三元表达式、列表推导式、生成器表达式、递归、匿名函数、内置函数
一 三元表达式、列表推导式、生成器表达式
lambda表达式
lambda 和if else的三元运算一样，是为了简化函数，但是: 1、只能做简单的操作 2、自动return 看下面两个函数的对比： '''正常函数''' def func(arg): return arg + 1 result = func(100) print result '''lambda表达式''' func2 = lambda a: a + 1 result = func2(10000) #这里调用函数的时候就是lambda表达式左边的等号就是他函数的调用！ print result #执行结果： #101 #10001
一 三元表达式
name=raw_input('姓名>>: ').strip() res='yes' if name == 'fly' else 'NO' print(res)
二 列表推导式
#1、示例 apple_list=[] for i in range(10): apple_list.append('apple%s' %i) print 'one:',apple_list egg_list=['apple%s' %i for i in range(10)] #### one: ['apple0', 'apple1', 'apple2', 'apple3', 'apple4', 'apple5', 'apple6', 'apple7', 'apple8', 'apple9'] ['apple0', 'apple1', 'apple2', 'apple3', 'apple4', 'apple5', 'apple6', 'apple7', 'apple8', 'apple9'] #2、语法 [expression for item1 in iterable1 if condition1 for item2 in iterable2 if condition2 ... for itemN in iterableN if conditionN ] 类似于 res=[] for item1 in iterable1: if condition1: for item2 in iterable2: if condition2 ... for itemN in iterableN: if conditionN: res.append(expression) #3、优点：方便，改变了编程习惯，可称之为声明式编程
三 生成器表达式
#1、把列表推导式的[]换成()就是生成器表达式 #2、示例：生一筐鸡蛋变成给你一只老母鸡，用的时候就下蛋，这也是生成器的特性 >>> chicken=('鸡蛋%s' %i for i in range(5)) >>> chicken <generator object <genexpr> at 0x10143f200> >>> next(chicken) '鸡蛋0' >>> list(chicken) #因chicken可迭代，因而可以转成列表 ['鸡蛋1', '鸡蛋2', '鸡蛋3', '鸡蛋4',] #3、优点：省内存，一次只产生一个值在内存中
四 声明式编程练习题
1、将names=['aa','bbCC','ccc','bat_oss']中的名字全部变大写
2、将names=names=['aa','bbCC','ccc','bat_oss']中以oss结尾的名字过滤掉，然后保存剩下的名字长度
3、求文件a.txt中最长的行的长度（长度按字符个数算，需要使用max函数）
4、求文件a.txt中总共包含的字符个数？思考为何在第一次之后的n次sum求和得到的结果为0？（需要使用sum函数）
5、思考题
with open('a.txt') as f:
g=(len(line) for line in f)
print(sum(g)) #为何报错？
6、文件shopping.txt内容如下
求总共花了多少钱？
打印出所有商品的信息，格式为[{'name':'xxx','price':333,'count':3},...]
求单价大于10000的商品信息,格式同上
#题目一 names=['aa','bbCC','ccc','bat_oss'] names=[name.upper() for name in names] #题目二 names=['aa','bbCC','ccc','bat_oss'] names=[len(name) for name in names if not name.endswith('oss')] #题目三 with open('a.txt',encoding='utf-8') as f: print(max(len(line) for line in f)) #题目四 with open('a.txt', encoding='utf-8') as f: print(sum(len(line) for line in f)) print(sum(len(line) for line in f)) #求包换换行符在内的文件所有的字符数，为何得到的值为0? print(sum(len(line) for line in f)) #求包换换行符在内的文件所有的字符数，为何得到的值为0? #题目五（略） #题目六：每次必须重新打开文件或seek到文件开头，因为迭代完一次就结束了 with open('a.txt',encoding='utf-8') as f: info=[line.split() for line in f] cost=sum(float(unit_price)*int(count) for _,unit_price,count in info) print(cost) with open('a.txt',encoding='utf-8') as f: info=[{ 'name': line.split()[0], 'price': float(line.split()[1]), 'count': int(line.split()[2]), } for line in f] print(info) with open('a.txt',encoding='utf-8') as f: info=[{ 'name': line.split()[0], 'price': float(line.split()[1]), 'count': int(line.split()[2]), } for line in f if float(line.split()[1]) > 10000] print(info)
二 递归与二分法
1 递归调用的定义
#递归调用是函数嵌套调用的一种特殊形式，函数在调用时，直接或间接调用了自身，就是递归调用
2 递归分为两个阶段：递推，回溯
# salary(5)=salary(4)+300 # salary(4)=salary(3)+300 # salary(3)=salary(2)+300 # salary(2)=salary(1)+300 # salary(1)=100 # # salary(n)=salary(n-1)+300 n>1 # salary(1) =100 n=1 def salary(n): if n == 1: return 100 return salary(n-1)+300 print(salary(5))
3 python中的递归效率低且没有尾递归优化
#python中的递归 python中的递归效率低，需要在进入下一次递归时保留当前的状态，在其他语言中可以有解决方法：尾递归优化，即在函数的最后一步（而非最后一行)调用自己， 尾递归优化： 但是python又没有尾递归，且对递归层级做了限制 #总结递归的使用： 1. 必须有一个明确的结束条件 2. 每次进入更深一层递归时，问题规模相比上次递归都应有所减少 3. 递归效率不高，递归层次过多会导致栈溢出（在计算机中，函数调用是通过栈（stack）这种数据结构实现的， 每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出）
4 可以修改递归最大深度
import sys sys.getrecursionlimit() sys.setrecursionlimit(2000) n=1 def test(): global n print(n) n+=1 test() test() 虽然可以设置，但是因为不是尾递归，仍然要保存栈，内存大小一定，不可能无限递归
5 二分法
想从一个按照从小到大排列的数字列表中找到指定的数字，遍历的效率太低，用二分法（算法的一种，算法是解决问题的方法）可以极大低缩小问题规模
l=[1,2,10,30,33,99,101,200,301,402] #从小到大排列的数字列表 def search(num,l): print(l) if len(l) > 0: mid=len(l)//2 if num > l[mid]: #in the right l=l[mid+1:] elif num < l[mid]: #in the left l=l[:mid] else: print('find it') return search(num,l) else: #如果值不存在，则列表切为空 print('not exists') return search(100,l)
l=[1,2,10,30,33,99,101,200,301,402] def search(num,l,start=0,stop=len(l)-1): if start <= stop: mid=start+(stop-start)//2 print('start:[%s] stop:[%s] mid:[%s] mid_val:[%s]' %(start,stop,mid,l[mid])) if num > l[mid]: start=mid+1 elif num < l[mid]: stop=mid-1 else: print('find it',mid) return search(num,l,start,stop) else: #如果stop > start则意味着列表实际上已经全部切完，即切为空 print('not exists') return search(301,l)
三 匿名函数
1 什么是匿名函数？
匿名就是没有名字
def func(x,y,z=1):
return x+y+z
匿名
lambda x,y,z=1:x+y+z #与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，除非让其有名字
func=lambda x,y,z=1:x+y+z
func(1,2,3)
#让其有名字就没有意义
2 有名字的函数与匿名函数的对比
#有名函数与匿名函数的对比 有名函数：循环使用，保存了名字，通过名字就可以重复引用函数功能 匿名函数：一次性使用，随时随时定义 应用：max，min，sorted,map,reduce,filter
四 内置函数
#注意：内置函数id()可以返回一个对象的身份，返回值为整数。这个整数通常对应与该对象在内存中的位置，
但这与python的具体实现有关，不应该作为对身份的定义，即不够精准，最精准的还是以内存地址为准。
is运算符用于比较两个对象的身份，等号比较两个对象的值，内置函数type()则返回一个对象的类型
map 遍历序列，对序列中每个元素进行操作，最终获取新的序列。
在Python中，最基本的数据结构是序列（sequence）。
序列中的每个元素被分配一个序号——即元素的位置，也称为索引。第一个索引是 0，第二个则是 1，以此类推。序列中的最后一个元素标记为 -1，倒数第二个元素为 -2，一次类推。
Python包含 6 中内建的序列，包括列表、元组、字符串、Unicode字符串、buffer对象和xrange对象。
'''例子1''' li = [11,22,33] def func1(arg): return arg + 1 #这里乘除都可以 new_list = map(func1,li) #这里map调用函数，函数的规则你可以自己指定，你函数定义成什么他就做什么操作！ print new_list 输出结果：[12, 23, 34] '''例子2''' li = ['shuaige','nihao',] def func1(arg): return '%s test string' % arg #或者使用+进行拼接万恶的+能不用最好不用他会在内存中开辟新的空间！ new_strlist = map(func1,li) print new_strlist 输出结果：['shuaige test string', 'nihao test string'] '''例子3''' li = 'abcdefg' def func1(arg): return '%s test string' % arg new_list = map(func1,li) print new_list #结果：['a test string', 'b test string', 'c test string', 'd test string', 'e test string', 'f test string', 'g test string'] map例子
li = [11,22,33,44,55] new_li = map(lambda a:a + 100,li) print new_li #输出结果： [111, 122, 133, 144, 155] #多个列表操作： l1 = [11,22,33,44,55] l2 = [22,33,44,55,66] l3 = [33,44,55,66,77] print map(lambda a1,a2,a3:a1+a2+a3,l1,l2,l3) #输出结果： [66, 99, 132, 165, 198] #这里需要注意如果使用map函数列表中的元素必须是相同的才可以!否则就会报下面的错误！ #TypeError: unsupported operand type(s) for +: 'int' and 'NoneType'，如果看下面 l1 = [11,22,33,44,55] l2 = [22,33,44,55,66] l3 = [33,44,55,66,] #l3的数据少一个，如果元素里的元素为空那么他调用的时候这个元素就是None lambda表达式
#字符串可以提供的参数 's' None >>> format('some string','s') 'some string' >>> format('some string') 'some string' #整形数值可以提供的参数有 'b' 'c' 'd' 'o' 'x' 'X' 'n' None >>> format(3,'b') #转换成二进制 '11' >>> format(97,'c') #转换unicode成字符 'a' >>> format(11,'d') #转换成10进制 '11' >>> format(11,'o') #转换成8进制 '13' >>> format(11,'x') #转换成16进制 小写字母表示 'b' >>> format(11,'X') #转换成16进制 大写字母表示 'B' >>> format(11,'n') #和d一样 '11' >>> format(11) #默认和d一样 '11' #浮点数可以提供的参数有 'e' 'E' 'f' 'F' 'g' 'G' 'n' '%' None >>> format(314159267,'e') #科学计数法，默认保留6位小数 '3.141593e+08' >>> format(314159267,'0.2e') #科学计数法，指定保留2位小数 '3.14e+08' >>> format(314159267,'0.2E') #科学计数法，指定保留2位小数，采用大写E表示 '3.14E+08' >>> format(314159267,'f') #小数点计数法，默认保留6位小数 '314159267.000000' >>> format(3.14159267000,'f') #小数点计数法，默认保留6位小数 '3.141593' >>> format(3.14159267000,'0.8f') #小数点计数法，指定保留8位小数 '3.14159267' >>> format(3.14159267000,'0.10f') #小数点计数法，指定保留10位小数 '3.1415926700' >>> format(3.14e+1000000,'F') #小数点计数法，无穷大转换成大小字母 'INF' #g的格式化比较特殊，假设p为格式中指定的保留小数位数，先尝试采用科学计数法格式化，得到幂指数exp，如果-4<=exp<p，则采用小数计数法，并保留p-1-exp位小数，否则按小数计数法计数，并按p-1保留小数位数 >>> format(0.00003141566,'.1g') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留0位小数点 '3e-05' >>> format(0.00003141566,'.2g') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留1位小数点 '3.1e-05' >>> format(0.00003141566,'.3g') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留2位小数点 '3.14e-05' >>> format(0.00003141566,'.3G') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留0位小数点，E使用大写 '3.14E-05' >>> format(3.1415926777,'.1g') #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留0位小数点 '3' >>> format(3.1415926777,'.2g') #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留1位小数点 '3.1' >>> format(3.1415926777,'.3g') #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留2位小数点 '3.14' >>> format(0.00003141566,'.1n') #和g相同 '3e-05' >>> format(0.00003141566,'.3n') #和g相同 '3.14e-05' >>> format(0.00003141566) #和g相同 '3.141566e-05'
字典的运算：最小值，最大值，排序 salaries={ 'a':3000, 'b':100000000, 'c':10000, 'd':2000 } 迭代字典，取得是key，因而比较的是key的最大和最小值 >>> max(salaries) 'd' >>> min(salaries) 'a' 可以取values，来比较 >>> max(salaries.values()) >>> min(salaries.values()) 但通常我们都是想取出，工资最高的那个人名，即比较的是salaries的值，得到的是键 >>> max(salaries,key=lambda k:salary[k]) 'b' >>> min(salaries,key=lambda k:salary[k]) 'd' 也可以通过zip的方式实现 salaries_and_names=zip(salaries.values(),salaries.keys()) 先比较值，值相同则比较键 >>> max(salaries_and_names) (100000000, 'alex') salaries_and_names是迭代器，因而只能访问一次 >>> min(salaries_and_names) Traceback (most recent call last): File "<stdin>", line 1, in <module> ValueError: min() arg is an empty sequence sorted(iterable，key=None,reverse=False)
#1、语法 # eval(str,[,globasl[,locals]]) # exec(str,[,globasl[,locals]]) #2、区别 #示例一： s='1+2+3' print(eval(s)) #eval用来执行表达式，并返回表达式执行的结果 print(exec(s)) #exec用来执行语句，不会返回任何值 ''' None ''' #示例二： print(eval('1+2+x',{'x':3},{'x':30})) #返回33 print(exec('1+2+x',{'x':3},{'x':30})) #返回None # print(eval('for i in range(10):print(i)')) #语法错误，eval不能执行表达式 print(exec('for i in range(10):print(i)')) eval与exec
compile(str,filename,kind) filename:用于追踪str来自于哪个文件，如果不想追踪就可以不定义 kind可以是：single代表一条语句，exec代表一组语句，eval代表一个表达式 s='for i in range(10):print(i)' code=compile(s,'','exec') exec(code) s='1+2+3' code=compile(s,'','eval') eval(code)
array=[1,3,4,71,2] ret=[] for i in array: ret.append(i**2) print(ret) #如果我们有一万个列表,那么你只能把上面的逻辑定义成函数 def map_test(array): ret=[] for i in array: ret.append(i**2) return ret print(map_test(array)) #如果我们的需求变了,不是把列表中每个元素都平方,还有加1,减一,那么可以这样 def add_num(x): return x+1 def map_test(func,array): ret=[] for i in array: ret.append(func(i)) return ret print(map_test(add_num,array)) #可以使用匿名函数 print(map_test(lambda x:x-1,array)) #上面就是map函数的功能,map得到的结果是可迭代对象 print(map(lambda x:x-1,range(5)))
reduce 对于序列内所有元素进行累计操作
from functools import reduce #合并,得一个合并的结果 array_test=[1,2,3,4,5,6,7] array=range(100) #报错啊,res没有指定初始值 def reduce_test(func,array): l=list(array) for i in l: res=func(res,i) return res # print(reduce_test(lambda x,y:x+y,array)) #可以从列表左边弹出第一个值 def reduce_test(func,array): l=list(array) res=l.pop(0) for i in l: res=func(res,i) return res print(reduce_test(lambda x,y:x+y,array)) #我们应该支持用户自己传入初始值 def reduce_test(func,array,init=None): l=list(array) if init is None: res=l.pop(0) else: res=init for i in l: res=func(res,i) return res print(reduce_test(lambda x,y:x+y,array)) print(reduce_test(lambda x,y:x+y,array,50))
filter 对于序列中的元素进行筛选，最终获取符合条件的序列！
movie_people=['alex','wupeiqi','yuanhao','sb_alex','sb_wupeiqi','sb_yuanhao'] def tell_sb(x): return x.startswith('sb') def filter_test(func,array): ret=[] for i in array: if func(i): ret.append(i) return ret print(filter_test(tell_sb,movie_people)) #函数filter,返回可迭代对象 print(filter(lambda x:x.startswith('sb'),movie_people))
# 当然了,map,filter,reduce,可以处理所有数据类型 name_dic = [ {'name': 'alex', 'age': 1000}, {'name': 'wupeiqi', 'age': 10000}, {'name': 'yuanhao', 'age': 9000}, {'name': 'linhaifeng', 'age': 18}, ] # 利用filter过滤掉千年王八,万年龟,还有一个九千岁 def func(x): age_list = [1000, 10000, 9000] return x['age'] not in age_list res = filter(func, name_dic) for i in res: print(i) res = filter(lambda x: x['age'] == 18, name_dic) for i in res: print(i) # reduce用来计算1到100的和 from functools import reduce print(reduce(lambda x, y: x + y, range(100), 100)) print(reduce(lambda x, y: x + y, range(1, 101))) # 用map来处理字符串列表啊,把列表中所有人都变成sb,比方alex_sb name = ['alex', 'wupeiqi', 'yuanhao'] res = map(lambda x: x + '_sb', name) for i in res: print(i)
li = [1,2,3,4,5,6,7,8] result = reduce(lambda a1,a2:a1+a2,li) #累乘、除、加、减 print result # reduce的第一个参数，函数必须要有两个参数，因为他是两两进行操作 # reduce的第二个参数，要循环的序列 # reduce的第三个参数，初始值 #初始值 li = [1,2,3,4,5,6,7,8] result = reduce(lambda a1,a2:a1+a2,li,100000) #累乘、除、加、减 print result
内置函数sorted
# sorted(iterable，key=None,reverse=False)
# key接受一个函数，这个函数只接受一个元素，默认为None
# reverse是一个布尔值。默认为False排在前，True排在后，升序，即符合条件的往后排
# 按照年龄来排序
students = [('john', 'A', 15), ('jane', 'B', 12), ('dave','B', 10)]
r1 = sorted(students, key=lambda s: s[2])
# <class 'list'>: [('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]
# 字符串排序，排序规则：小写<大写<奇数<偶数
s = 'asdf234GDSdsf23'
r3 = "".join(sorted(s, key=lambda x: (x.isdigit())))
# 数字在后 'asdfGDSdsf23423'
r4 = "".join(sorted(s, key=lambda x: (x.isdigit(), x.isdigit() and int(x) % 2 == 0)))
# 数字在后，偶数在后 'asdfGDSdsf33242'
r5 = "".join(sorted(s, key=lambda x: (x.isdigit(),x.isdigit() and int(x) % 2 == 0, x.isupper())))
# 数字在后，偶数在后，大写在后 'asdfdsfGDS33242'
r6 = "".join(sorted(s, key=lambda x: (x.isdigit(),x.isdigit() and int(x) % 2 == 0, x.isupper(), x)))
# 数字在后，偶数在后，大写在后，按字母或数字升序排 'addffssDGS33224'
# 正数在前负数在后,正数从小到大,负数从大到小
list1 = [4, -8, 7, 5, 0, -2, -5]
r1 = sorted(list1, key=lambda x: (x < 0))
# 先按照正负排先后，将负数移到后面 <class 'list'>: [4, 7, 5, 0, -8, -2, -5]
r2 = sorted(list1, key=lambda x: (x < 0, abs(x)))
# 再按照大小排先后 <class 'list'>: [0, 4, 5, 7, -2, -5, -8]
五 练习
1、文件内容如下,标题为:姓名,性别,年纪,薪资
egon male 18 3000
alex male 38 30000
wupeiqi female 28 20000
yuanhao female 28 10000
要求:
从文件中取出每一条记录放入列表中,
列表的每个元素都是{'name':'egon','sex':'male','age':18,'salary':3000}的形式
2 根据1得到的列表,取出薪资最高的人的信息
3 根据1得到的列表,取出最年轻的人的信息
4 根据1得到的列表,将每个人的信息中的名字映射成首字母大写的形式
5 根据1得到的列表,过滤掉名字以a开头的人的信息
6 使用递归打印斐波那契数列(前两个数的和得到第三个数，如：0 1 1 2 3 4 7...)
7 一个嵌套很多层的列表，如l=［1,2,[3,[4,5,6,[7,8,[9,10,[11,12,13,[14,15]]]]]]］，用递归取出所有的值
with open('db.txt') as f: items=(line.split() for line in f) info=[{'name':name,'sex':sex,'age':age,'salary':salary} \ for name,sex,age,salary in items] print(info) #2 print(max(info,key=lambda dic:dic['salary'])) #3 print(min(info,key=lambda dic:dic['age'])) # 4 info_new=map(lambda item:{'name':item['name'].capitalize(), 'sex':item['sex'], 'age':item['age'], 'salary':item['salary']},info) print(list(info_new)) #5 g=filter(lambda item:item['name'].startswith('a'),info) print(list(g)) #6 #非递归 def fib(n): a,b=0,1 while a < n: print(a,end=' ') a,b=b,a+b print() fib(10) #递归 def fib(a,b,stop): if a > stop: return print(a,end=' ') fib(b,a+b,stop) fib(0,1,10) #7 l=[1,2,[3,[4,5,6,[7,8,[9,10,[11,12,13,[14,15]]]]]]] def get(seq): for item in seq: if type(item) is list: get(item) else: print(item) get(l)
浙公网安备 33010602011771号