装饰器：装饰器的实质就是一个闭包，而闭包又是嵌套函数的一种。所以也可以理解装饰器是一种特殊的函数。
因为程序一般都遵守开放封闭原则，软件在设计初期不可能把所有情况都想到，所以一般软件都支持功能上的扩展，而对源代码的修改是封闭的。
开放封闭原则主要体现在两个方面：
- 对功能扩展开放：意味着有新的需求或变化时，可以对现有代码进行扩展，以适应新的情况。
- 对源码修改封闭：意味着类一旦设计完成，就可以独立完成其工作，而不要对源码进行任何修改。
对于上述的开放封闭原则有的时候确实很难完成，幸好装饰器可以满足放封闭的原则。
首先我们来看下什么是装饰器？
def fun(function): # 参数是接收装饰的函数
def decorator(*args,**kwargs): # 装饰器
ret = function(*args,**kwargs) # 接收最大数
print(f"最大的数是:{ret}") # 将最大数打印出来
print(decorator) # 查看装饰器与函数的区别
return decorator
# 假如num_max(num1,num2):是我们的源码，源码只是返回最大数。
# 现在有个需求让我们在不修改num_max(num1,num2)源码的情况下
# 以调用num_max(num1,num2)的方式将最大数打印出来
def num_max(num1,num2):
if num1 > num2:
return num1
else:
return num2
num_max = fun(num_max) # 装饰函数num_max(num1,num2)
num_max(3,5) # 以正常 的方式调用函数
# 打印结果：
<function fun.<locals>.decorator at 0x00000000021F47B8>
最大的数是:5
Python为我们装饰函数的时候，提供了一个简便的方法语法糖@，可以直接装饰一个函数，还是以上面的例子演示：
def fun(function): # 参数是接收装饰的函数
def decorator(*args,**kwargs): # 装饰器
ret = function(*args,**kwargs) # 接收最大数
print(f"最大的数是:{ret}") # 将最大数打印出来
print(decorator) # 查看装饰器与函数的区别
return decorator
# 假如num_max(num1,num2):是我们的源码，源码只是返回最大数。
# 现在有个需求让我们在不修改num_max(num1,num2)源码的情况下
# 以调用num_max(num1,num2)的方式将最大数打印出来
@fun # 语法糖
def num_max(num1,num2):
if num1 > num2:
return num1
else:
return num2
num_max(3,5) # 以正常 的方式调用函数
# 打印结果
最大的数是5
使用语法糖要注意，就是要装饰哪个函数，一定要将语法糖放在哪个函数的正上方。装饰器一般用于插入日志，验证码，性能测试，事务处理，缓存等等场景。
当然上面的例子只是为了演示装饰器的用法，下面我们来演示一个计算fun循环和while循环的例子：
import time
def fun(function): # 参数是接收装饰的函数
def decorator(): # 装饰器
start_time = time.time()
function()
end_time = time.time()
return (end_time - start_time)
return decorator
@fun # 语法糖
def for_fun():
for i in range(10000000):
i += 1
ret = for_fun()
print(f"for循环用了：{ret}")
@fun # 语法糖
def while_fun():
count = 0
while count < 10000000:
count += 1
ret = while_fun()
print(f"while循环用了：{ret}")
# 打印内容如下
for循环用了：0.7150406837463379
while循环用了：0.7400426864624023
上面的做法似乎还差点什么，就是当我们执行'函数名.__doc__'或'函数名.__name__'时我们会发现结果不对，这是需要用到wraps装饰器来解决这个问题，如下：
from functools import wraps
def inner(func):
@wraps(func) #加在最内层函数正上方
def wrapper(*args,**kwargs):
return func(*args,**kwargs)
return wrapper
@inner
def func():
'''我是注释'''
print('from index')
print(func.__doc__)
print(func.__name__)
常用内置函数用法：
abs(x)：x是一个数，函数返回一个绝对值。
print(abs(-9))
# 打印内容如下:
9
all(iterable)：参数,可迭代对象，检查可迭代对象中的元素是否为True，如果元素中有False、None、0、""空字符串返回False，否则返回True。
print(all([1,2,"a"]))
print(all([1,"a",2,""]))
print(all([1,"a",2,None]))
print(all([1,"a",2,0]))
# 打印内容如下:
True
False
False
False
any(iterable)：参数是可迭代对象，如果可迭代对象是空返回False，否则返回True。
print(any([1,2,"",False]))
print(any([]))
# 打印内容如下:
True
False
bin(x)：参数是数字，将数字转换成二进制。
print(bin(4))
# 打印内容如下:
0b100
chr(i)：参数i是一个数字，范围是0 - 1,114,111转换成Unicode码
print(chr(97))
# 打印内容如下:
a
oct(x)：x是一个数字,返回这个数字的八进制。
hex(x)：x是一个数字,返回这个数字的十六进制。
ord(c)：返回一个字符的Unicode对应的数字。
delattr(object, name)：参数object是一个对象，name是对象的属性，功能删除对象的属性。
class A:
def __init__(self,name):
self.name = name
obj = A("小明")
print(obj.__dict__) # 打印对象所有属性
delattr(obj, 'name') # 删除对象属性
print(obj.__dict__) # 打印对象所有属性
# 打印内容如下:
{'name': '小明'}
{}
divmod(a,b)：参数a是一个数字，参数b是一个数字，计算a除b返回(商和余数)。
print(divmod(11,3))
#打印内容如下:
(3, 2)
eval(expression, globals=None, locals=None)：实际项目中最好不要用，因为它可以将表达式的参数解析成Python语句执行，这样用户就可以通过eveal()来对我们的程序进行一些不可预知的操作。
expression：表达式
globals -- 变量作用域，全局命名空间，如果被提供，则必须是一个字典对象。
locals -- 变量作用域，局部命名空间，如果被提供，可以是任何映射对象。
下面假设我们代码中引入了os模块，通过eval演示我们不想看到的结果.如下：
import os
eval("os.system('cmd.exe')")
执行完成后我们会看到如下界面，虽然中文是乱码，但我们也能看出这是执行了我们传入的cmd命令，程序已经为我们打开cmd窗口并等待输入，要知道这绝对不是我们想要的。
在例如我们有个函数fun（），用户无意间恰巧输入了fun（），我们会看到如下效果：
# 假设这是我们源码中的函数
def fun():
print("我是fun")
# 用户无意间输入了"fun()"并传给了eval
eval("fun()")
# 打印结果如下
我是fun
我们可以发现函数fun（）被执行了，我相信每个程序员都不希望用户可以这样随意的操纵我们的程序。
虽然eval有很多弊端，但它有时也有点用。我们知道任何数据类型都不可以强转成字典的。但是eval可以做到，哈哈。
dict_1 = {"a":1,"b":2}
str_1 = str(eval("dict_1")) # 将字典转换成字符串
dict_2 = dict(eval(str_1)) # 将字符串转换成字典
print(str_1,type(str_1))
print(dict_2,type(dict_2))
# 打印内容如下:
{'a': 1, 'b': 2} <class 'str'>
{'a': 1, 'b': 2} <class 'dict'>
如果一个程序只是为了给自己测试用，那么可以考虑使用eval因为有的时候它还是很有用的。但如果是实际上线产品是禁止使用eval的，因为有的时候它虽然很有用，但是它的弊端是大于它的利端的。
exec(object,globals,locals)：这个也是个神奇的家伙，与eval类似可以动态执行Python代码，实际开发中也是禁止使用的。
如下：我就不多说了因为它和eval差不多。总能给我们意想不到的惊喜。
import os
exec("os.popen('calc')") # 打开系统自带的计算器
下面还可以执行for循环。
exec("for i in range(5):print(i,end=\" \")")
# 打印内容
0 1 2 3 4
要知道exec在我们实际开发中是禁止使用的。切记，切记，切记
help(object)：返回对象的帮助页面。
help(print)
# 打印内容如下:
print(...)
print(value, ..., sep=' ', end='\n', file=sys.stdout, flush=False)
Prints the values to a stream, or to sys.stdout by default.
Optional keyword arguments:
file: a file-like object (stream); defaults to the current sys.stdout.
sep: string inserted between values, default a space.
end: string appended after the last value, default a newline.
flush: whether to forcibly flush the stream.
print(self, *args, sep=' ', end='\n', file=None)
print(self, *args, sep=' ', end='\n', file=None)：
*args：用户传入的参数。
sep：当用户输入多个用逗号","分隔的参数时，默认sep是空格分开每个值,可以指定sep="_"等其它符号来对值进行分隔。例如：
print("Hello","World","!!!",sep="_|_")
# 打印内容如下:
Hello_|_World_|_!!!
end：用于指定每个print结尾，默认是换行符，也就是每个print占一行可以指定参数让print不进行换行，如下：
print("Hello","World","!!!",sep="_|_",end="****")
print("无语呀")
# 打印内容如下:
Hello_|_World_|_!!!****无语呀
最终实现了两个print在一行上。
hash(对象)：获取对象的hash值。
id(对象)：获取对象内存地址。
round(*args, **kwargs)： *args：是一个小数 **kwargs：用于控制小数的位数，如果不填写默认只显示整数。
print(round(1.2345))
print(round(1.2345,2))
# 打印结果如下
1
1.23
pow(a,b) ：求a的b次幂，如果有个三次参数，则求完次幂后对第三方个数取余。
sum() ：求和。
max() ：求最大值。
enumerate() ：获取枚举对象，并列出下标。
list_ = [1,2,3]
for i,k in enumerate(list_):
print(i,k,end=" ")
print("\n")
for i in enumerate(list_):
print(i,end=" ")
# 打印结果如下
0 1 1 2 2 3
(0, 1) (1, 2) (2, 3)
dir(object) ：如果没有参数，则返回当前局部作用域中的名称列表。使用参数，尝试返回该对象的有效属性列表。
list_ = [1,2,3]
print(dir(list_))
print(dir(input))
# 打印内容如下:
['__add__', '__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__iadd__', '__imul__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__rmul__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'clear', 'copy', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']
['__call__', '__class__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__le__', '__lt__', '__module__', '__name__', '__ne__', '__new__', '__qualname__', '__reduce__', '__reduce_ex__', '__repr__', '__self__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__text_signature__']
callable() ：用于检查一个对象是否是可调用的，如果返回True，object有可能调用失败，要是返回False调用失败。
def num_sum(a,b):
return a+b
print(num_sum(1,2))
print(callable(num_sum))
# 打印内容如下:
3
True
zip()： 函数用于将可迭代的对象作为参数，将多个对象中对应的元素打包成一个元祖，然后返回由这些元祖组成的内容，如果各个迭代器的元素个数不一致，则按照长度最短的返回。
list_ = [1,2,3]
list_1 = ["a","b","c"]
list_2 = ["1","2","3"]
print(list(zip(list_,list_1,list_2)))
# 打印内容如下:
[(1, 'a', '1'), (2, 'b', '2'), (3, 'c', '3')]
lambda匿名函数：
变量名 = lambda 参数:返回值
1、函数的参数可以有多个，多个参数之间用逗号隔开。
2、匿名函数不管多复杂，只能写一行，且逻辑结束后直接返回数据。
3、返回值和正常的函数一样，可以是任意数据类型，但是只能一个，不能返回多个。
匿名函数并不是说一定没有名字，这里前面的变量就是一个函数名，说他是匿名原因是我们通过name查看的时候是没有名字的，统一都叫做lambda，在调用的时候没有什么特别之处像正常的函数调用既可。
关于lambda的简单示例：
# 示例1合并列表
x=(1,3,5)
y=(0,2,4)
list_1 = list(map(lambda x,y:(x,y),y,x))
print(list_1)
# 打印内ring如下：
[(0, 1), (2, 3), (4, 5)]
# 示例2 对列表进行排序
list_1 = [(1,2),(3,5),(8,4),(6,1)]
print(sorted(list_1,key=lambda x:x[1]))
print(list_1)
# 打印内容如下
[(6, 1), (1, 2), (8, 4), (3, 5)]
[(1, 2), (3, 5), (8, 4), (6, 1)]
sorted排序函数
语法：sorted(iterable,key=None,reverse=False)
iterable：可迭代对象。
key：排序规则(函数)，在sorted内部会将可迭代对象中的每一个元素传递给这个函数作为参数，根据函数运算的结果进行排序。
reverse：是否是倒序，True 倒叙 False 正序。
# 示例1
array = [{"age":20,"name":"a"},{"age":25,"name":"b"},{"age":10,"name":"c"}]
print(sorted(array,key=lambda k:k["age"])) # 默认是升序排序
# 打印内容如下:
[{'age': 10, 'name': 'c'}, {'age': 20, 'name': 'a'}, {'age': 25, 'name': 'b'}]
# 示例2
array = [{"age":20,"name":"a"},{"age":25,"name":"b"},{"age":10,"name":"c"}]
print(sorted(array,key=lambda k:k["age"]*-1)) # 在值后面*-1和reverse=True类似倒叙排列
# 打印内容如下:
[{'age': 25, 'name': 'b'}, {'age': 20, 'name': 'a'}, {'age': 10, 'name': 'c'}]
# 示例3
list_1 = [(1,2),(3,5),(8,4),(6,1)]
print(sorted(list_1,key=lambda x:x[1],reverse=True))
print(list_1)
# 打印内容如下
[(3, 5), (8, 4), (1, 2), (6, 1)]
[(1, 2), (3, 5), (8, 4), (6, 1)]
筛选过滤
语法：filter(function,iterable)
function：用来筛选的函数，在filter中会自动的把iterable中的元素传递给function，然后根据function返回的True或者False来判断是否保留此项数据。
iterable：可迭代对象。
array = [{"age":20,"name":"a"},{"age":25,"name":"b"},{"age":10,"name":"c"}]
# 过滤掉年龄小于10的
print(list(filter(lambda k:k["age"]>10,array)))
# 打印内容如下:
[{'age': 20, 'name': 'a'}, {'age': 25, 'name': 'b'}]
映射函数
语法：map(function,iterable) 可以对可迭代对象中的每一个元素进映射，分别取执行function。
计算列表中每个元素的平方，返回新列表。
list_1 = [1,2,3,4,5]
print(list(map(lambda x:x**2,list_1)))
# 打印内容如下
[1, 4, 9, 16, 25]
简单示例
# 示例1
lst = [10,2,30,4,5,6,70,8,9]
print(list(map(lambda x:x>10,lst))) # 如果是条件表达式则返回的是
# True或者是Fales
# 打印内容如下:
[False, False, True, False, False, False, True, False, False]
# 示例2
lst1 = list(range(0,6,2))
lst2 = list(range(1,6,2))
print(list(map(lambda x,y:(x,y),lst1,lst2)))
# 打印内容如下:
[(0, 1), (2, 3), (4, 5)]
reduce(function, iterable[, initializer) 函数会对参数序列中元素进行累积。
函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给 reduce 中的函数 function（有两个参数）
先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果。
function：函数，有两个参数
iterable ：可迭代对象
initializer ： 可选，初始参数
在Python2.x版本中recude是直接 import就可以的, Python3.x版本中需要从functools这个包中导入。
龟叔本打算将 lambda 和 reduce 都从全局名字空间都移除, 舆论说龟叔不喜欢lambda 和 reduce
最后lambda没删除是因为和一个人写信写了好多封，进行交流然后把lambda保住了。
# 示例1
from functools import reduce
list_1 = [1,2,3,4,5]
print(reduce(lambda x,y:x+y,list_1))
# 打印内容如下
15
# 示例2
str_1 = "abcabbcacda"
word_count =reduce(lambda a,x:a+x.count("a"),str_1,0)
print(word_count)
# 打印内容如下
4
