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。
ANSI Common Lisp
Paul Graham / Prentice Hall / 1995-11-12 / USD 116.40
For use as a core text supplement in any course covering common LISP such as Artificial Intelligence or Concepts of Programming Languages. Teaching students new and more powerful ways of thinking abo......一起来看看 《ANSI Common Lisp》 这本书的介绍吧!