首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python小世界:匿名函数、高阶函数、

Python小世界:匿名函数、高阶函数、

作者头像
py3study
发布2020-01-15 16:30:09
4290
发布2020-01-15 16:30:09
举报
文章被收录于专栏:python3python3

前言

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。

Python官方文档--lambda

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

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

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:

Python官方文档--map()

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]

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>

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。

Python官方文档--reduce()

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])

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。

Python官方文档--filter()

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]

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]
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}
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}

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!

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2019-06-08 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 前言
  • 简述
    • 匿名函数
      • 高阶函数
        • map()
        • reduce()
        • filter()
        • 推导式
      • 总结
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档