day4-函数和装饰器

1. 函数：将实现某种功能的一组语句集合通过一个名称（函数名）封装起来；

2.函数参数：

　·形参，实参，调用函数时，参数通过实参传给形参，因此实参必须是确定的，可以是常量、变量、表达式、函数等；

　·在定义形参的时候，可以指定默认参数，当没有传值时就使用这个默认参数；一般情况下给函数传递参数时是有位置区别的，此时称为位置参数，也可以使用关键参数（name='alex')，没有位置区别，原则是关键参数不能放在位置参数之前；

　·如果不确定需要多少个参数，可以使用非固定参数--*args会将参数保存为元组方式，**kwargs会将参数保存为字典方式；

3.局部变量和全局变量

　·局部变量：在子程序中定义的变量；作用域为子程序；

　·全局变量：在程序一开始定义的变量；作用域为整个程序；

==不同程序进行调用的时候，可以使用模块调用；

global _global_dict
_global_dict = {}


def set_value(key,value):
    """ 定义一个全局变量 """
    _global_dict[key] = value


def get_value(key,defValue=None):
    try:
        return _global_dict[key]
    except KeyError:
        return defValue

4. 返回值；

· 如果调用函数之后有返回值，可以使用return；未指定的话返回none；

· 遇到return则整个函数停止；

5. 几种函数介绍；--内置参数；https://docs.python.org/3/library/functions.html

· 递归函数；函数在内部调用自己；递归函数有两个特点：必须有一个明确的结束条件；进入更深一层的递归时，问题规模相比上次必须有所减少；

· 匿名函数；lambda n:n**n，关键字lambda，Lambda相当于简化了函数的书写，可以直接使用：g = lambda x:x+1——》匿名函数；Python中，也有几个定义好的全局函数方便使用的，filter, map, reduce（在functools中）

· 高阶函数：变量可以指向函数，函数的参数能接收变量，那么一个函数就可以接收另一个函数作为参数，这种函数就称之为高阶函数。

6.装饰器：可以理解为高阶函数+嵌套函数，作用是装饰其他函数，即给其他函数添加功能；

· 原则：1.不能修改被修饰函数代码（高阶函数）；2.不能更改被修饰函数的调用方式；（嵌套函数）

#高阶函数；
import  time

def timer(fun):
    def test1(*args,**kwargs):
        print("In the timer!!")
        start_time = time.time()
        fun(*args,**kwargs)
        stop_time = time.time()
        print("the running time of this function is %s"%(stop_time-start_time))
    return test1

@timer
def fun1():
    time.sleep(2)
    print("OK!!!")
@timer
def fun2(name):
    print(name)
    print("in the fun2!")

# fun1 = timer(fun1)
# fun2 = timer(fun2)

fun1()
fun2("alex")

--嵌套函数引入：如果只有一层函数的时候，调用的时候直接执行了，例如@timer=>fun1 = timer(fun1)，如果加上嵌套的时候，此时只是返回了test1的地址，等到使用fun1()的时候，函数才真正执行；

· python引入一种语法糖的功能，@

7. 生成器，Python中，这种一边循环一边计算的机制，称为生成器：generator。generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

· 可以使用列表生成式，将[]变成()，生成一个生成器；

· 带有yield的函数；

8. 迭代器；

· 可以使用for进行操作的有：

　　· 集合数据类型：如list,tuple,dict,set,str;

　　· generator：包括生成器和带yield的generator function。（这里可能会想到文件，文件的读取方式实际上也是generator的方式）

· 可迭代对象：可以直接作用于for循环的对象统称为可迭代对象：Iterable。isinstance([], Iterable)进行判断；

· 可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。 isinstance([], Iterator)进行判断；

9. 软件目录结构规范：引用Alex博客https://www.cnblogs.com/alex3714/articles/5765046.html

关于如何组织一个较好的Python工程目录结构，已经有一些得到了共识的目录结构。在Stackoverflow的这个问题上，能看到大家对Python目录结构的讨论。

这里面说的已经很好了，我也不打算重新造轮子列举各种不同的方式，这里面我说一下我的理解和体会。

假设你的项目名为foo, 我比较建议的最方便快捷目录结构这样就足够了:

Foo/
|-- bin/
|   |-- foo
|
|-- foo/
|   |-- tests/
|   |   |-- __init__.py | | |-- test_main.py | | | |-- __init__.py | |-- main.py | |-- docs/ | |-- conf.py | |-- abc.rst | |-- setup.py |-- requirements.txt |-- README

简要解释一下:

bin/: 存放项目的一些可执行文件，当然你可以起名script/之类的也行。
foo/: 存放项目的所有源代码。(1) 源代码中的所有模块、包都应该放在此目录。不要置于顶层目录。(2) 其子目录tests/存放单元测试代码； (3) 程序的入口最好命名为main.py。
docs/: 存放一些文档。
setup.py: 安装、部署、打包的脚本。
requirements.txt: 存放软件依赖的外部Python包列表。
README: 项目说明文件。

除此之外，有一些方案给出了更加多的内容。比如LICENSE.txt,ChangeLog.txt文件等，我没有列在这里，因为这些东西主要是项目开源的时候需要用到。如果你想写一个开源软件，目录该如何组织，可以参考这篇文章。

下面，再简单讲一下我对这些目录的理解和个人要求吧。

关于README的内容

这个我觉得是每个项目都应该有的一个文件，目的是能简要描述该项目的信息，让读者快速了解这个项目。

它需要说明以下几个事项:

软件定位，软件的基本功能。
运行代码的方法: 安装环境、启动命令等。
简要的使用说明。
代码目录结构说明，更详细点可以说明软件的基本原理。
常见问题说明。

我觉得有以上几点是比较好的一个README。在软件开发初期，由于开发过程中以上内容可能不明确或者发生变化，并不是一定要在一开始就将所有信息都补全。但是在项目完结的时候，是需要撰写这样的一个文档的。

可以参考Redis源码中Readme的写法，这里面简洁但是清晰的描述了Redis功能和源码结构。

关于requirements.txt和setup.py

setup.py

一般来说，用setup.py来管理代码的打包、安装、部署问题。业界标准的写法是用Python流行的打包工具setuptools来管理这些事情。这种方式普遍应用于开源项目中。不过这里的核心思想不是用标准化的工具来解决这些问题，而是说，一个项目一定要有一个安装部署工具，能快速便捷的在一台新机器上将环境装好、代码部署好和将程序运行起来。

这个我是踩过坑的。

我刚开始接触Python写项目的时候，安装环境、部署代码、运行程序这个过程全是手动完成，遇到过以下问题:

安装环境时经常忘了最近又添加了一个新的Python包，结果一到线上运行，程序就出错了。
Python包的版本依赖问题，有时候我们程序中使用的是一个版本的Python包，但是官方的已经是最新的包了，通过手动安装就可能装错了。
如果依赖的包很多的话，一个一个安装这些依赖是很费时的事情。
新同学开始写项目的时候，将程序跑起来非常麻烦，因为可能经常忘了要怎么安装各种依赖。

setup.py可以将这些事情自动化起来，提高效率、减少出错的概率。"复杂的东西自动化，能自动化的东西一定要自动化。"是一个非常好的习惯。

setuptools的文档比较庞大，刚接触的话，可能不太好找到切入点。学习技术的方式就是看他人是怎么用的，可以参考一下Python的一个Web框架，flask是如何写的: setup.py

当然，简单点自己写个安装脚本（deploy.sh）替代setup.py也未尝不可。

requirements.txt

这个文件存在的目的是:

方便开发者维护软件的包依赖。将开发过程中新增的包添加进这个列表中，避免在setup.py安装依赖时漏掉软件包。
方便读者明确项目使用了哪些Python包。

这个文件的格式是每一行包含一个包依赖的说明，通常是flask>=0.10这种格式，要求是这个格式能被pip识别，这样就可以简单的通过 pip install -r requirements.txt来把所有Python包依赖都装好了。具体格式说明：点这里。

关于配置文件的使用方法

注意，在上面的目录结构中，没有将`conf.py`放在源码目录下，而是放在`docs/`目录下。

很多项目对配置文件的使用做法是:

配置文件写在一个或多个python文件中，比如此处的conf.py。
项目中哪个模块用到这个配置文件就直接通过import conf这种形式来在代码中使用配置。

这种做法我不太赞同:

这让单元测试变得困难（因为模块内部依赖了外部配置）
另一方面配置文件作为用户控制程序的接口，应当可以由用户自由指定该文件的路径。
程序组件可复用性太差，因为这种贯穿所有模块的代码硬编码方式，使得大部分模块都依赖conf.py这个文件。

所以，我认为配置的使用，更好的方式是，

模块的配置都是可以灵活配置的，不受外部配置文件的影响。
程序的配置也是可以灵活控制的。

能够佐证这个思想的是，用过nginx和mysql的同学都知道，nginx、mysql这些程序都可以自由的指定用户配置。

所以，不应当在代码中直接import conf来使用配置文件。上面目录结构中的conf.py，是给出的一个配置样例，不是在写死在程序中直接引用的配置文件。可以通过给main.py启动参数指定配置路径的方式来让程序读取配置内容。当然，这里的conf.py你可以换个类似的名字，比如settings.py。或者你也可以使用其他格式的内容来编写配置文件，比如settings.yaml之类的。