欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python callable內(nèi)置函數(shù)原理解析

 更新時(shí)間:2020年03月05日 11:34:04   作者:猿說(shuō)python  
這篇文章主要介紹了Python callable內(nèi)置函數(shù)原理解析,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

python內(nèi)置函數(shù) callable用于檢查一個(gè)對(duì)象是否是可調(diào)用的,如果函數(shù)返回True,object 仍然可能調(diào)用失?。坏绻祷?False,調(diào)用對(duì)象 object 絕對(duì)不會(huì)成功。

一.callable函數(shù)簡(jiǎn)介

語(yǔ)法如下:

callable(object)

參數(shù)介紹:

object : 調(diào)用的對(duì)象;

返回值:返回bool值,如果object對(duì)象可以被調(diào)用返回true,不能被調(diào)用返回false;

值得注意的是:即便函數(shù)返回true,object也有可能調(diào)用失敗,返回false意味著覺(jué)得不會(huì)成功!

對(duì)于函數(shù), 方法, lambda 函式, 類(lèi), 以及實(shí)現(xiàn)了 __call__ 方法的類(lèi)實(shí)例, 它都返回 True。

二.callable函數(shù)使用

# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:何以解憂
@Blog(個(gè)人博客地址): shuopython.com
@WeChat Official Account(微信公眾號(hào)):猿說(shuō)python
@Github:www.github.com
 
@File:python_len.py
@Time:2020/2/24 21:25
 
@Motto:不積跬步無(wú)以至千里,不積小流無(wú)以成江海,程序人生的精彩需要堅(jiān)持不懈地積累!
"""
def test(func):
  # 判斷func如果是函數(shù),就執(zhí)行他,如果不是函數(shù),直接返回
  # 判斷func是否可調(diào)用,如果可以調(diào)用,就是true
  if callable(func):
    print("函數(shù)可以被調(diào)用")
    return func
  else:
    print("函數(shù)不可以被調(diào)用")
def test2():
  return 'shuopython.com'
if __name__ == "__main__":
 
  print(test(test2())) #等價(jià) test(str)   字符串不是對(duì)象
  print("***"*20)
  print(test(test2))  #等價(jià) test(func)  函數(shù)是對(duì)象
  print("***"*20)
  print(test(123))   #等價(jià) test(int)   整形不是對(duì)象

輸出結(jié)果:

函數(shù)不可以被調(diào)用
None
************************************************************
函數(shù)可以被調(diào)用
<function test2 at 0x00000252F39D57B8>
************************************************************
函數(shù)不可以被調(diào)用
None

以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • Python編程實(shí)現(xiàn)的簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)算法示例

    Python編程實(shí)現(xiàn)的簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)算法示例

    這篇文章主要介紹了Python編程實(shí)現(xiàn)的簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)算法,結(jié)合實(shí)例形式分析了神經(jīng)網(wǎng)絡(luò)算法的原理及Python相關(guān)算法實(shí)現(xiàn)技巧,需要的朋友可以參考下
    2018-01-01
  • python使用建議與技巧分享(一)

    python使用建議與技巧分享(一)

    這篇文章主要介紹了python使用建議與技巧分享,幫助大家更高效的使用python,感興趣的朋友可以了解下
    2020-08-08
  • Python使用PIL進(jìn)行JPEG圖像壓縮的簡(jiǎn)易教程

    Python使用PIL進(jìn)行JPEG圖像壓縮的簡(jiǎn)易教程

    本文介紹了如何使用Python編程語(yǔ)言和wxPython圖形用戶界面庫(kù)進(jìn)行JPEG圖像的壓縮,通過(guò)添加滑塊控件,我們可以調(diào)整壓縮質(zhì)量,并將壓縮后的照片另存為原來(lái)的名稱加上后綴"壓縮+質(zhì)量數(shù)字"的新文件,需要的朋友可以參考下
    2023-09-09
  • Python代碼實(shí)現(xiàn)列表分組計(jì)數(shù)

    Python代碼實(shí)現(xiàn)列表分組計(jì)數(shù)

    這篇文章主要介紹了Python代碼實(shí)現(xiàn)列表分組計(jì)數(shù),利用Python代碼實(shí)現(xiàn)了使用分組函數(shù)對(duì)列表進(jìn)行分組,并計(jì)算每組的元素個(gè)數(shù)的功能,需要的朋友可以參考一下
    2021-11-11
  • Python查詢?nèi)笔е档?種方法總結(jié)

    Python查詢?nèi)笔е档?種方法總結(jié)

    缺失值可能是數(shù)據(jù)科學(xué)中最不受歡迎的值,然而,它們總是在身邊。忽略缺失值也是不合理的,因此我們需要找到有效且適當(dāng)?shù)靥幚硭鼈兊姆椒?。本文總結(jié)了四個(gè)Python查詢?nèi)笔е档姆椒?,需要的可以參考一?/div> 2022-05-05
  • python requests response值判斷方式

    python requests response值判斷方式

    這篇文章主要介紹了python requests response值判斷方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2020-04-04
  • Python之Matplotlib文字與注釋的使用方法

    Python之Matplotlib文字與注釋的使用方法

    這篇文章主要介紹了Python之Matplotlib文字與注釋的使用方法,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2020-06-06
  • Python?函數(shù)參數(shù)11個(gè)案例分享

    Python?函數(shù)參數(shù)11個(gè)案例分享

    大家好,今天給大家分享一下明哥整理的一篇?Python?參數(shù)的內(nèi)容,內(nèi)容非常的干,全文通過(guò)案例的形式來(lái)理解知識(shí)點(diǎn),自認(rèn)為比網(wǎng)上?80%?的文章講的都要明白,如果你是入門(mén)不久的?python?新手,相信本篇文章應(yīng)該對(duì)你會(huì)有不小的幫助,需要的朋友可以參考下
    2023-02-02
  • python目標(biāo)檢測(cè)非極大抑制NMS與Soft-NMS

    python目標(biāo)檢測(cè)非極大抑制NMS與Soft-NMS

    這篇文章主要weidajia?介紹了python目標(biāo)檢測(cè)非極大抑制NMS與Soft-NMS實(shí)現(xiàn)過(guò)程,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
    2022-05-05
  • Django中的事務(wù)ATOMIC_REQUESTS

    Django中的事務(wù)ATOMIC_REQUESTS

    這篇文章主要介紹了Django中的事務(wù)ATOMIC_REQUESTS使用,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2023-08-08

最新評(píng)論