本文主要是介绍【七月Python入门】 第五课面文件访问与函数式编程入门，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1.文本文件读写三种方法：
（1）直接读入
file1 = open("test.txt")
file2 = open("output.txt","w") while True: line = file1.readline() #这里可以进行逻辑处理 file2.write('"'+line[:s]+'"'+",") if not line: break
#记住文件处理完，关闭是个好习惯
file1.close()
file2.close()
（2）文件迭代器，用for循环的方法
file2 = open("output.txt","w")
for line in open("test.txt"): #这里可以进行逻辑处理 file2.write('"'+line[:s]+'"'+",")
（3）文件上下文管理器 (好处在于不需要自己关闭文件)
#打开文件
#用with..open自带关闭文本的功能
with open('somefile.txt', 'r') as f: data = f.read() # loop整个文档
with open('somefile.txt', 'r') as f: for line in f: # 处理每一行# 写入文本
with open('somefile.txt', 'w') as f: f.write(text1) f.write(text2) ... # 把要打印的line写入文件中
with open('somefile.txt', 'w') as f: print(line1, file=f) print(line2, file=f)2.二进制文件读写：python默认的是文本文件的读写，如果要二进制文件读写，需要加上‘b’。例如： 需要把刚刚的'r'改成'rb'。
f = open('EDC.jpg', 'rb')
print(f.read())
# 输出 '\xff\xd8\xff\xe1\x00\x18Exif\x00\x00...' # 十六进制表示的字节
f = open('DegangGuo.txt', 'rb')
# 读入郭德纲老师的作文, 但是郭老师用的是参合着错别字的繁体编码，假设叫个"DeyunCode"
# 那么你读入以后，就需要解码它
u = f.read().decode('DeyunCode')3. 通过os.path.split()函数，这样可以把一个路径拆分为两部分，后一部分总是最后级别的目录或文件名：
os.path.split('/Users/EDC/Pictures/AJiao.avi')
# ('/Users/EDC/Pictures/', 'AJiao.avi')os.path.splitext()得到文件扩展名：
os.path.splitext('/Users/EDC/Pictures/AJiao.avi')
# ('/Users/EDC/Pictures/AJiao', '.avi')4.什么是序列化？
程序运行的过程中，所有变量都是在内存中操作的，当程序一旦执行完毕，结束退出后，变量占有的内存就被操作系统回收了。 因此我们需要将某些数据持久化存储到磁盘中，下次运行的时候从磁盘中读取相关数据。我们将变量从内存中变成可以存储或传输的过程称之为序列化，在Python中叫做pickling，在其它语言中也称之为 serialization、marshaling、flattening等等，说的都是一个意思。 反之，则为反序列化，称之为unpickling，把变量内容从序列化的对象重新读取到内存中。
序列化：
import pickle# 此处定义一个dict字典对象
d = dict(name='思聪', age=29, score=80)
str = pickle.dumps(d) # 调用pickle的dumps函数进行序列化处理
print(str)
# 你可以看看它长什么样子# 定义和创建一个file文件对象，设定模式为wb
f = open('dump.txt', 'wb')
# 将内容序列化写入到file文件中
pickle.dump(d, f)
f.close() # 最后关闭掉文件资源反序列化：
import pickle# 从之前序列化的dump.txt文件里边读取内容
f = open('dump.txt', 'rb') # 设定文件选项模式为rb
d = pickle.load(f) # 调用load做反序列处理过程
f.close() # 关闭文件资源
print(d)
print('name is %s' % d['name'])5. 我们可以用JSON来做序列化。Python的数据结构跟Json有非常完美的兼容：
| JSON类型 | Python类型 |
|---|---|
| {} | dict |
| [] | list |
| "string" | 'str'或者u'unicode' |
| 1234.56 | int或float |
| true/false | True/False |
| null | None |
如果你有一个比较结构化的数据想要序列化，并且想要别的地方别的语言也能看得懂。那么你可以用JSON来做：
import json# 定义dict字典对象
d1 = dict(name='小王', age=20, score=80)
str = json.dumps(d1) # 调用json的dumps函数进行json序列化处理
print(str)# 调用json的loads函数进行反序列化处理
d2 = json.loads(str)6.可以把别的函数作为参数传入的函数叫高阶函数。
7.python 使用 lambda 来创建匿名函数。lambda只是一个表达式，函数体比def简单很多。lambda的主体是一个表达式，而不是一个代码块。仅仅能在lambda表达式中封装有限的逻辑进去。lambda函数拥有自己的命名空间，且不能访问自有参数列表之外或全局命名空间里的参数。虽然lambda函数看起来只能写一行，却不等同于C或C++的内联函数，后者的目的是调用小函数时不占用栈内存从而增加运行效率。Lambda函数的语法只包含一个语句，如下：
lambda [arg1 [,arg2,.....argn]]:expression
sum = lambda arg1, arg2: arg1 + arg2sum(10, 20)
from functools import reducel = [1,2,3,4,5]
print(reduce(lambda x,y: x+y, l))
# 这里代表着，把list中的值，一个个放进lamda的x,y中# 如果你给出一个初始值，可以放在list后面
print(reduce(lambda x,y: x+y, l, 10))
# 这样，x开始的时候被赋值为10，然后依次9. map函数应用于每一个可迭代的项，返回的是一个结果list。如果有其他的可迭代参数传进来，map函数则会把每一个参数都以相应的处理函数进行迭代处理。map()函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回。 格式：map(func, seq1[, seq2...] )
l = [1,2,3]
new_list = list(map(lambda i: i+1, l))
print(new_list)
# Py3里，外面需要套个list：
# 这是为了让里面的值给显示出来，要不然你会得到这是个map函数
# 而不是里面的值。
# Py2的童鞋不虚# 我们也可以把两个数组搞成一个单独的数组
l2 = [4,5,6]
new_list = list(map(lambda x,y: x+y, l, l2))
print(new_list)10. filter()函数可以对序列做过滤处理，就是说可以使用一个自定的函数过滤一个序列，把序列的每一项传到自定义的过滤函数里处理，并返回结果做过滤。最终一次性返回过滤后的结果。 和map()类似，filter()也接收一个函数和一个序列。和map()不同的时，filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。
l = [100, 20, 24, 50, 110]
new = list(filter(lambda x: x<50, l))
# 同理，py3得套个list来转化成list函数，便于打印出来
print(new)
import functoolsint2 = functools.partial(int, base=2)
int2('1000000')这篇关于【七月Python入门】 第五课面文件访问与函数式编程入门的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
