Python入门之三元表达式\列表推导式\生成器表达式\递归匿名函数\内置函数

本章目录:

    一、三元表达式、列表推导式、生成器表达式

    二、递归调用和二分法

    三、匿名函数

    四、内置函数

==================================================================

一、三元表达式、列表推导式、生成器表达式

  1. 三元表达式

#三元表达式格式:
'''
 判定条件? 为真时的结果 : 为假时的结果
'''
# 例
result = 5>3? 1 : 0
'''
定义函数比较两个值    
'''
def max(x, y):
    if x > y:
        return x
    else:
        return y

res = max(x, y)
oprint(res)


'''
三元表达式仅应用于:
1. 条件成立返回前一个值
2. 条件不成立返回后面一个值
'''
res = x if x>y else y
print(res)


# 三元表达式函数的写法
def max2(x,y):
    return x if x > y else y

print(max2)        

  2. 列表推导式

#1. 示例
egg_list = []

for i in range(10):
    egg_list.append('Egg No.%s' %i)

egg_list = ['Egg No.%s' %i for i in range(10)]

#2. 语法
[expression for item1 in iterable1 if condition1
    for item2 in iterable2 if condition2
        ....
         for itemN in iterableN if conditionN            
]

# 例子如下
res = []
for item1 in iterable1:
    if condition1:
        for item2 in iterable2:
            ....
            for itemN in iterableN:
                if conditonN:
                    res.append(expression)

#3 优点:方便,改变了变成习惯,可称之为声明式编程

  3.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:列表好比一筐鸡蛋,现在我们通过生成器把一筐鸡蛋变成一只可以随时下单的老母鸡,利用了生成器的特点

>>>chicken = ('Egg No.%s' %i for i in range(5))
>>>print(chicken)

# 得到的结果
>>> <generator object <genexpr> at 0x10143f200>

>>>next(chicken)
'Egg No.0'

>>>list(chicken)   #chicken是生成器,具有可迭代属性,可以转换为列表
['Egg No.0', 'Egg No.1', 'Egg No.2', 'Egg No.3', 'Egg No.4']

#3 优点:一筐鸡蛋变成一只老母鸡,节省内存,一次只放一个鸡蛋到内存

二、递归调用和二分法

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,函数在调用的时候,直接或者间接调用了自身,就是递归调用
# 示例

def foo():
    print('from foo')
    foo()

foo()

----------------------------------------------------------------------------------
def bar:
    print('I'm bar')
    foo()


def foo():
    print('from foo')
    bar()

foo()

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) = 300

salary(n) = salary(n-1)+300
salary(1) = 100
'''

def salary(n):
    if n == 1:
        return 100
    return salary(n-1) + 100


print(salary(5))
'''
递归分为两个阶段:
1. 回溯
注意:一定要在某种条件下结束回溯,否则会无限循环下去
2. 递推

总结:
1. 递归一定要有一个明确的结束条件
2. 没进入下一次递归,问题的规模都应该减少
'''
'''
while和递推的区别:
    while需要明确多少循环
    递推只需要知道怎么去循环,至于循环多少次,没有说明    
'''
items = [1,[2,[3,[4,[5,[6,[7,[8,[9,[10,11,]]]]]]]]]

def tell(L1):
    for item in L1:
        if type(item) is not list:
            print(item)
        else:
            tell(item)     # tell再次调用自己,递归

tell(items)

  3. Python中的递归效率低并且没有尾递归优化

#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,
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. Python中可以修改递归最大深度

import sys

sys.getrecursionlimit    #Python中获取系统默认递归深度(1000)
sys.setrecursionlimit(2000)    #修改系统默认递归深度为2000

n = 1
def test():
    global n
    print(n)
    n += 1
    test()

test()   #默认深度1000,打印到998停止;更改深度2000后,打印到1998

5. 二分法(即二分排序算法)

'''
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,用二分法可以提高查找效率
'''
L1 = [2,3,4,56,78,98,230,567,1222,1333,5620,10000]

def func_binary(num, L):    #要找的值为num

    print(L)

    if len(L) > 0:

        mid = len(1)//2    #列表已经从小大到排序,取列表的中间索引,获得中间值
        if num > L[mid]:
            L = L[mid+1 : ]    #num比中间值大,只要取中间值右边部分,左侧舍弃

        elif num < L[mid]:
            L = L[ : mid]    #num比中间值小,只要取中间值左边部分,右侧舍弃
        
        else:
            print('Find It!')
            return
        func_binary(num, L)

    else:
        print('Invalid Input List!')
        return 

search(1333, L1)               
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    #列表已经从小大到排序,取列表的中间索引,获得中间值
        print('start:[%s] stop:[%s] mid:[%s] mid_val:[%s]' %(start,stop,mid,l[mid]))
        if num > l[mid]:    #num比中间值大,只要取中间值右边部分,左侧舍弃
            start=mid+1
        elif num < l[mid]:    #num比中间值小,只要取中间值左边部分,右侧舍弃
            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、没有名字的函数。不能单独使用,通常情况下会与其他函数连用

2、匿名函数的参数规则,作用域关系与带名字函数时一样的

3、匿名函数的函数体通常应该是一个表达式,该表达式必须要有返回值

'''
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
'''
# lambda自带return,所以不需要再加return

四、内置函数

字典的运算:最小值,最大值,排序
salaries={
    'egon':3000,
    'alex':100000000,
    'wupeiqi':10000,
    'yuanhao':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)
'yuanhao'
>>> min(salaries)
'alex'

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])
'alex'
>>> min(salaries,key=lambda k:salary[k])
'yuanhao'



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
'''
6
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)'))
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)

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏PPV课数据科学社区

经验贴:如何快速掌握一门技术

几周前一个朋友也打算通过跑步来甩一甩脂肪,控制一下自己那已经严重扭曲了的身材 —— 他便求教我从衣服到鞋,从腕表到心率带,都买了什么装备,性能如何,他好照着原样...

30760
来自专栏PPV课数据科学社区

【免费直播课】数据分析与R语言实战 本周六晚20点开始 速度进群

公开直播课时间:2015年7月25日周六晚20:00-21:00 上课方式:QQ直播, QQ群:465863192 (报名直接加入QQ群) 讲师介绍: ...

28870
来自专栏PPV课数据科学社区

【每日一课】Python入门训练营第一周任务第三节视频

Python入门训练营在线试听第一章第三节:02_Python环境安装(2) 《Python入门(初级)学习班第一期》第一周任务 请大家在学习完第一周的课程后,...

43960
来自专栏PPV课数据科学社区

[实用]手把手教你用python抓网页数据

前言: 数据科学越来越火了,网页是数据很大的一个来源。最近很多人问怎么抓网页数据,据我所知,常见的编程语言(C++,java,python)都可以实现抓网页数据...

63350
来自专栏PPV课数据科学社区

【解惑】一文告诉你,该学R还是Python!

Python和R是统计学中两种最流行的的编程语言,R的功能性主要是统计学家在开发时考虑的(R具有强大的可视化功能),而Python因为易于理解的语法被大家所接...

34030
来自专栏PPV课数据科学社区

全球排名前十五的编程语言都是什么车?

C语言是全能手,小巧,强大,所向披靡,可靠,任何事情都能对付。 C++是新的C,双倍的能力,双倍的尺寸,适应险恶的环境,但是你如果没练好就去驾驶,很可能会撞车。...

39940
来自专栏PPV课数据科学社区

【入门】怎么培养数据分析的能力?

一些个人的工作经验,希望对后来人有帮助。首先总结下平时数据分析的一般步骤。 第一步:数据准备:(70%时间) 获取数据(爬虫,数据仓库) 验证数据 数据清理(缺...

29460
来自专栏PPV课数据科学社区

据说这篇总结覆盖了一般Python开发面试中可能会问到的大部分问题

? 原文标题:一名python web后端开发工程师的面试总结 先介绍下我的情况 通信背景,工作一年多不到两年。之前一直在做C++的MFC软件界面开发工作。公...

57260
来自专栏PPV课数据科学社区

【工具】数据科学家必知必会的 7 款 Python 工具

如果你有志于做一个数据专家,你就应该保持一颗好奇心,总是不断探索,学习,问各种问题。在线入门教程和视频教程能帮你走出第一步,但是最好的方式就是通过熟悉各种已经在...

34860
来自专栏PPV课数据科学社区

5种最流行的AI编程语言

导读:有没有兴趣来了解更多与AI开发有关的内容? 本文将介绍创建AI程序时可以使用的5种最佳语言。 Python ? Python语法简单,功能多样,是开发人...

59780

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励