专栏首页小数志Python中几个有趣的函数

Python中几个有趣的函数

众所周知,python功能强大、语法灵活,这些得益于其丰富而强大的库。除了众多第三方库和方法函数,python自带的很多函数也非常有趣,用起来称得上优雅。

今天主要是分享5个python内置的小函数,都是个人觉得强大而精致的几个函数。不是高深的知识,纯粹因为觉得好用而分享。

01 一用而过:lambda

很多语言都有匿名函数,python的匿名函数写作lambda,当需要实现一定功能而又不想“大张旗鼓”的def一个函数时,lambda就是最优的选择。

其语法格式一般是这样的:

lambda x:x**2
# <function __main__.<lambda>(x)>

也可以将它赋值给一个变量,由于python中一切皆对象,所以后续程序中就可以用该变量调用这个匿名函数。

f = lambda x:x**2
f(2)
# 4

当然,这里其实没必要应用lambda来实现,因为既然要显式调用,还不如干脆直接写个明确的函数罢了。lambda函数更广泛的应用场景在于该匿名函数作为另一个函数的参数传递时,应用就比较合适了,例如,将lambda作为sort()函数的key参数,就可以实现特定功能的排序。

dyct = {'a':2, 'b':1, 'c':5}
sorted(dyct.items(), key = lambda x:x[1])
# [('b', 1), ('a', 2), ('c', 5)]

02 智能解压:zip

zip函数人如其名,是打包或者解包的函数,接受2个以上可迭代变量,输出对应位置组成元组后的迭代类型。例如:

a = ['a', 'b', 'c']
b = (4, 5, 6)
zip(a,b)
# <zip at 0x1da016d15c8>
list(zip(a,b))
# [('a', 4), ('b', 5), ('c', 6)]
tuple(zip(a,b))
# (('a', 4), ('b', 5), ('c', 6))

也可以接受多于2个输入可迭代变量,而且如果各迭代变量长度不一致也不会报错,只是此时返回迭代变量取决于输入总长度最短的一个。例如:

a = ['a', 'b', 'c', 'd', 'e']
b = (4, 5, 6, 7)
c = [True, False, True]
list(zip(a,b,c))
# (('a', 4, True), ('b', 5, False), ('c', 6, True))

与zip打包相对应的用法是解包,即对一个打包形式的元素进行依次解包,并返回多个新的列表。例如:

aZip = (('a', 4, True), ('b', 5, False), ('c', 6, True))
a, b, c = zip(*aZip)
# a:('a', 'b', 'c')
# b:(4, 5, 6)
# c:(True, False, True)

03 一一映射:map

map函数也正如其取名一样,是一个将接受的迭代变量依次经过某种映射,并输出映射后的迭代变量。例如,如果对列表中的某个变量依次完成求值,并返回一个新的列表,则可以应用map:

a = [1, 2, 3, 4]
map(str, a)
# <map at 0x1da017136d8>
list(map(str, a))
# ['1', '2', '3', '4']

这是map函数的一个典型用法:接受2个参数,第一个参数(上例中是str()函数)是一个要作用的函数,第二个参数是可迭代变量。

当第一个函数的参数是是一个多变量函数时,map也可以接受更多的参数。例如:

a = [1, 2, 3, 4]
b = [2, 2, 3, 3]
list(map(lambda x, y:x**y, a, b))
# [1, 4, 27, 64]

与zip函数中类似,当map里的函数参数长度不匹配时并不会报错,只是输出结果将由最短的决定:

a = [1, 2, 3, 4]
b = [2, 2]
list(map(lambda x, y:x**y, a, b))
# [1, 4]

04 一夫当关:filter

与map函数类似,filter函数也接受一个函数及其变量作为参数,只是要求这个函数的返回结果是bool型,并用这个bool的结果决定输出的取舍问题。例如需要对一个输入列表过滤,要求保留3的倍数:

a = range(10)
filter(lambda x:x%3==0, a)
# <filter at 0x1da0171c0f0>
list(filter(lambda x:x%3==0, a))
# [0, 3, 6, 9]

这里需注意,当filter的第一个函数返回值不是bool型时不会报错,只是它会转化为bool型判断,如果判断结果不是False(python中会判为False的变量包括0、None、[]等等),则会将其输出,否则过滤掉:

a = range(10)
list(filter(lambda x:x%3, a))
# [1, 2, 4, 5, 7, 8]

05 万剑归宗:reduce

map和filter函数都是多入多出型,实质上是完成了特定的变换或筛选。reduce则是归约函数,将一系列输入变量经过特定的函数后转化为一个结果输出。不过可能是由于应用场景有限的原因,reduce在python3中已不再是全局调用函数,必须要从functools包中导入方可使用:

from functools import reduce
a = range(5)
reduce(lambda x, y: x+y, a)
# 10

reduce函数还可以接受一个可选的初始值作为参数。应用reduce函数可以实现很多小trick,就看能不能想的到用的出:

from functools import reduce
s = 'abcdefg'
reduce(lambda x, y: y+x, s, 'AA')
# 'gfedcbaAA'

06 最后

当然,尽管几个函数用法不可谓不优美、功能不可谓不强大,但都不是必须的,甚至某种程度上都可以用其他形式加以替代,例如map和filter函数都可以用列表推导式来简单实现,reduce函数功能也顶多用一个for循环迭代就能解决。

但在致力于使python程序变得更加简洁优雅乃至装B耍秀的路上,这些函数也确有其用武之地,未尝不值得一试!

本文分享自微信公众号 - 小数志(Datazhi),作者:luanhz

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-02-29

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Tableau可视化之其他常用图表

    导读:前几篇Tableau文章中,分别介绍了折线图、条形图、地图和饼图的几种用法,今天本文简单介绍其他几种常用的可视化图表类型。

    luanhz
  • 再也不担心用不好二分法了,因为我找到了"作弊"的接口

    导读:算法是程序的灵魂,而复杂度则是算法的核心指标之一。为了降低复杂度量级,可谓是令无数程序员绞尽脑汁、甚至是摧枯秀发。一般而言,若能实现对数阶的时间复杂度,算...

    luanhz
  • Python变量并列赋值的疑问

    问题:索引从0开始长度为N的数组A,包含0到N - 1的所有整数。找到并返回最大的集合S,S[i] = {A[i], A[A[i]], A[A[A[i]]], ...

    luanhz
  • Python进阶07 函数对象

    秉承着一切皆对象的理念,我们再次回头来看函数(function)。函数也是一个对象,具有属性(可以使用dir()查询)。作为对象,它还可以赋值给其它对象名,或者...

    Vamei
  • Python基础-函数

    把实现某一功能的相同代码,封装到一起。在下次需要使用时,就不需要再进行代码编写,直接调用即可。

    小团子
  • 机器学习入门 9-3 逻辑回归损失函数的梯度

    本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要推导逻辑回归损失函数的梯度,通过与线性回归模型的梯度进行比较找出逻辑回归损失函数梯度的向量化表示。

    触摸壹缕阳光
  • 化身为鹰的我,在VR中如同一条死狗

    VRPinea
  • kubernetes集群全栈监控报警方案kube-prometheus

    注意:This will be the last release supporting Kubernetes 1.13 and before. The next...

    三杯水Plus
  • 如何用原生 DOM API 生成表格 [每日前端夜话0x35]

    这是一个刷 JavaScript 经验值的好机会:在技术面试中出现的最多的一个问题就是**怎样用原生 API 操作 DOM **。

    疯狂的技术宅
  • 机器学习算法之逻辑回归(一)

    标题: 分类问题 二元分类 Sigmoid函数 算法导出 梯度上升 我们曾经介绍过,机器学习中最常见的问题有两大类,一类是回归问题,一类是分类问题。回归问题我们...

    企鹅号小编

扫码关注云+社区

领取腾讯云代金券