一、面向过程编导思想

编程思想/范式
面向过程的编程思想：
     核心是"过程"二字，过程即流程，指的是做事的步骤：先什么、再什么、后干什么
     基于该思想编写程序就好比在设计一条流水线

优点：复杂的问题流程化、进而简单化
缺点：扩展性非常差

面向过程的编程思想应用场景解析：
1、不是所有的软件都需要频繁更迭：比如编写脚本
2、即便是一个软件需要频繁更迭，也不并不代表这个软件所有的组成部分都需要一起更迭

二、匿名函数

匿名函数与lambda

​ 对比使用def关键字创建的是有名字的函数，使用lambda关键字创建则是没有名字的函数，即匿名函数，语法如下

lambda 参数1,参数2,...: expression


def用于定义有名函数
func=函数的内存地址
def func(x,y):
    return x+y

print(func)

lamdab用于定义匿名函数
print(lambda x,y:x+y)


调用匿名函数
方式一：
res=(lambda x,y:x+y)(1,2)
print(res)

方式二：
func=lambda x,y:x+y
res=func(1,2)
print(res)

匿名用于临时调用一次的场景：更多的是将匿名与其他函数配合使用

匿名函数的应用

    匿名函数与有名函数有相同的作用域，但是匿名意味着引用计数为0，使用一次就释放，所以匿名函数用于临时使用一次的场景，
匿名函数通常与其他函数配合使用，我们以下述字典为例来介绍它

salaries={
    'siry':3000,
    'tom':7000,
    'lili':10000,
    'jack':2000
}
要想取得薪水的最大值和最小值，我们可以使用内置函数max和min（为了方便开发，   
python解释器已经为我们定义好了一系列常用的功能，称之为内置的函数，我们只需要拿来使用即可）

>>> max(salaries)
'tom'
>>> min(salaries)
'jack'
内置max和min都支持迭代器协议，工作原理都是迭代字典，取得是字典的键，因而比较的是键的最大和最小值，    
而我们想要的是比较值的最大值与最小值，于是做出如下改动

函数max会迭代字典salaries，每取出一个“人名”就会当做参数传给指定的匿名函数，
然后将匿名函数的返回值当做比较依据，最终返回薪资最高的那个人的名字
>>> max(salaries,key=lambda k:salaries[k]) 
'lili'
# 原理同上
>>> min(salaries,key=lambda k:salaries[k])
'jack'
同理，我们直接对字典进行排序，默认也是按照字典的键去排序的

>>> sorted(salaries)
['jack', 'lili', 'siry', 'tom']

了解：map、reduce、filter应用

要求一：对array的每个元素做平方处理，可以使用map函数

map函数可以接收两个参数，一个是函数，另外一个是可迭代对象，具体用法如下

>>> res=map(lambda x:x**2,array)
>>> res
<map object at 0x1033f45f8>
>>>
解析：map会依次迭代array，得到的值依次传给匿名函数（也可以是有名函数），而map函数得到的结果仍然是迭代器。

>>> list(res) #使用list可以依次迭代res，取得的值作为列表元素
[1, 4, 9, 16, 25]

要求二：对array进行合并操作，比如求和运算，这就用到了reduce函数

reduce函数可以接收三个参数，一个是函数，第二个是可迭代对象，第三个是初始值

reduce在python2中是内置函数，在python3中则被集成到模块functools中，需要导入才能使用
>>> from functools import reduce 
>>> res=reduce(lambda x,y:x+y,array)
>>> res
15
解析：

1 没有初始值，reduce函数会先迭代一次array得到的值作为初始值，作为第一个值数传给x，
然后继续迭代一次array得到的值作为第二个值传给y，运算的结果为3

2 将上一次reduce运算的结果作为第一个值传给x，然后迭代一次array得到的结果作为第二个值传给y，依次类推，    
知道迭代完array的所有元素，得到最终的结果15

也可以为reduce指定初始值

>>> res=reduce(lambda x,y:x+y,array,100)
>>> res
115
要求三：对array进行过滤操作，这就用到了filter函数，比如过滤出大于3的元素

>>> res=filter(lambda x:x>3,array)
解析：filter函数会依次迭代array，得到的值依次传给匿名函数，如果匿名函数的返回值为真，则过滤出该元素，
而filter函数得到的结    果仍然是迭代器。

>>> list(res) 
[4, 5]
提示：我们介绍map、filter、reduce只是为了带大家了解函数式编程的大致思想，在实际开发中，
我们完全可以用列表生成式或者生成器表达式来实现三者的功能。

模块

1、什么是模块？
模块就是一系列功能的集合体,分为三大类
    I：内置的模块
    II：第三方的模块
    III：自定义的模块
        一个python文件本身就一个模块，文件名m.py，模块名叫m

        ps：模块有四种形式
        　　1 使用python编写的.py文件

        　　2 已被编译为共享库或DLL的C或C++扩展
        
        　　3 把一系列模块组织到一起的文件夹（注：文件夹下有一个__init__.py文件，该文件夹称之为包）
        
        　　4 使用C编写并链接到python解释器的内置模块
                    
2、为何有用模块

I:内置与第三的模块拿来就用，无需定义，这种拿来主义，可以极大地提升自己的开发效率
II:自定义的模块
    可以将程序的各部分功能提取出来放到一模块中为大家共享使用
    好处是减少了代码冗余，程序组织结构更加清晰
    

3、如何用模块

 import语句

有如下示范文件

#文件名：foo.py
x=1
def get():
    print(x)
def change():
    global x
    x=0
class Foo:
    def func(self):
       print('from the func')
要想在另外一个py文件中引用foo.py中的功能，需要使用import foo，首次导入模块会做三件事：

1、执行源文件代码

2、产生一个新的名称空间用于存放源文件执行过程中产生的名字

3、在当前执行文件所在的名称空间中得到一个名字foo，该名字指向新创建的模块名称空间，若要引用模块名称空间中的名字，
需要加上该前缀，如下

import foo #导入模块foo
a=foo.x #引用模块foo中变量x的值赋值给当前名称空间中的名字a
foo.get() #调用模块foo的get函数
foo.change() #调用模块foo中的change函数
obj=foo.Foo() #使用模块foo的类Foo来实例化，进一步可以执行obj.func()
加上foo.作为前缀就相当于指名道姓地说明要引用foo名称空间中的名字，所以肯定不会与当前执行文件所在名称空间中的名字相冲突，
并且若当前执行文件的名称空间中存在x，执行foo.get()或foo.change()操作的都是源文件中的全局变量x。


需要强调一点是，第一次导入模块已经将其加载到内存空间了，之后的重复导入会直接引用内存中已存在的模块，
不会重复执行文件，通过    import sys，打印sys.modules的值可以看到内存中已经加载的模块名。

提示：

#1、在Python中模块也属于第一类对象，可以进行赋值、以数据形式传递以及作为容器类型的元素等操作。
#2、模块名应该遵循小写形式，标准库从python2过渡到python3做出了很多这类调整，比如ConfigParser、Queue、
SocketServer全更新为纯小写形式。

用import语句导入多个模块，可以写多行import语句

import module1
import module2
...
import moduleN    
还可以在一行导入，用逗号分隔开不同的模块

import module1,module2,...,moduleN
但其实第一种形式更为规范，可读性更强，推荐使用，而且我们导入的模块中可能包含有python内置的模块、
第三方的模块、自定义的模块，为了便于明显地区分它们，我们通常在文件的开头导入模块，并且分类导入，
一类模块的导入与另外一类的    导入用空行隔开，不同类别的导入顺序如下：

#1. python内置模块
#2. 第三方模块
#3. 程序员自定义模块

​ 当然，我们也可以在函数内导入模块，对比在文件开头导入模块属于全局作用域，在函数内导入的模块则属于局部的作用域。

自定义模块的命名应该采用纯小写+下划线的风格
可以在函数内导入模块
def func():
    import foo