Lambda表达式

Lambda表达式又被称之为匿名函数
格式
lambda 参数列表：函数体

def add(x,y): return x+y
print(add(3,4))
#上面的函数可以写成Lambda函数
add_lambda=lambda x,y:x+y
add_lambda(3,4)

map函数

函数就是有输入和输出，map的输入和输出对应关系如下图所示：

就是要把一个可迭代的对象按某个规则映射到新的对象上。
因此map函数要有两个参数，一个是映射规则，一个是可迭代对象。

list1=[1,2,3,4,5]
r=map(lambda x:x+x,list)
print(list1(r))

结果：[2,4,6,8,10]

m1=map(lambda x,y:x*x+y,[1,2,3,4,5],[1,2,3,4,5])
print(list(ml))

结果：[2,6,12,20,30]

filter函数

filter的输入和输出对应关系如下图所示（中间多了过滤条件）：

def is_not_none(s): return s and len(s.strip())>0
list2=['','','hello','xxxx', None,'ai']
result=filter(is_not_none, list2)
print(list(result))

结果：[‘hello’,‘xxxx’,‘ai’]

reduce函数

from functools import reduce
f=lambda x,y:x+y x=reduce(f,[1,2,3,4,5])
print(r)

结果：15=1+2+3+4+5
相当于每一次计算都是基于前一次计算的结果：

还可以为reduce计算添加初始值：

from functools import reduce
f=lambda x,y:x+y x=reduce(f,[1,2,3,4,5],10)
print(r)

结果：25=10+1+2+3+4+5

三大推导式

列表推导式

list1=[1,2,3,4,5,6]
f=map(lambda x:x+x,list1)
print(list(f))
list2=[i+i for i in list1]
print(list2)
list3=[i**3 for i in list1]
print(list3)
#筛选列表的例子
list4=[i*4 for i in list1 if i>3]
print(list4)
#结果
[2,4,6,8,10,12]
[2,4,6,8,10,12]
[1,8,27,64,125,216]
[16,25,36]

集合推导式

直接把上面代码copy下来，然后把列表改成集合

list1={1,2,3,4,5,6}list2={i+i for i in list1}
print(list2)
list3={i**3 for i in list1}
print(list3)
#筛选列表的例子
list4={i*4 for i in list1 if i>3}
print(list4)
#结果{2, 4, 6, 8, 10, 12}
{64, 1, 8, 216, 27, 125}#这里是乱序的
{16, 24, 20}

字典推导式

s={"zhangsan":20,
"lisi":15,
"wangwu":31
}
#拿出所有的key，并变成列表
s_key=[ key for key, value in s.items()]
print(s_key)
#结果
['zhangsan','lisi','wangwu']# 交换key和value位置，注意冒号的位置
s1={ value: key for key, value in s.items()}
print(s1)
#结果
{20:'zhangsan',15:'1isi',31:'wangwu'}s2={ key: value for key, value in s.items() if key=="1isi"}
print(s2)
#结果
{"lisi":15}

闭包

闭包：一个返回值是函数的函数

import time
def runtime(): def now_time(): print(time.time())return now_time #返回值是函数名字
f=runtime()#f就被赋值为一个函数now_time()了
f()#运行f相当于运行now_time()

再来看一个带参数的例子：
假设有一个csv文件，内容有三行，具体如下：
a,b,c,d,e
1,2,3,4,5
6,7,8,9,10

def make_filter(keep):# keep=8def the_filter(file_name): file=open(file name)#打开文件lines=file.readlines()#按行读取文件file.close()#关闭文件filter_doc=[i for i in lines if keep in i]#过滤文件内容return filter_doc return the_filterfilter1=make_filter("8")#这一行调用了make_filter函数，且把8做为参数传给了keep，接受了the_filter函数作为返回值
#这里的filter1等于函数the_filter
filter_result=filter1("data.csv")#把文件名data.csv作为参数传给了函数the_filter
print(filter_result)
#结果
['6,7,8,9,10']

装饰器、语法糖、注解

# 这是获取函数开始运行时间的函数
import time
def runtime(func): def get_time(): print(time.time())func()# run被调用 return get_time
@runtime
def run()print('student run')#运行
run()#结果
当前时间
student run

由于有装饰器@runtime的存在，会把run这个函数作为参数丢到runtime(func)里面去，如果调整打印时间代码的位置会有不同结果：

# 这是获取函数结束运行时间的函数
import time
def runtime(func): def get_time(): func()# run被调用   print(time.time())      return get_time
@runtime
def run()print('student run')#运行
run()#结果
student run
当前时间

这里还要注意，这里还用到了闭包的概念，在运行run函数的时候，调用的实际上是get_time函数。

对于多个参数的函数如何调用，看下面例子

#有一个参数
import time
def runtime(func): def get_time(i): func(i)# run被调用 print(time.time())      return get_time
@runtime
def run(i)print('student run')
#运行
run(1)

#有两个参数
import time
def runtime(func): def get_time(i,j): func(i,j)# run被调用 print(time.time())      return get_time
@runtime
def run(i,j)print('student run')
#运行
run(1,2)

可以发现，这样写对于函数的多态不是很好，因此可以写为：

#自动适配参数
import time
def runtime(func): def get_time(*arg): func(*arg)# run被调用   print(time.time())      return get_time
@runtime
def run(i)print('student1 run')@runtime
def run(i,j)print('student2 run')
#运行
run(1)
run(1,2)

再次进行扩展，更为普适的写法，可以解决传入类似i=4的关键字参数写法：

#自动适配参数
import time
def runtime(func): def get_time(*arg,**kwarg): func(*arg,**kwarg)# run被调用   print(time.time())      return get_time
@runtime
def run(i)print('student1 run')@runtime
def run(*arg,**kwarg)print('student2 run')@runtime
def run()print('no param run')
#运行
run(1)
run(1,2,j=4)
run()

番外.1.Python高级用法相关推荐

Python高级用法总结
Python很棒,它有很多高级用法值得细细思索,学习使用.本文将根据日常使用,总结介绍Python的一组高级特性,包括:列表推导式.迭代器和生成器.装饰器. 列表推导(list comprehensi ...
python高级用法技巧-Python高级用法总结
列表推导(list comprehensions) 场景1:将一个三维列表中所有一维数据为a的元素合并,组成新的二维列表. 最简单的方法:新建列表,遍历原三维列表,判断一维数据是否为a,若为a,则将该 ...
番外3. Python OpenCV 中如何绘制各种图形？
本系列专栏写作方式本系列专栏写作将采用首创的问答式写作形式,快速让你学习到 OpenCV 的初级.中级.高级知识. 3. Python OpenCV 中如何绘制各种图形? 本篇博客主要分享一下在 P ...
【Python100天学习笔记】番外篇 Python面试面经、笔试题目汇总
Python面试题汇总说明:下面的内容源于GitHub上名为interview_python的项目,对其内容进行了修订和补充. 文章目录 Python面试题汇总 Python语言特性 1 Pytho ...
python应用实例论文_番外篇——Python多进程应用实例一则
前言: 现在的电脑普遍进入多核时代,当我们需要做一些计算密集型任务时,运用并行计算能够发挥CPU的性能,也够大大的节省我们的时间.在现在的数据挖掘中,Python是一门非常强大的语言,语法直接明了,易 ...
用python内置函数算复杂度吗_番外篇: Python 面试感受
醒来有人说我刁难面试者, 我来解释一下, 我的面试环节一般是最后一个环节才会进行 python 基础的面试. 之前都是项目交流, 进入到最后这个环节的, 都是我认为项目 OK 的, 我对他的能力也是认 ...
python 按键精灵离线_(番外篇)Python操纵网盘客户端批量离线下载电影
上回(Python实现电影排行榜自动网盘下载(4)Cookies免登录+抓包下载)说到,一段时间内能进行多少次离线下载还是受限于验证码的输入. 在此有两个解决方案, 见招拆招通过GUI优化验证码输入 ...
python高级用法之命名元组namedtuple
tuple类型数据的获取: 大家都知道,元组里面的数据获取只能通过下标的方式去获取, 比如 : a = ('username', 'age', 'phone') 要获取username的话 ,就需要用 ...
关于多线程的那点事之番外篇 -Python
上一篇:关于多线程的那点事 -Python 哈喽各位小伙伴,很快啊,小泽马上就又更新了,速度简直不要太快! 上回咱们不是说了怎么开多线程嘛,那同样的,还有一个问题: 公司已经下班了,但是员工还在努力工 ...

番外.1.Python高级用法

目录