1. lamda匿名函数

为了解决⼀些简单的需求⽽设计的⼀句话函数

# 计算n的n次⽅

def func(n):

　　return n**n

print(func(10))


f = lambda n: n**n

print(f(10))

lambda表⽰的是匿名函数，不需要⽤def来声明，⼀句话就可以声明出⼀个函数。

语法:

函数名 = lambda 参数: 返回值

注意:

1. 函数的参数可以有多个，多个参数之间⽤逗号隔开

2. 匿名函数不管多复杂，只能写⼀⾏，且逻辑结束后直接返回数据

3. 返回值和正常的函数⼀样，可以是任意数据类型

匿名函数并不是说⼀定没有名字，这⾥前⾯的变量就是⼀个函数名，说他是匿名原因是我们通过__name__查看的时候是没有名字的，统⼀都叫lambda，在调⽤的时候没有什么特别之处，像正常的函数调⽤即可。

2. sorted()

排序函数。

语法:

sorted(Iterable, key=None, reverse=False)

　　Iterable: 可迭代对象

　　key: 排序规则(排序函数)，在sorted内部会将可迭代对象中的每⼀个元素传递给这个函数的参数，根据函数运算的结果进⾏排序

　　reverse: 是否是倒叙，True: 倒叙，False: 正序

lst = [1,5,3,4,6]

lst2 = sorted(lst)

print(lst) # 原列表不会改变

print(lst2) # 返回的新列表是经过排序的


dic = {1:'A', 3:'C', 2:'B'}

print(sorted(dic)) # 如果是字典. 则返回排序过后的key

和函数组合使⽤

# 根据字符串⻓度进⾏排序

lst = ["麻花藤", "冈本次郎", "中央情报局", "狐仙"]


# 计算字符串⻓度

def func(s):

　　return len(s)

print(sorted(lst, key=func))

和lambda组合使⽤

# 根据字符串⻓度进⾏排序

lst = ["麻花藤", "冈本次郎", "中央情报局", "狐仙"]


# 计算字符串⻓度

def func(s):

　　return len(s)


print(sorted(lst, key=lambda s: len(s)))


lst = [{"id":1, "name":'alex', "age":18}, {"id":2, "name":'wusir', "age":16}, {"id":3, "name":'taibai', "age":17}]

# 按照年龄对学⽣信息进⾏排序

print(sorted(lst, key=lambda e: e['age']))

3. filter()

筛选函数

语法:

fifilter(function. Iterable)

　　function: ⽤来筛选的函数，在fifilter中会⾃动的把iterable中的元素传递给function，然后根据function返回的True或者False来判断是否保留此项数据

　　Iterable: 可迭代对象

lst = [1,2,3,4,5,6,7]

ll = filter(lambda x: x%2==0, lst) # 筛选所有的偶数

print(ll)

print(list(ll))


lst = [{"id":1, "name":'alex', "age":18}, {"id":2, "name":'wusir', "age":16}, {"id":3, "name":'taibai', "age":17}]

fl = filter(lambda e: e['age'] > 16, lst) # 筛选年龄⼤于16的数据

print(list(fl))

4. map()

映射函数

语法:

map(function, iterable) 可以对可迭代对象中的每⼀个元素进⾏映射，分别取执⾏function

计算列表中每个元素的平⽅ ,返回新列表

def func(e):

　　return e*e

mp = map(func, [1, 2, 3, 4, 5])

print(mp)

print(list(mp))

改写成lambda

print(list(map(lambda x: x * x, [1, 2, 3, 4, 5])))

计算两个列表中相同位置的数据的和

# 计算两个列表相同位置的数据的和

lst1 = [1, 2, 3, 4, 5]

lst2 = [2, 4, 6, 8, 10]

print(list(map(lambda x, y: x+y, lst1, lst2)))

5. 递归

在函数中调⽤函数本⾝，就是递归

def func():

　　print("我是谁")

　　func()

func()

在python中递归的深度最⼤到998

def foo(n):

　　print(n)

　　n += 1

　　foo(n)

foo(1)

递归的应⽤:

我们可以使⽤递归来遍历各种树形结构，比如我们的⽂件夹系统，可以使⽤递归来遍历该⽂件夹中的所有⽂件。

import os

def read(filepath, n):

　　files = os.listdir(filepath) # 获取到当前⽂件夹中的所有⽂件

　　for fi in files: # 遍历⽂件夹中的⽂件, 这⾥获取的只是本层⽂件名

　　　　fi_d = os.path.join(filepath,fi) # 加⼊⽂件夹 获取到⽂件夹+⽂件

　　　　if os.path.isdir(fi_d): # 如果该路径下的⽂件是⽂件夹

　　　　　　print("\t"*n, fi)

　　　　　　read(fi_d, n+1) # 继续进⾏相同的操作

　　　　else:

　　　　　　print("\t"*n, fi) # 递归出⼝. 最终在这⾥隐含着return


#递归遍历⽬录下所有⽂件

read('../oldboy/', 0)

6. 二分查找

⼆分查找，每次能够排除掉⼀半的数据，查找的效率非常⾼，但是局限性比较⼤，必须是有

序序列才可以使⽤⼆分查找。

要求: 查找的序列必须是有序序列。

# 判断n是否在lst中出现. 如果出现请返回n所在的位置

# ⼆分查找---⾮递归算法

lst = [22, 33, 44, 55, 66, 77, 88, 99, 101, 238, 345, 456, 567, 678, 789]

n = 567

left = 0

right = len(lst) - 1

count = 1

while left <= right:

　　middle = (left + right) // 2

　　if n < lst[middle]:

　　　　right = middle - 1

　　elif n > lst[middle]:

　　　　left = middle + 1

　　else:

　　　　print(count)

　　　　print(middle)

　　　　break

　　count = count + 1

else:

　　print("不存在")


# 普通递归版本⼆分法

def binary_search(n, left, right):

　　if left <= right:

　　　　middle = (left+right) // 2

　　　　if n < lst[middle]:

　　　　　　right = middle - 1

　　　　elif n > lst[middle]:

　　　　　　left = middle + 1

　　　　else:

　　　　　　return middle

　　　　return binary_search(n, left, right) # 这个return必须要加. 否则接收到的永远是None.

　　else:

　　　　return -1


print(binary_search(567, 0, len(lst)-1))


# 另类⼆分法, 很难计算位置.

def binary_search(ls, target):

　　left = 0

　　right = len(ls) - 1

　　if left > right:

　　　　print("不在这⾥")

　　middle = (left + right) // 2

　　if target < ls[middle]:

　　　　return binary_search(ls[:middle], target)

　　elif target > ls[middle]:

　　　　return binary_search(ls[middle+1:], target)

　　else:

　　　　print("在这⾥")


binary_search(lst, 567)

巴特西

python基础(16):内置函数(二)