内容简介:木子本人搞起Python已有多年,一直觉得什么都会,但是有时候实操起来,才觉得很多底层基础的知识都没有彻底的灵活掌握。 另外,网上关于Python基础知识的各种普及已有太多太多。 附上相关大神的技术栈:本人的写作水平有限,肯定比不上各种大佬的技术文章。博客只是对于自身知识的总结,提炼,当然如果能够帮助到各位看客,木子本人也非常高兴。闲话不多说,本篇博客,主要针对Python的
木子本人搞起 Python 已有多年,一直觉得什么都会,但是有时候实操起来,才觉得很多底层基础的知识都没有彻底的灵活掌握。 另外,网上关于Python基础知识的各种普及已有太多太多。 附上相关大神的技术栈:
本人的写作水平有限,肯定比不上各种大佬的技术文章。博客只是对于自身知识的总结,提炼,当然如果能够帮助到各位看客,木子本人也非常高兴。
简述
闲话不多说,本篇博客,主要针对Python的
匿名函数lambda
高阶函数map reduce filter
推导式list set dict
三个方面来汇总。
匿名函数
当我们在传入函数时,有些时候,不需要显式地定义函数,那么此时匿名函数就灰常方便了。
示例: lambda a, b: a + b
实际上就是下面代码的简写
def func(a, b): return a + b 复制代码
对于匿名函数而言,不用写 return
, 返回值就是该表达式的结果
。
因为没有函数名字,不必担心函数名的冲突,此外,匿名函数也是一个函数对象,可以把匿名函数赋值给一个变量,再利用变量来调用该函数:
>>> f = lambda x: x * x >>> f <function <lambda> at 0x10453d7d0> >>> f(6) 36 复制代码
那么在一些简单的情况下,尽情的使用匿名函数吧。
高阶函数
何为高阶函数?
能接受函数做参数的函数
因Python中一切皆对象,变量名可以指向函数,而函数的参数可以接收变量,那么一个函数就可以接收另外一个函数作为参数。这就是传说中的 高阶函数 。
map()
老规矩,官方文档走一波:
针对map(function, iterable, ...)函数,可 结合lambda 使用,示例如下:
>>> list(map(lambda x:x*x, [1,2,3,4,5])) >>> [1, 4, 9, 16, 25] 复制代码
注:Python3中,需要使用list()将map函数返回值转化为列表,若无list(),则结果为:
>>> map(lambda x:x*x, [1,2,3,4,5]) >>> <map at 0x20b225167f0> 复制代码
此外,map()函数不改变原有的 list,而是返回一个新的 list。
reduce()
为便于掌握,对比,在总结完map()函数后,我们来看下reduce()函数。
那么从官方文档的介绍来看:
reduce()函数接收的参数和 map()类似,一个函数 f,一个list,但行为和 map()不同,reduce()传入的函数 f 必须接收两个参数,reduce()对list的每个元素反复调用函数f,并返回最终结果值。
示例如下:
from functools import reduce >>> reduce(lambda x, y: x + y, [1, 2, 3, 4, 5]) 复制代码
对结果演示即: ((((1+2)+3)+4)+5) = 15
注:
reduce()函数可接收第三个参数,作为函数的起始值
filter()
filter()函数顾名思义,进行过滤判断。
对于filter()函数来说,其 接收一个函数 f 和一个list,这个函数 f 的作用是对每个元素进行判断,返回 True或 False。
示例:过滤出1~100中平方根是整数的数:
import math def func(x): r = int(math.sqrt(x)) # math.sqrt()计算平方根 if r * r == x: return x >>> list(filter(func, range(1, 101))) >>> [1, 4, 9, 16, 25, 36, 49, 64, 81, 100] 复制代码
那么从该示例中,我们能够得出结论: filter()根据判断结果自动过滤掉不符合条件的元素,返回由符合条件元素组成的新list。
推导式
推导式在日常工作中是比较好的装逼利器,对于列表,字典,集合的操作,很多时候一行代码即可解决,如若没有,那说明内力还不够深厚,嘎嘎嘎。。。。 对于推导式而言,我们就从
列表推导式
字典推导式
集合推导式
来总结,当然也就这三种。。。
列表推导式
示例:
from random import randint >>> [randint(1, 10) for _ in range(20)] >>> [8, 2, 7, 9, 7, 3, 10, 10, 2, 10, 5, 9, 4, 7, 9, 2, 10, 6, 10, 7] 复制代码
字典推导式
示例:
>>> {x: x * x for x in range(10) if x % 3 == 0} >>> {0: 0, 3: 9, 6: 36, 9: 81} 复制代码
集合推导式
鉴于集合具有去重效果,那么我们创建示例,来和列表推导式对比:
from random import randint >>> {randint(1, 10) for _ in range(20)} >>> {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} 复制代码
很神奇有木有,目前写的只是最基本的推导式写法,在实际的工作中,可以添加各种判断,随意灵活运用。
总结
本篇博客侧重于实际工作中代码的简化,重构。若能结合实际工作需求,灵活运用,则能大大简化代码,也方便他人阅读,久而久之,自己的水平也逐渐提高。 起止一个爽字了得!!! 江湖有缘,下期再见!
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 019.Python函数sorted,filter和推导式
- 前端tensorflow:通过机器学习推导函数方程式--铂金Ⅲ
- 四元数公式推导
- 线性回归数学推导
- Lucene打分公式的推导
- 现代 C++:自动类型推导
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
智能家居:商业模式+案例分析+应用实战
陈国嘉 / 人民邮电出版社 / 2016-4 / 49.80元
作为万物互联的关键一环,智能家居的出现和普及已经势不可当,以移动互联网为核心的新技术正在重构智能家居。只有成为智能家居行业的先行者,才能抢占“风口”。 《智能家居:商业模式+案例分析+应用实战》紧扣“智能家居”,从3个方面进行专业、深层次的讲解。首要方面是基础篇,从智能家居的发展现状、产业链、商业分析、抢占入口等方面进行阐述,让读者对智能家居有个初步的认识;第二个方面是技术篇,从智能家居的控......一起来看看 《智能家居:商业模式+案例分析+应用实战》 这本书的介绍吧!