??这是我初学Python时写的一套Python基础示例程序.主要基于廖雪峰老师的Python3教程和<<深入理解Python>>.?感谢!
下面是这些示例程序的目录总结:
?Chapter1：容器/集合/Collection
???1.字典/哈希表/dictionary/map
???2.链表/list
???3.无序表/set/tuple
???4.格式化字符串和字符串连接
?Chapter2:Python函数和函数式编程
???1.Python参数(*args, **kw ..)
???2.(多)返回值 - tuple
???3.函数式编程??????????
??????1).高阶函数(map,reduce,filter)
??????2).匿名函数(lambda表达式)
??????3).闭包(Closure)
??????4).装饰器(decorator)
闭包(Closure)：
??在python中，函数是对象，函数名作为对此对象的引用。像其他数据结构一样，函数也可以赋值给变量，并且我们可以在函数中定义对象，将对象作为参数和将对象作为返回值。
?在这里，我们举一个例子来说明。
def make_printer(msg):
def printer():
print(msg)
return printer
printer = make_printer('Foo!')
printer() #Foo
??闭包是指 内部函数(nested function) 访问 其 外围函数(enclosing)作用域的变量，并且外围函数已经执行完毕。
??当 make_printer 被调用，一个新的栈帧入栈，printer 函数作为其常量，msg 的值作为局部变量被保存。然后创建并返回了函数 printer 。因为函数 printer 引用了msg 变量，当 make_printer 函数返回(return)之后它依旧存活(kept alive)。
??这里面有两个关键点：存在内部函数，并且内部函数访问了外围局部变量。只有同时满足这两点，才称为闭包。
装饰器(decorator):
??首先，装饰器是一种设计模式。在不改变原有代码的基础上，将其功能模块进行包装(wrapper)，构建出更加复杂的功能模块。通常，增强了的功能模块会调用被增强的(即原有的)功能逻辑。AOP(Aspect Oriented Programming) 就是使用这种编程思想。
??从技术上讲，Python的装饰器是使用闭包来实现的。并提供了简洁的语法糖支持。
??装饰器函数接收函数作为参数，并且在内部通过定义 wrapper 函数来实现增强的逻辑。通常情况下，这个函数会调用原函数，并且，这个函数的参数列表应该和被增强的函数保持一致。最终，我们将这个增强了的函数(wrapper)作为返回值。
def decorator(func):
def wrapper(*args, **kwargs):
maybe some code..
func(*args, **kwargs)
maybe some code...
return wrapper
wrapper_origin_func = decorator(origin_func)
wrapper_origin_func(*args, **kwargs)
语法糖支持：
@decorator1(args)
@decorator2
def func(): pass
#is equivalent to:
def func(): pass
func = decorator1(args)(decorator2(func))
?关于装饰器带参数的解释：
def decorator1(args):
def real-decorator(func):
def wrapper(*args, **kwargs):
some code..
func(*args, **kwargs)
some code access args
return wrapper
return real-decorator
?Chapter3:面向对象(Oritented-Object)
???1.继承和多态(extends and polymorphic)
???2.成员(mumber)
??????1).类成员
??????2).实例成员
???3.访问权限
???4.专有方法(special method)
???5.动态修改类和slots.
???6.Python中的类型(type)
???7.元类(metaclass)
Chapter4:协程 -- yield
??我们考虑自己来实现一个数字生成器(此生成器是广义的)，即 range() 函数的功能。
??首先，我们借助 list 通过定义最简单，最直接的函数来实现。
def MyRange(n):
num, list = 0, []
for num < n:
list.append(num)
num += 1
return list
?上面的代码借助了 list 对象简单粗暴的将所有可能的值都加载到内存中。这种实现方式当n很大时对内存的消耗极高甚至会发生内存溢出。为此，我们可以定义一个迭代器类，通过维护两个变量值而不是整个元素来实现延迟计算。