函数补充知识

 一，函数的命名空间

在python中有三种命名空间：内置命名空间，全局命名空间，局部命名空间。

内置命名空间 —— python解释器

•  就是python解释器一启动就可以使用的名字存储在内置命名空间中
• 内置的名字在启动解释器的时候被加载进内存里

全局命名空间 —— 我们写的代码但不是函数中的代码

• 是在程序从上到下被执行的过程中依次加载进内存的
• 放置了我们设置的所有变量名和函数名

局部命名空间 —— 函数

• 就是函数内部定义的名字
• 当调用函数的时候 才会产生这个名称空间 随着函数执行的结束 这个命名空间就又消失了

命名空间注意：

• 在正常情况下，直接使用内置的名字
• 当我们在全局定义了和内置名字空间中同名的名字时，会使用全局的名字
• 当我自己有的时候 我就不找我的上级要了
• 如果自己没有 就找上一级要 上一级没有再找上一级 如果内置的名字空间都没有 就报错
• 多个函数应该拥有多个独立的局部名字空间，不互相共享

需要注意的是这里提到的上一级可以参考下面的关系表

假如定义了一个函数function()其中，function表示函数的内存地址，function()表示调用函数，函数的内存地址()表示函数的调用。

二，作用域

作用域分为两种：全局作用域跟局部作用域。

全局作用域：作用在全局，内置和全局名字空间中的名字都属于全局作用域         ——globals()

局部作用域： 作用在局部，函数（局部名字空间中的名字属于局部作用域）        ——locals()

对于不可变数据类型 在局部可是查看全局作用域中的变量，但是不能直接修改，如果想要修改，需要在程序的一开始添加global声明。
如果在一个局部（函数）内声明了一个global变量，那么这个变量在局部的所有操作将对全局的变量有效。但是不建议这样使用。

 三，闭包

首先介绍一下闭包的概念：在一些语言中，在函数中可以（嵌套）定义另一个函数时，如果内部的函数引用了外部的函数的变量，则可能产生闭包。闭包可以用来在一个函数与一组“私有”变量之间创建关联关系。在给定函数被多次调用的过程中，这些私有变量能够保持其持久性。

在python中想要形成闭包必须具备这三个条件：

1.必须有一个内嵌函数(函数里定义的函数）——这对应函数之间的嵌套
2.内嵌函数必须引用一个定义在闭合范围内(外部函数里)的变量——内部函数引用外部变量
3.外部函数必须返回内嵌函数——必须返回那个内部函数

def func():
    x=5
    def pow():
        nonlocal x
        x=x*x
        return x
    return pow
a=func()
print(a())
print(a())

“闭包”的作用——保存函数的状态信息，使函数的局部变量信息依然可以保存下来。这里用到了nonlocal关键字，该关键字的作用和local的作用类似，就是让“内部函数”可以修改“外部函数（装饰器）”的局部变量值。

四，装饰器

在前面我们讲到的装饰器，没有传参数。但是有一种情况，就是有的函数需要加，有的不需要，或者有的函数有时候需要加，有时候又不要了呢。我们想到就是能不能通过给装饰器传一个参数，通过参数来判断需不需要执行。

def times_out(judge):
    def times(f):
        def internal(*args,**kwargs):
            if judge:
                stime=time.time()
                res=f(*args,**kwargs)
                etime=time.time()
                print('cost time is %s' %(etime-stime))
                return res
            else:
                res=f(*args,**kwargs)
                return res
        return internal
    return times
import time
judge=True #执行装饰器就为True，不执行改为false
@times_out(judge)
def test():
    time.sleep(1)
    print('this is test')
    return 'nb'
print(test())

我们可以发现想要传参数就是在外面加一层函数达到传参的效果。但是问题又来了，如果同一个函数需要用到多个装饰器，那执行的顺序或者流程又是什么呢。我想了想，只有拖着疲惫的身体跟大家分享一下我对这个的分析吧。当然为了让大家更好的明白执行顺序，我们的装饰器功能就比较简单了。

def f1(f):
    def inner1(*args,**kwargs):
        print('this is f1 befor')
        res=f(*args,**kwargs)
        print('this is f1 after')
        return res
    return inner1
def f2(f):
    def inner2(*args,**kwargs):
        print('this is f2 befor')
        res=f(*args,**kwargs)
        print('this is f2 after')
        return res
    return inner2
@f2  #f=f2(f)=f2(inner1)=inner2
@f1  #f=f1(f)=inner1
def say():
    print('this is main')
say() #say()=f()=inner(2)

上述代码执行结果

this is f2 befor
this is f1 befor
this is main
this is f1 after
this is f2 after

下面的上面代码的流程图，方便大家理解，还有就是当有多装饰器时，先执行离函数近的那个装饰器。

当然装饰器还有可能不止两个，但是你只要明白两个装饰器的原理，再多的装饰器的流程你都能搞清楚具体执行流程了。

五，生成器高级版

以前我在学生成器的时候学得比较简单，没想到现在回过头在看生成器相关的知识时，发现，卧槽，还能这么玩啊，当时我都懵了，现在跟大家分享一下下面几种生成器的例子。可能理解起来比较困难，估计有点抽象，但是还是很重要的。下面两道题，你先算一下答案是好多，然后自己运行一下，看看最终结果跟你想的差距。

def test():
    for i in range(4):
        yield i
g=test()
g1=(i for i in g)
g2=(i for i in g1)
print(list(g1))
print(list(g2))

下面是我画的流程分析，有一点抽象。需要提醒的是，生成器在前面并没有执行哦，只有在print(list(g1))的时候才开始从里面取值。

如果你实在难以理解，可以想象成在list(g1)的时候已经把g中的数据取完了，然后g，g1里面都没有值了，所以当g2来取值时，什么都没有了。

下面还有一个更加复杂的，理解起来更加困难，我觉得还是最好自己加断点调试一下。

def add(n,i):
    return n+i
def test():
    for i in range(4):
        yield i
g=test()
for n in [1,10]:
    g=(add(n,i) for i in g)
print(list(g))

这道题的流程分析，理解起来，emmm，很困难。下面的流程图是我个人理解，加上调试得出的。希望能帮助到你吧。

这道题理解确实有点麻烦，做这种题，需要把他先分解，然后一步一步分析。希望我这个很丑的流程图，能够让你理解起来容易一点吧。