python 定義函數(shù)

params

創(chuàng)新互聯(lián)專注為客戶提供全方位的互聯(lián)網(wǎng)綜合服務，包含不限于成都做網(wǎng)站、網(wǎng)站制作、永嘉網(wǎng)絡推廣、小程序開發(fā)、永嘉網(wǎng)絡營銷、永嘉企業(yè)策劃、永嘉品牌公關、搜索引擎seo、人物專訪、企業(yè)宣傳片、企業(yè)代運營等，從售前售中售后，我們都將竭誠為您服務，您的肯定，是我們最大的嘉獎；創(chuàng)新互聯(lián)為所有大學生創(chuàng)業(yè)者提供永嘉建站搭建服務，24小時服務熱線：18982081108，官方網(wǎng)址：www.cdcxhl.com

就是(5, 5)

(5,) * 2 ,就是2個5的元組,乘號可以理解成相加。"*" * 30就是30個“*"的字符串

*params作為參數(shù)，前面的*號就是把params元組分解成元素的意思，這樣就分開成為2個參數(shù)了。實際上傳遞給了x，y

于是就執(zhí)行了power（5，5）

Python如何調(diào)用特殊函數(shù)

__call__

在Python中，函數(shù)其實是一個對象：

f = abs

f.__name__

'abs'

f(-123)

由于 f 可以被調(diào)用，所以，f 被稱為可調(diào)用對象。

所有的函數(shù)都是可調(diào)用對象。

一個類實例也可以變成一個可調(diào)用對象，只需要實現(xiàn)一個特殊方法__call__()。

我們把 Person 類變成一個可調(diào)用對象：

class Person(object):

def __init__(self, name, gender):

self.name = name

self.gender = gender

def __call__(self, friend):

print 'My name is %s...' % self.name

print 'My friend is %s...' % friend

現(xiàn)在可以對 Person 實例直接調(diào)用：

p = Person('Bob', 'male')

p('Tim')

My name is Bob...

My friend is Tim...

單看 p('Tim') 你無法確定 p 是一個函數(shù)還是一個類實例，所以，在Python中，函數(shù)也是對象，對象和函數(shù)的區(qū)別并不顯著。

任務

改進一下前面定義的斐波那契數(shù)列：

class Fib(object):

???

請加一個__call__方法，讓調(diào)用更簡單：

f = Fib()

print f(10)

[0, 1, 1, 2, 3, 5, 8, 13, 21, 34]

python中mydf是什么意思

答案：python中mydf是自定義函數(shù)(或過程)或自定義變量，具體要看例子。

#例子：

①mydf="45555":print(mydf)#變量

②def mydf(x)：#函數(shù)

return x

③def mydf():#過程

x=input("x=")

print(x)

mydf是什么python

my_df是一個二維的結(jié)構(gòu)，如下圖所示：

stack函數(shù)會把列索引轉(zhuǎn)成行索引，即把列索引換成二級的行索引，即所有列壓縮到一列。請注意，這個的空值會跳過，下圖中的數(shù)據(jù)結(jié)構(gòu)只有7個元素，7行1列。

a['b','two']

a['d','two']

#上面兩個索引是可以的，下面的是會報錯KeyError

a['d','one']

unstack函數(shù)會把行索引轉(zhuǎn)成列索引，即把行索引換成二級的列索引，即所有行壓縮到一行。注：實際上，Python似乎不分行向量或列向量，如果對一個Series對象進行轉(zhuǎn)置，則還是其本身。根據(jù)shape函數(shù)的返回可知，這是一個8行1列的數(shù)據(jù)結(jié)構(gòu)。

stack函數(shù)會把二級的行索引轉(zhuǎn)成列索引，恢復其二維結(jié)構(gòu)。

我們看到，用過stack函數(shù)后可以用unstack函數(shù)來恢復其原貌。反過來如何呢？

會報錯：AttributeError: 'Series' object has no attribute 'stack'

我們發(fā)現(xiàn)，stack和unstack兩個函數(shù)的組合，如下所示，只有前兩個是可以的沒有問題的。這是因為一個二維數(shù)據(jù)經(jīng)過stack或unstack后，變成了一個Series結(jié)構(gòu)，而Series有unstack沒有stack。

my_df.stack().unstack()

my_df.unstack().unstack()

#my_df.stack().stack()

#my_df.unstack().stack()

a=my_df.stack()

print(type(a))

print(dir(a))

如下圖所示，用過了unstack后，怎么恢復原狀呢？轉(zhuǎn)置一下即可。