python之高阶函数
1 python异常处理
1、Python中常见异常
Exception: 所有异常类型 AttributeError: 特性引用或赋值失败时引发 IOError: 试图打开不存在的文件时引发 IndexError: 在使用序列中不存在的索引时引发 KeyError: 在使用映射时不存在的键时引发 NameError: 在找不到变量名字时引发 SyntaxError: 代码有语法错误时引发 TypeError: 函数应用于错误类型的对象时引发 ValueError: 函数应用于正确类型的对象，但该对象使用不合适的值时引发 ZeroDivisionError: 在除操作时第二个参数为0时引发
2、几种常见捕获异常的方法
1. 捕获单个异常
names = ['alex','jack']
try:
names[2]
except IndexError as e:
print("列表操作错误",e)
# 运行结果： 列表操作错误 list index out of range
2. 多个except子句，捕获多个异常
try:
x = input("Enter the first number:")
y = input("Enter the second number:")
print(x/y)
except ZeroDivisionError:
print("The second number can't zero")
except NameError:
print('That was not a number....')
3. 一个except捕获多个异常
说明：如果需要用一个块扑捉多个异常类型，那么可以将他们作为元组列出
try:
x = input("Enter the first number:")
y = input("Enter the second number:")
print(x/y)
except (ZeroDivisionError, TypeError, NameError):
print("your numbers were bogus...")
4. 捕捉对象: except (NameError) as e
try:
x = input("Enter the first number:")
y = input("Enter the second number:")
print(x/y)
except (ZeroDivisionError, TypeError, NameError) as e:
print(e)
5. 真正的全捕捉: except
try:
x = input("Enter the first number:")
y = input("Enter the second number:")
print(x/y)
except:
print('something wrong happened')
6. 异常使用结构
try:
# 主代码块
pass
except KeyError as e:
# 异常时，执行该块
pass
else:
# 主代码块正常执行完，执行该块
pass
finally:
# 无论异常与否，最终执行该块
pass
7. 主动触发异常
try:
raise Exception('错误了')
except Exception as e:
print(e)
# 运行结果： 错误了
8. 自定义异常
class WupeiqiException(Exception):
def __init__(self, msg):
self.message = msg
def __str__(self):
return self.message #最终打印的结果就是这里return返回的值
try:
raise WupeiqiException('我的异常') #这里的字符串就会传入到class类的msg中
except WupeiqiException as e:
print(e)
# 运行结果： 我的异常
9. 断言
作用：Python的assert是用来检查一个条件，如果它为真，就不做任何事。如果它为假，则会抛出AssertError并且包含错误信息
n = 1
assert type(n) is int
print('aaaa')
# 1. Assert后的断言结果成立时才会执行：print('aaaa')
# 2. Assert后的断言结果不成立时会引发AssertError并退出程序
2 三元运算，filter和map与lambda表达式结合
1、三元运算
1. 三元运算格式： result=值1 if x<y else 值2 if条件成立result=1,否则result=2
2. 作用：三元运算，又称三目运算，主要作用是减少代码量，是对简单的条件语句的缩写
res = True if 1 == 1 else False print(res) # 运行结果： True
f = lambda x:x if x % 2 != 0 else x + 100 print(f(10)) # 110
2、lambda基本使用
1. lambda只是一个表达式，函数体比def简单很多。
2. 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。
3. lambda表达式是起到一个函数速写的作用。允许在代码内嵌入一个函数的定义。
4. 格式：lambda的一般形式是关键字lambda后面跟一个或多个参数，紧跟一个冒号，之后是一个表达式。
f = lambda x,y,z:x+y+z print(f(1,2,3)) # 6 my_lambda = lambda arg : arg + 1 print(my_lambda(10)) # 11
3、filter与lambda表达式结合使用
1. 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。
2. filter()函数有两个参数：
第一个，自定函数名，必须的
第二个，需要过滤的列，也是必须的
l1= [11,22,33,44,55] a = filter(lambda x: x<33, l1) print(list(a))
4、map与lambda表达式结合使用
1. map使用：第一个参数接收一个函数名，第二个参数接收一个可迭代对象
lt = [1, 2, 3, 4, 5, 6]
def add(num):
return num + 1
rs = map(add, lt)
print(list(rs)) #运行结果： [2, 3, 4, 5, 6, 7]
2. 利用map，lambda表达式将所有偶数元素加100
l1= [11,22,33,44,55] ret = map(lambda x:x if x % 2 != 0 else x + 100,l1) print(list(ret)) # 运行结果： [11, 122, 33, 144, 55]
5、总结：filter()和map()函数区别
1. Filter函数用于对序列的过滤操作，过滤出需要的结果，一次性返回他的过滤设置于的是条件
2. Map函数是对序列根据设定条件进行操作后返回他设置的是操作方法，无论怎样都会返回结果
6、reduce函数
1. reduce()函数即为化简函数，它的执行过程为：每一次迭代，都将上一次的迭代结果与下一个元素一同传入二元func函数中去执行。
2. 在reduce()函数中，init是可选的，如果指定，则作为第一次迭代的第一个元素使用，如果没有指定，就取seq中的第一个元素。
from functools import reduce def f(x, y): return x + y print(reduce(f, [1, 3, 5, 7, 9])) # 25 # 1、先计算头两个元素：f(1, 3)，结果为4； # 2、再把结果和第3个元素计算：f(4, 5)，结果为9； # 3、再把结果和第4个元素计算：f(9, 7)，结果为16； # 4、再把结果和第5个元素计算：f(16, 9)，结果为25； # 5、由于没有更多的元素了，计算结束，返回结果25。 print( reduce(lambda x, y: x + y, [1, 3, 5, 7, 9]) ) # 25
7、sorted函数
1）sorted和sort区别
1. sort 是应用在 list 上的方法，sorted 可以对所有可迭代的对象进行排序操作。
2. sort 是对已经存在的列表进行操作，无返回值，而 sorted 方法返回的是一个新的 list，而不是在原来的基础上进行的操作。
2）sorted使用
sorted 语法：sorted(iterable, cmp=None, key=None, reverse=False)
iterable -- 可迭代对象。
cmp -- 比较的函数
key -- 主要是用来进行比较的元素，只有一个参数，具体的函数的参数就是取自于可迭代对象中，指定可迭代对象中的一个元素来进行排序。
reverse -- 排序规则，reverse = True 降序 ， reverse = False 升序（默认）。
students = [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
print( sorted(students, key=lambda s: s[2], reverse=False) ) # 按年龄排序
# 结果：[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
