day10(Alex python)

开始今天的内容！

插一句函数式编程，很好理解，给一个例子：

result = subtract(multiply(add(1,2), 3), 4);

全部为数学函数没有数学运算符的编程方式为函数式编程。

匿名函数&内置参数

匿名函数就是不需要显示的指定函数。

def calc(n):
    result = n**n
    return result
print(calc(10))
#10000000000

#上述代码换成匿名函数为
calc = lambda n:n**n

#匿名函数的作用一般为搭配使用
res = map(lambda x:x**2,[1,2,3,4,5])
for i in res:
    print(i)
#1 4 9 16 25

内置参数

有一个内置函数的表：

下面对一些常用的内置函数进行解释说明：

# -*- coding:utf-8 -*-
# Author: Agent Xu

print(all([0,-5,6]))
#False
print(all([1,2,-5]))
#True
print(all([]))
#True
#非零即为真

print(any([0,-4,4]))
#True
print(any([]))
#False
#非空且任意一个为真则为真

print(ascii('你好'))
#'\u4f60\u597d'

#二进制转换
print(bin(255))
#0b11111111

print(bool(0))
#False
print(bool(1))
#True
print(bool([]))
#False
print(bool([1,2]))
#True
#空和零为假

#之前说过字符串是不可以修改的，只能重新赋值，二进制的字节格式也不可以修改
a = bytes('abcde',encoding='utf-8')
print(a.capitalize(),a)
#b'Abcde' b'abcde'
#现在介绍一种字节数组，可以修改
b = bytearray('abcde',encoding='utf-8')
print(b[1])
#98  打印的是对应的ASCII码
b[1]=100 #修改
print(b)
#bytearray(b'adcde')

#判断是否可调用
def abc():pass
print(callable(abc))
#True

#输出数字对应的ASCII码
print(chr(98))
#b
#反过来
print(ord('b'))
#98

code = 'for i in range(10): print(i)'
py_obj = compile(code,'err.log','exec')
#err.log表示如果编译错误将把错误写进一个日志文件
#exec表示编译玩的文件用什么方式执行
exec(py_obj)
# 0 1 2 3 4 5 6 7 8 9
#和import功能类似，区别在于import只能导入本地的函数包，compile可以异地传源代码编译导入
exec(code)
#0 1 2 3 4 5 6 7 8 9
#直接exec也可以执行。。。感觉没必要compile了

#相除且返回余数
print(divmod(5,3))
#(1, 2)

#字符串转换成字典，可执行，适用于简单的运算
x=1
a = eval('x+1')
print(a)
#2

#过滤器
res = filter(lambda n:n>5,range(10))
for i in res:
    print(i)  #6 7 8 9

#map列表
res1 = map(lambda n:n*n,range(10))
for i in res1:
    print(i)  #0 1 4 9 16 25 36 49 64 81

import functools
res2 = functools.reduce(lambda x,y:x+y,range(10)) #累加
print(res2)
#45
res3 = functools.reduce(lambda x,y:x*y,range(1,10)) #阶乘
print(res3)
#362880

#不可变集合
a = frozenset([1,2,3,3,4,5])
#不能增删改

#把这个程序的所有变量和值返回为key-value格式的字典
print(globals())

#hash

#转16进制
print(hex(15))
#0xf

#转八进制
print(oct(8))
#0o10

#次幂
print(pow(2,8))
#256

#取整
print(round(1.23456))
#1
print(round(1.23456,2))
#1.23  小数点后两位取整

#字典的排序
a = {-3:1,1:24,4:19,43:183,68:3}
print(a)
#{68: 3, 1: 24, 43: 183, 4: 19, -3: 1} 无序性
print(sorted(a.items()))
#[(-3, 1), (1, 24), (4, 19), (43, 183), (68, 3)] 列表按照key值排序
print(sorted(a.items(),key=lambda x:x[1]))
#[(-3, 1), (68, 3), (4, 19), (1, 24), (43, 183)] 列表按照value值排序

#组合
a = [1,2,3,4]
b = ['a','b','c','d']
c = zip(a,b)
for i in c:
    print(i)
#(1, 'a')(2, 'b')(3, 'c')(4, 'd')  数据不对称的也可以，需要用map指定空值

还有一些简单的和不常用的没有记录，在需要的时候查询就好。

内置参数详解 https://docs.python.org/3/library/functions.html?highlight=built#ascii

Json&pickle模块

JSon序列化

json，用于字符串和 python数据类型间进行转换，不同平台之间数据转换。
只能处理简单的数据类型，函数不行

序列化：

import json

data = {
    'name':'agent xu',
    'sex':'man',
    'age':26
}

f = open('data.txt','w')
f.write(json.dumps(data))  #等于 json.dump(data,f)
f.close()

反序列化：

import json

f = open('data.txt','r')
data = json.loads(f.read())  #等于 data = json.load(f)

print(data['name'])
#agent xu

pickle序列化

pickle，用于python特有的类型和 python的数据类型间进行转换
pickle只能在python本语言内使用，可以序列化任意类型的数据

序列化：

import pickle

def sayhi(name):
    print('hello,',name)

data = {
    'name':'agent xu',
    'sex':'man',
    'age':26,
    'func':sayhi
}

f = open('data.txt','wb')
f.write(pickle.dumps(data))  #等于 pickle.dump(data,f)
f.close()

反序列化：

import pickle

def sayhi(name):
    print('hello,',name)
    print('hello1',name)

f = open('data.txt','rb')
data = pickle.loads(f.read())   #等于 data = pickle.load(f)

print(data['func']('agentxu'))
#hello, agentxu
#hello1 agentxu

最后补一个知识点：

软件目录结构规范（摘录alex博客：https://www.cnblogs.com/alex3714/articles/5765046.html）

为什么要设计好目录结构?

"设计项目目录结构"，就和"代码编码风格"一样，属于个人风格问题。对于这种风格上的规范，一直都存在两种态度:

一类同学认为，这种个人风格问题"无关紧要"。理由是能让程序work就好，风格问题根本不是问题。
另一类同学认为，规范化能更好的控制程序结构，让程序具有更高的可读性。

我是比较偏向于后者的，因为我是前一类同学思想行为下的直接受害者。我曾经维护过一个非常不好读的项目，其实现的逻辑并不复杂，但是却耗费了我非常长的时间去理解它想表达的意思。从此我个人对于提高项目可读性、可维护性的要求就很高了。"项目目录结构"其实也是属于"可读性和可维护性"的范畴，我们设计一个层次清晰的目录结构，就是为了达到以下两点:

可读性高: 不熟悉这个项目的代码的人，一眼就能看懂目录结构，知道程序启动脚本是哪个，测试目录在哪儿，配置文件在哪儿等等。从而非常快速的了解这个项目。
可维护性高: 定义好组织规则后，维护者就能很明确地知道，新增的哪个文件和代码应该放在什么目录之下。这个好处是，随着时间的推移，代码/配置的规模增加，项目结构不会混乱，仍然能够组织良好。

所以，我认为，保持一个层次清晰的目录结构是有必要的。更何况组织一个良好的工程目录，其实是一件很简单的事儿。

目录组织方式

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。

匿名函数&内置参数

Json&pickle模块

猜你喜欢