(1)字符串反转
1倒序输出
s = ‘abcde‘
print(s[::-1])
#输出: ‘edcba‘2 列表reverse()操作
s = ‘abcde‘
lt = list(s)
lt.reverse()
print(‘‘.join(lt))
#输出: ‘edcba‘3 二分法交换位置
s = ‘abcde‘
lt = list(s)
for i in range(len(l) // 2):
lt[i], lt[-(i+1)] = lt[-(i+1)], lt[i]
print(‘‘.join(lt))
#输出: ‘edcba‘4 列表生成式
s = ‘abcde‘
print(‘‘.join([s[i-1] for i in range(len(s), 0, -1)]))
#输出: ‘edcba‘5 栈的思想
s = ‘abcde‘
lt = list(s)
res = ‘‘
while lt:
res += lt.pop()
print(res)
#输出: ‘edcba‘6 递归的思路
def res_str(s):
if len(s) == 1:
return s
head = s[0]
tail = s[1:]
return res_str(tail)+head
res_str(‘abcd‘)
#输出: ‘dcba‘(2)冒泡排序
采用循环
import numpy as np
def bubble_sort(arr):
for i in range(1,arr.size):
for j in range(arr.size-1):
if arr[j] > arr[j+1]:
arr[j],arr[j+1] = arr[j+1],arr[j]
print(arr)
arr = np.array([4,7,8,9,3,6,7,9,4,0])
bubble_sort(arr)采用数组中的partition,用递归实现
import numpy as np
def quick_sort(arr):
if arr.size == 1:
return arr
_arr = np.partition(arr,1) #在索引1前面的一定是最小值
return np.append(_arr[:1],quick_sort(_arr[1:]))
quick_sort(arr)
def quick_sort2(arr):
if arr.size < 2:
return arr
_arr = np.partition(arr,1) #在索引2前面的一定是最小值
return np.append(_arr[:2],quick_sort2(_ar/r[2:]))
quick_sort2(arr)(3)高阶函数用法
map函数的用法
map : map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回。
>>> list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
[‘1‘, ‘2‘, ‘3‘, ‘4‘, ‘5‘, ‘6‘, ‘7‘, ‘8‘, ‘9‘]map()传入的第一个参数是f，即函数对象本身。由于结果r是一个Iterator，Iterator是惰性序列，因此通过list()函数让它把整个序列都计算出来并返回一个list。
reduce函数的用法
reduce把一个函数作用在一个序列[x1, x2, x3, ...]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算，其效果就是：
把序列[1, 3, 5, 7, 9]变换成整数13579，reduce就可以派上用场
from functools import reduce
>>> def func(x, y):
... return x * 10 + y
...
>>> reduce(func, [1, 3, 5, 7, 9])
13579如果是完成字符串转数字了,那么就可以采用map与reduce组合
>>> from functools import reduce
>>> def func(x, y):
... return x * 10 + y
...
>>> def tran(s):
... digits = {‘0‘: 0, ‘1‘: 1, ‘2‘: 2, ‘3‘: 3, ‘4‘: 4, ‘5‘: 5, ‘6‘: 6, ‘7‘: 7, ‘8‘: 8, ‘9‘: 9}
... return digits[s]
...
>>> reduce(func, map(tran, ‘13579‘))
13579
>>>reduce(lambda x,y:10*x+y, map(tran,‘13579‘)) #字符串也是可迭代的
13579对于一般的函数表达式我们建议采用lambda函数实现,下面我们用lambda函数改写
>>>reduce(lambda x,y: x*10+y , [1,3,5,7,9])
13579
>>>reduce(lambda x,y:10*x+y, map(int,[‘1‘,‘3‘,‘5‘,‘7‘,‘9‘]))
13579
>>>reduce(lambda x,y:10*x+y, map(int,[‘1‘,‘3‘,‘5‘,‘7‘,‘9‘]))
13579filter过滤函数
filter()也接收一个函数和一个序列。和map()不同的是，filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。
见用filter()这个高阶函数，关键在于正确实现一个“筛选”函数。
def not_empty(s):
return s and s.strip()
list(filter(not_empty, [‘A‘, ‘‘, ‘B‘, None, ‘C‘, ‘ ‘]))
# 结果: [‘A‘, ‘B‘, ‘C‘]注意到filter()函数返回的是一个Iterator，也就是一个惰性序列，所以要强迫filter()完成计算结果，需要用list()函数获得所有结果并返回list。
一般我们也会与lambda函数配合,非常方便的取代if判断效果.
class BookViewModel:
self.publisher = book[‘publisher‘]
self.author = book[‘author‘]
self.price = book[‘price‘]
def intro(self):
intros = filter(lambda x:True if x else False,[self.author,self.publisher,self.price])
return ‘/‘.join(str(s) for s in intros)lambda x:True if x else False可以实现对x是否为空的判定,X存在返回True,并保留,X不存在返回空并排除.
注意:join函数组合可迭代对象时,当对象中存在数字与字符串类型不同时,需要转成统一格式再组合.一般采 取的做法是先遍历可迭代对象转统一格式后合并.
‘/‘.join(str(s) for s in intros)
sorted函数
Python内置的sorted()函数
>>> sorted([36, 5, -12, 9, -21])
[-21, -12, 5, 9, 36]sorted()函数也是一个高阶函数，它还可以接收一个key函数来实现自定义的排序，例如按绝对值大小排序：
>>> sorted([36, 5, -12, 9, -21], key=abs)
[5, 9, -12, -21, 36]字符串的排序
>>> sorted([‘bob‘, ‘about‘, ‘Zoo‘, ‘Credit‘])
[‘Credit‘, ‘Zoo‘, ‘about‘, ‘bob‘]默认情况下，对字符串排序，是按照ASCII的大小比较的，由于‘Z‘ < ‘a‘，结果，大写字母Z会排在小写字母a的前面。
sorted函数中key可以实现用户自定义排序规则,而不仅仅限于简单排序
>>> sorted([‘bob‘, ‘about‘, ‘Zoo‘, ‘Credit‘], key=str.lower, reverse=True)
[‘Zoo‘, ‘Credit‘, ‘bob‘, ‘about‘]key=str.lower 按照统一小写排序, reverse=True实现反向排序.
(4)@property
Python内置的@property装饰器就是负责把一个方法变成属性调用的：
class Student(object):
@property
def score(self):
return self._score
@score.setter
def score(self, value):
if not isinstance(value, int):
raise ValueError(‘score must be an integer!‘)
if value < 0 or value > 100:
raise ValueError(‘score must between 0 ~ 100!‘)
self._score = value把一个getter方法变成属性，只需要加上@property就可以了，此时，@property本身又创建了另一个装饰器@score.setter，负责把一个setter方法变成属性赋值
>>> s = Student()
>>> s.score = 60 # OK，实际转化为s.set_score(60)
>>> s.score # OK，实际转化为s.get_score()
60
>>> s.score = 9999
Traceback (most recent call last):
...
ValueError: score must between 0 ~ 100!最经典的地方是对于私有变量的存储 , 例如密码
class User(Base):
‘‘‘
模型属性设置
‘‘‘
id = Column(Integer, primary_key=True)
nickname = Column(String(24), nullable=False)
_password = Column(‘password‘,String(64))
@property
def password(self): #加上 @property类似将其变为getattr
return self._password
@password.setter #负责生成哈希加密
def password(self,raw):
self._password = generate_password_hash(raw)@property本身又创建了另一个装饰器@score.setter，负责把一个setter方法变成属性赋值,因此@password.setter负责生成hash密文并设置给私有属性self._password,通过调用 xxx.password就可获取值
(5) setattr hasattr getattr 动态操作属性
hasattr(object, name)
判断一个对象里面是否有name属性或者name方法，返回BOOL值，有name特性返回True， 否则返回False。getattr(object, name[,default])
获取对象object的属性或者方法，如果存在打印出来，如果不存在，打印出默认值，默认值可选。
需要注意的是，如果是返回的对象的方法，返回的是方法的内存地址.
setattr(object, name, values)
给对象的属性赋值，若属性不存在，先创建再赋值
>>> hasattr(t, "name") #判断对象有name属性
True
>>> hasattr(t, "run") #判断对象有run方法
True
>>> class test():
... name="xiaohua"
... def run(self):
... return "HelloWord"
...
>>> t=test()
>>> getattr(t, "name") #获取name属性，存在就打印出来。
‘xiaohua‘
>>> getattr(t, "run") #获取run方法，存在就打印出方法的内存地址。
<bound method test.run of <__main__.test instance at 0x0269C878>>
>>> getattr(t, "age") #获取一个不存在的属性。
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: test instance has no attribute ‘age‘
>>> getattr(t, "age","18") #若属性不存在，返回一个默认值
‘18‘
>>>
>>> hasattr(t, "age") #判断属性是否存在
False
>>> setattr(t, "age", "18") #为属相赋值，并没有返回值
>>> hasattr(t, "age") #属性存在了
True例如我们有需求保存用户数据
user = User()
user.name = form.name.data
user.phone_number = form.name.data
....实际应用中常常综合用来判断类实例对象是否含有某属性值 , 存在就获取 ,不存在就设置
#attrs_dict以字典的形式存储了用户的信息
def set_attrs(self, attrs_dict):
for key, value in attrs_dict.items():
#判断用户是否含有该属性
if hasattr(self, key) and key != ‘id‘:
#设置属性值
setattr(self, key, value) 原文地址：https://www.cnblogs.com/why957/p/9241711.html