自定义函数

自定义函数的作用

• 为了定制化的需求

• 为了降低代码的重复编写

定义

匿名函数，可以用lambda关键字定义。通过lambda构造的函数可以没有名称，最大特点是“一气呵成”，即在自定义匿名函数时，所有代码可在一行内完成。

 

语法介绍

lambda parameters : function_expression

lambda为匿名函数的关键起始词

parameters是函数的形参，多个参数之间用英文状态的逗号隔开

function_expression为具体的函数体

# 统计列表中每个元素的频次
list6 = ['A','A','B','A','A','B','C','B','C','B','B','D','C']
# 构建空字典，用于频次统计数据的存储
dict3 = {}
# 循环计算
for i in set(list6):
 dict3[i] = list6.count(i)
print(dict3)

# 取出字典中的键值对
key_value = list(dict3.items())
print(key_value)
# 列表排序
key_value.sort()
print(key_value)
# 按频次高低排序
key_value.sort(key = lambda x : x[1], reverse=True)
print(key_value)

 

自定义函数

使用场景

虽然匿名函数很灵活，会在很多代码中遇到，但它的最大特点也是它的短板，即无法通过lambda函数构造一个多行而复杂的函数。为了弥补其缺陷，Python提供了另一个关键字def，可以构造逻辑复杂的自定义函数。

def function_name(parameters):

function_expression

return(result)

def是define单词的缩写，为自定义函数的关键词

function_name为自定义的函数名称

parameters为自定义函数的形参，需要放在圆括号内

function_expression为具体的函数体

return用于返回函数的计算结果

import random

def guess_number(Min,Max):
    number=random.randint(Min,Max)

    while True:
        guess=int(input('请在{}和{}之间输入一个整数：'.format(Min,Max)))#input会将输入的数都以字符串形式传递给变量
        if guess>number:
            print('偏大')
            Max=guess
        elif guess<number:
            print('偏小')
        else:
            print('正确！')
            break
    
    

#构造自定义函数，用于多数据源的读取与合并
1、初级阶段，适用于目录下文件命名非常规则的情况
import pandas as pd
res=[]
for i in range(1,4):
    data=pd.read_csv(r'D:\pylearn\datas{}.txt'.format(i))
    res.append(data)
res
 返回结果，是列表   
[   id  name  income
 0   3  lucy    2000
 1   4   guy   10000,
    id name  income
 0   1  tom   20000
 1   2   jm    1000,
    id  name  income
 0   5  shar   25000
 1   6  kiit   28000]

pd.concat(res)#实现数据的合并

返回结果：

id	name	income
0	3	lucy	2000
1	4	guy	10000
0	1	tom	20000
1	2	jm	1000
0	5	shar	25000
1	6	kiit	28000

2.进阶阶段，适用于目录下有非规则命名
import os#操作系统相关的包
os.listdir(r'D:\pylearn')#罗列出此目录下所有的文件

返回结果：
['datas1.txt', 'datas2.txt', 'datas3.txt']


import os#操作系统相关的包
path=r'D:\pylearn'
filenames=os.listdir(path)#罗列出此目录下所有的文件

res=[]
for file in filenames:
    data=pd.read_csv(path+'\\'+file)
    res.append(data)
pd.concat(res)

返回结果：

	id	name	income
0	3	lucy	2000
1	4	guy	10000
0	1	tom	20000
1	2	jm	1000
0	5	shar	25000
1	6	kiit	28000