老板就给了Low BBB一个实现方案：

def w1(func):

def inner():

# 验证1

# 验证2

# 验证3

return func()

return inner

@w1

def f1():

print 'f1'

@w1

def f2():

print 'f2'

@w1

def f3():

print 'f3'

@w1

def f4():

print 'f4'

对于上述代码，也是仅仅对基础平台的代码进行修改，就可以实现在其他人调用函数 f1 f2 f3 f4 之前都进行【验证】操作，并且其他业务部门无需做任何操作。

Low BBB心惊胆战的问了下，这段代码的内部执行原理是什么呢？

老大正要生气，突然Low BBB的手机掉到地上，恰恰屏保就是Low BBB的女友照片，老大一看一紧一抖，喜笑颜开，交定了Low BBB这个朋友。详细的开始讲解了：

单独以f1为例：

def w1(func):

def inner():

# 验证1

# 验证2

# 验证3

return func()

return inner

@w1

def f1():

print 'f1'

当写完这段代码后（函数未被执行、未被执行、未被执行），python解释器就会从上到下解释代码，步骤如下：

def w1(func): ==将w1函数加载到内存

@w1

没错，从表面上看解释器仅仅会解释这两句代码，因为函数在没有被调用之前其内部代码不会被执行。

从表面上看解释器着实会执行这两句，但是 @w1 这一句代码里却有大文章，@函数名是python的一种语法糖。

如上例@w1内部会执行一下操作：

执行w1函数，并将 @w1 下面的函数作为w1函数的参数，即：@w1 等价于 w1(f1)

所以，内部就会去执行：

def inner:

#验证

return f1() # func是参数，此时 func 等于 f1

return inner # 返回的 inner，inner代表的是函数，非执行函数

其实就是将原来的 f1 函数塞进另外一个函数中

将执行完的 w1 函数返回值赋值给@w1下面的函数的函数名

w1函数的返回值是：

def inner:

#验证

return 原来f1() # 此处的 f1 表示原来的f1函数

然后，将此返回值再重新赋值给 f1，即：

新f1 = def inner:

#验证

return 原来f1()

所以，以后业务部门想要执行 f1 函数时，就会执行新f1 函数，在新f1 函数内部先执行验证，再执行原来的f1函数，然后将原来f1 函数的返回值返回给了业务调用者。

如此一来，即执行了验证的功能，又执行了原来f1函数的内容，并将原f1函数返回值返回给业务调用着

Low BBB 你明白了吗？要是没明白的话，我晚上去你家帮你解决吧！！！

先把上述流程看懂，之后还会继续更新…

3、问答时间

问题：被装饰的函数如果有参数呢？

#一个参数

def w1(func):

def inner(arg):

# 验证1

# 验证2

# 验证3

return func(arg)

return inner

@w1

def f1(arg):

print 'f1'

#两个参数

def w1(func):

def inner(arg1,arg2):

# 验证1

# 验证2

# 验证3

return func(arg1,arg2)

return inner

@w1

def f1(arg1,arg2):

print 'f1'

#三个参数

def w1(func):

def inner(arg1,arg2,arg3):

# 验证1

# 验证2

# 验证3

return func(arg1,arg2,arg3)

return inner

@w1

def f1(arg1,arg2,arg3):

print 'f1'

问题：可以装饰具有处理n个参数的函数的装饰器？

def w1(func):

def inner(*args,**kwargs):

# 验证1

# 验证2

# 验证3

return func(*args,**kwargs)

return inner

@w1

def f1(arg1,arg2,arg3):

print 'f1'

问题：一个函数可以被多个装饰器装饰吗？

def w1(func):

def inner(*args,**kwargs):

# 验证1

# 验证2

# 验证3

return func(*args,**kwargs)

return inner

def w2(func):

def inner(*args,**kwargs):

# 验证1

# 验证2

# 验证3

return func(*args,**kwargs)

return inner

@w1

@w2

def f1(arg1,arg2,arg3):

print 'f1'

问题：还有什么更吊的装饰器吗？

#!/usr/bin/env python

#coding:utf-8

def Before(request,kargs):

print 'before'

def After(request,kargs):

print 'after'

def Filter(before_func,after_func):

def outer(main_func):

def wrapper(request,kargs):

before_result = before_func(request,kargs)

if(before_result != None):

return before_result;

main_result = main_func(request,kargs)

if(main_result != None):

return main_result;

after_result = after_func(request,kargs)

if(after_result != None):

return after_result;

return wrapper

return outer

@Filter(Before, After)

def Index(request,kargs):

print 'index'

Q4: python可以做什么

Python实际上是一种编程语言，在许多领域中都有广泛的应用，例如最热门的大数据分析，人工智能，Web开发等。

1989年圣诞节，阿姆斯特丹，为了度过无聊的圣诞节，年轻人Guido决定开发一种新的编程语言。 Python(Boa Constrictor)的名字是因为他是Monty Python喜剧小组的粉丝。你看，技术是如此随意...

Python的语法非常接近英语，样式统一，非常漂亮，并且内置了许多有效的工具。例如，同一作业需要1000行C语言，100行Java和10行Python。

Python简洁，易于阅读且可扩展。大多数科研机构都使用Python进行研究。卡内基梅隆大学和麻省理工学院的编程课程以Python讲授。许多开源科学计算软件包都提供Python调用接口，例如著名的计算机视觉库OpenCV，三维可视化库VTK和医学图像处理库ITK。还有更多专门用于Python的科学计算扩展库，例如NumPy，SciPy和matplotlib，它们分别提供矩阵计算，科学计算和绘图功能。

Q5: python中eval()函数的作用是什么?

python中eval()函数作用是计算字符串中有效的表达式，并返回结果。将字符串转成相应的对象（如list、tuple、dict和string之间的转换）。利用反引号转换的字符串再反转回对象。

eval()函数用来执行一个字符串表达式，并返回表达式的值。eval函数功能：将字符串str当成有效的表达式来求值并返回计算结果。eval函数可以实现list、dict、tuple与str之间的转化。

Python语言的介绍

Python是一种计算机程序设计语言，由吉多·范罗苏姆创造，第一版发布于1991年，可以视之为一种改良的LISP。Python的设计哲学强调代码的可读性和简洁的语法。相比于C++或Java，Python让开发者能够用更少的代码表达想法。

Python语言的简洁性、易读性以及可扩展性，在国外用Python做科学计算的研究机构日益增多，一些知名大学已经采用Python来教授程序设计课程。

python函数功能扩展的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于python支持函数、python函数功能扩展的信息别忘了在本站进行查找喔。