data = [1, 3, 6, 7, 9, 12, 14, 16, 17, 18, 20, 21, 22, 23, 30, 32, 33, 35]def binary_search(dataset,find_num):print(dataset)if len(dataset) >1:mid = int(len(dataset)/2)if dataset[mid] == find_num:  #find itprint("找到数字",dataset[mid])elif dataset[mid] > find_num :# 找的数在mid左面print("\033[31;1m找的数在mid[%s]左面\033[0m" % dataset[mid])return binary_search(dataset[0:mid], find_num)else:# 找的数在mid右面print("\033[32;1m找的数在mid[%s]右面\033[0m" % dataset[mid])return binary_search(dataset[mid+1:],find_num)else:if dataset[0] == find_num:  #find itprint("找到数字啦",dataset[0])else:print("没的分了,要找的数字[%s]不在列表里" % find_num)binary_search(data,66)二分查找

array=[1,3,4,71,2]ret=[]
for i in array:ret.append(i**2)
print(ret)#如果我们有一万个列表,那么你只能把上面的逻辑定义成函数
def map_test(array):ret=[]for i in array:ret.append(i**2)return retprint(map_test(array))#如果我们的需求变了,不是把列表中每个元素都平方,还有加1,减一,那么可以这样
def add_num(x):return x+1
def map_test(func,array):ret=[]for i in array:ret.append(func(i))return retprint(map_test(add_num,array))
#可以使用匿名函数
print(map_test(lambda x:x-1,array))#上面就是map函数的功能,map得到的结果是可迭代对象
print(map(lambda x:x-1,range(5)))map函数

from functools import reduce
#合并,得一个合并的结果
array_test=[1,2,3,4,5,6,7]
array=range(100)#报错啊,res没有指定初始值
def reduce_test(func,array):l=list(array)for i in l:res=func(res,i)return res# print(reduce_test(lambda x,y:x+y,array))#可以从列表左边弹出第一个值
def reduce_test(func,array):l=list(array)res=l.pop(0)for i in l:res=func(res,i)return resprint(reduce_test(lambda x,y:x+y,array))#我们应该支持用户自己传入初始值
def reduce_test(func,array,init=None):l=list(array)if init is None:res=l.pop(0)else:res=initfor i in l:res=func(res,i)return resprint(reduce_test(lambda x,y:x+y,array))
print(reduce_test(lambda x,y:x+y,array,50))reduce函数

#电影院聚集了一群看电影bb的傻逼,让我们找出他们
movie_people=['alex','wupeiqi','yuanhao','sb_alex','sb_wupeiqi','sb_yuanhao']def tell_sb(x):return x.startswith('sb')def filter_test(func,array):ret=[]for i in array:if func(i):ret.append(i)return retprint(filter_test(tell_sb,movie_people))#函数filter,返回可迭代对象
print(filter(lambda x:x.startswith('sb'),movie_people))filter函数

#当然了,map,filter,reduce,可以处理所有数据类型

name_dic=[{'name':'alex','age':1000},{'name':'wupeiqi','age':10000},{'name':'yuanhao','age':9000},{'name':'linhaifeng','age':18},
]
#利用filter过滤掉千年王八,万年龟,还有一个九千岁
def func(x):age_list=[1000,10000,9000]return x['age'] not in age_listres=filter(func,name_dic)
for i in res:print(i)res=filter(lambda x:x['age'] == 18,name_dic)
for i in res:print(i)#reduce用来计算1到100的和
from functools import reduce
print(reduce(lambda x,y:x+y,range(100),100))
print(reduce(lambda x,y:x+y,range(1,101)))#用map来处理字符串列表啊,把列表中所有人都变成sb,比方alex_sb
name=['alex','wupeiqi','yuanhao']res=map(lambda x:x+'_sb',name)
for i in res:print(i)总结

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 sequencesorted(iterable，key=None,reverse=False)

内置函数
匿名函数
递归
=====================作业一
#用map来处理字符串列表啊,把列表中所有人都变成sb,比方alex_sb
name=['alex','wupeiqi','yuanhao']#用map来处理下述l，然后用list得到一个新的列表，列表中每个人的名字都是sb结尾
>>> l=[{'name':'alex'},{'name':'y'}]
>>> x=map(lambda i:{'name':i['name']+'sb'},l)
>>> for i in x:
...  print(i)
...
{'name': 'alexsb'}
{'name': 'ysb'}=====================作业二
#用filter来处理,得到股票价格大于20的股票名字
shares={'IBM':36.6,'Lenovo':23.2,'oldboy':21.2,'ocean':10.2,
}
>>> f=filter(lambda k:shares[k]>20,shares)
>>> list(f)
['IBM', 'Lenovo', 'oldboy']=====================作业三
#如下，每个小字典的name对应股票名字，shares对应多少股，price对应股票的价格
portfolio = [{'name': 'IBM', 'shares': 100, 'price': 91.1},{'name': 'AAPL', 'shares': 50, 'price': 543.22},{'name': 'FB', 'shares': 200, 'price': 21.09},{'name': 'HPQ', 'shares': 35, 'price': 31.75},{'name': 'YHOO', 'shares': 45, 'price': 16.35},{'name': 'ACME', 'shares': 75, 'price': 115.65}
]1:map来得出一个包含数字的迭代器，数字指的是：购买每支股票的总价格
>>> m=map(lambda item:item['shares']*item['price'],l)2:基于1的结果，用reduce来计算，购买这些股票总共花了多少钱
>>> r=reduce(lambda x,y:x+y,m)
>>> r
51009.753：用filter过滤出，单价大于100的股票有哪些
>>> f=filter(lambda item:item['price'] > 100,l)