python包裹函数 python调用包中的函数

Python的位置参数、默认参数、关键字参数、可变参数区别

对于python函数参数，对于初学者可能就是进入了迷宫，尽管我也是初学者，简单总结一下。

说参数之前，先讲一下两个packing（包裹）和unpacking（解包裹）：

输出：

我总结不了这个概念，只能帮大家到这了

一、位置参数和关键字参数：

调用函数时根据函数定义的参数位置来传递参数。

注意：

有位置参数时，位置参数必须在关键字参数的前面，但关键字参数之间不存在先后顺序的

二、默认参数：

用于定义函数，为参数提供默认值，调用函数时可传可不传该默认参数的值（注意：所有位置参数必须出现在默认参数前，包括函数定义和调用）

三、可变参数：

定义函数时，有时候我们不确定调用的时候会传递多少个参数(不传参也可以)。此时，可用包裹(packing)位置参数，或者包裹关键字参数，来进行参数传递，会显得非常方便。

1、包裹位置传递

我们传进的所有参数都会被args变量收集，它会根据传进参数的位置合并为一个元组(tuple)，args是元组类型，这就是包位置传递。

2、包裹关键字传递

kargs是一个字典(dict)，收集所有关键字参数

四、解包裹参数：

*args 和 **kargs ，也可以在函数调用的时候使用，称之为解包(unpacking)

1、在传递元组时，让元组的每一个元素对应一个位置参数

2、在传递词典字典时，让词典的每个键值对作为一个关键字参数传递给函数

五、位置参数、默认参数、可变参数的混合使用

1、基本原则是：先位置参数，默认参数，包裹位置，包裹关键字(定义和调用都应遵循)

2、Python中 *args 和 **kwargs 的区别

先看个demo：

输出结果：

分析一下：可以看到，这两个是[Python]中的可变参数。 *args 表示任何多个无名参数，它是一个tuple； **kwargs 表示关键字参数，它是一个dict。并且同时使用 *args 和 **kwargs 时，必须 *args 参数列要在 **kwargs 前，否则会报语法错误！！！

还有个小应用场景：创建字典

其实python中就带有dict类，使用dict(a=1,b=2,c=3)即可创建一个字典了。

*args：

重点在*，后面的args相当于一个变量名，可以自己定义的。它的本质就是将标准调用剩下的值集中转变为元组。

从形参的角度：

从实参的角度：

从不同角度看**kwargs：

**kwargs与位置参数和默认参数混用：

超复杂混合参数混用记：

总结：

位置参数：

调用函数时所传参数的位置必须与定义函数时参数的位置相同

关键字参数：

使用关键字参数会指定参数值赋给哪个形参，调用时所传参数的位置可以任意

*位置参数：可接受任意数量的位置参数(元组)；只能作为最后一个位置参数出现，其后参数均为关键字参数

**关键字参数：可接受任意数量的关键字参数(字典)；只能作为最后一个参数出现

相关问答

Q1: Python笔记：Python装饰器

装饰器是通过装饰器函数修改原函数的一些功能而不需要修改原函数，在很多场景可以用到它，比如① 执行某个测试用例之前，判断是否需要登录或者执行某些特定操作；② 统计某个函数的执行时间；③ 判断输入合法性等。合理使用装饰器可以极大地提高程序的可读性以及运行效率。本文将介绍Python装饰器的使用方法。

python装饰器可以定义如下：

输出：

python解释器将test_decorator函数作为参数传递给my_decorator函数，并指向了内部函数 wrapper()，内部函数 wrapper() 又会调用原函数 test_decorator()，所以decorator()的执行会先打印'this is wrapper'，然后打印'hello world'， test_decorator()执行完成后，打印 'bye' ，*args和**kwargs，表示接受任意数量和类型的参数。

装饰器 my_decorator() 把真正需要执行的函数 test_decorator() 包裹在其中，并且改变了它的行为，但是原函数 test_decorator() 不变。

一般使用如下形式使用装饰器：

@my_decorator就相当于 decorator = my_decorator(test_decorator) 语句。

内置装饰器@functools.wrap可用于保留原函数的元信息（将原函数的元信息，拷贝到对应的装饰器函数里）。先来看看没有使用functools的情况：

输出：

从上面的输出可以看出test_decorator() 函数被装饰以后元信息被wrapper() 函数取代了，可以使用@functools.wrap装饰器保留原函数的元信息：

输出：

装饰器可以接受自定义参数。比如定义一个参数来设置装饰器内部函数的执行次数：

输出：

Python 支持多个装饰器嵌套：

装饰的过程：

顺序从里到外：

test_decorator('hello world') 执行顺序和装饰的过程相反。

输出：

类也可以作为装饰器，类装饰器主要依赖__call__()方法，是python中所有能被调用的对象具有的内置方法（python魔术方法），每当调用一个类的实例时，__call__()就会被执行一次。

下面的类装饰器实现统计函数执行次数：

输出：

下面介绍两种装饰器使用场景

统计函数执行所花费的时间

输出：

在使用某些web服务时，需要先判断用户是否登录，如果没有登录就跳转到登录页面或者提示用户登录：

--THE END--

Q2: Python实现的几个常用排序算法实例

#encoding=utf-8

import random

from copy import copy

def directInsertSort(seq):

 """ 直接插入排序 """

 size = len(seq)

 for i in range(1,size):

  tmp, j = seq[i], i

  while j  0 and tmp  seq[j-1]:

   seq[j], j = seq[j-1], j-1

  seq[j] = tmp

 return seq

def directSelectSort(seq):

 """ 直接选择排序 """

 size = len(seq)

 for i in range(0,size - 1):

  k = i;j = i+1

  while j  size:

   if seq[j]  seq[k]:

    k = j

   j += 1

  seq[i],seq[k] = seq[k],seq[i]

 return seq

def bubbleSort(seq):

 """冒泡排序"""

 size = len(seq)

 for i in range(1,size):

  for j in range(0,size-i):

   if seq[j+1]  seq[j]:

    seq[j+1],seq[j] = seq[j],seq[j+1]

 return seq

def _divide(seq, low, high):

 """快速排序划分函数"""

 tmp = seq[low]

 while low != high:

  while low  high and seq[high] = tmp: high -= 1

  if low  high:

   seq[low] = seq[high]

   low += 1

  while low  high and seq[low] = tmp: low += 1

  if low  high:

   seq[high] = seq[low]

   high -= 1

 seq[low] = tmp

 return low

def _quickSort(seq, low, high):

 """快速排序辅助函数"""

 if low = high: return

 mid = _divide(seq, low, high)

 _quickSort(seq, low, mid - 1)

 _quickSort(seq, mid + 1, high)

def quickSort(seq):

 """快速排序包裹函数"""

 size = len(seq)

 _quickSort(seq, 0, size - 1)

 return seq

def merge(seq, left, mid, right):

 tmp = []

 i, j = left, mid

 while i  mid and j = right:

  if seq[i]  seq[j]:

   tmp.append(seq[i])

   i += 1

  else:

   tmp.append(seq[j])

   j += 1

 if i  mid: tmp.extend(seq[i:])

 if j = right: tmp.extend(seq[j:])

 seq[left:right+1] = tmp[0:right-left+1]

def _mergeSort(seq, left, right):

 if left == right: 

  return

 else:

  mid = (left + right) / 2

  _mergeSort(seq, left, mid)

  _mergeSort(seq, mid + 1, right)

  merge(seq, left, mid+1, right)

#二路并归排序

def mergeSort(seq):

 size = len(seq)

 _mergeSort(seq, 0, size - 1)

 return seq

if __name__ == '__main__':

 s = [random.randint(0,100) for i in range(0,20)]

 print s

 print "\n"

 print directSelectSort(copy(s))

 print directInsertSort(copy(s))

 print bubbleSort(copy(s))

 print quickSort(copy(s))

 print mergeSort(copy(s))

Q3: Python中repr()函数和str()的区别

repr()和str，一个最简单的区别：repr是函数，str跟int一样是一种对象类型。

repr ( object )

返回对象的可打印形式字符串。对于很多类型而言，本函数试图返回的字符串，会与将对象传给 eval() 所生成的结果相同；不然，结果就是一个尖括号包裹的字符串，包含了对象类型名称及其附加信息，附加信息通常包括对象的名称和内存地址。通过定义 __repr__() 方法，类可以控制本函数将为实例返回的内容。

class str ( object='' ) class str ( object=b'' , encoding='utf-8' , errors='strict' )

返回 object 的 字符串 版本。 如果未提供 object 则返回空字符串。 在其他情况下 str() 的行为取决于 encoding 或 errors 是否有给出，具体见下。

如果 encoding 或 errors 均未给出，str(object) 返回 object.__str__()，这是 object 的“非正式”或格式良好的字符串表示。 对于字符串对象，这是该字符串本身。 如果 object 没有 __str__() 方法，则 str() 将回退为返回 repr(object)。

如果 encoding 或 errors 至少给出其中之一，则 object 应该是一个 bytes-like object (例如 bytes 或 bytearray)。 在此情况下，如果 object 是一个 bytes (或 bytearray) 对象，则 str(bytes, encoding, errors) 等价于 bytes.decode(encoding, errors)。 否则的话，会在调用 bytes.decode() 之前获取缓冲区对象下层的 bytes 对象。 请参阅 二进制序列类型 --- bytes, bytearray, memoryview 与 缓冲协议 了解有关缓冲区对象的信息。

将一个 bytes 对象传入 str() 而不给出 encoding 或 errors 参数的操作属于第一种情况， 将返回非正式的字符串表示（另请参阅 Python 的 -b 命令行选项）。 例如:

什么时候应该使用str()，什么时候应该使用repr()?

在为最终用户创建输出时，几乎总是使用str。repr()主要用于调试和 探索 。例如，如果您怀疑字符串中有非打印字符，或者浮点数有一个小的舍入错误，则repr()将显示给您;str可能不会。repr()在生成要粘贴到源代码中的文字时也很有用。

Q4: Python3.5 的函数问题

这里面python包裹函数的知识是属于闭包python包裹函数；

def test(*args)：的星号叫做闭包python包裹函数，会把输入的参数转换成一个元组；

start, end = args的时候，叫做解包裹，把元组的值拆开复制给变量，如果个数不一样，那么最后一个参数被赋予剩下的值，是个元组；

如果只传递一个参数就不需要闭包，去掉def test(*args)的星号；

举例：

def test(*args):

  print args

test(1,2,3)

python包裹函数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调用包中的函数、python包裹函数的信息别忘了在本站进行查找喔。