概览参见 https://www.runoob.com/python/python-built-in-functions.html
官方文档 https://docs.python.org/3/library/functions.html?highlight=built#ascii
0. 高阶函数
满足俩个特性任意一个即为高阶函数
1.函数的传入参数是一个函数名
2.函数的返回值是一个函数名
1. map() 函数
map
(function, iterable, ...) 即接收两种参数,函数 f 和 可迭代对象, map将传入的函数依次作用到序列的每个元素,返回的为迭代对象map类型。
用法举例:
num1 = [1, 2, 4, 7, 11] # lambda x: x+1 def add(x): return x+1 # lambda x: x**2 def pf(x): return x**2 def map_test(func, array): num2 = [] for i in array: res = func(i) num2.append(res) return num2 ret = map_test(lambda x: x+1, num1) print(ret) rett = map_test(lambda x: x**2, num1) print(rett) rettt = map(lambda x:x+1, num1) # 第一个参数为可用匿名函数或者有名函数,第二个参数为可迭代对象,返回值为可迭代对象 print(rettt) retttt = list(rettt) print(retttt) name = "helloworld" s = list(map(lambda x:x.upper(), name)) print(s) =============== [2, 3, 5, 8, 12] [1, 4, 16, 49, 121] <map object at 0x00000000022FAAC8> [2, 3, 5, 8, 12] [‘H‘, ‘E‘, ‘L‘, ‘L‘, ‘O‘, ‘W‘, ‘O‘, ‘R‘, ‘L‘, ‘D‘]
2. filter() 函数
filter
(function, iterable) filter()函数接收一个函数 f 和一个可迭代对象,这个函数 f 的作用是对每个元素进行判断,返回 True或 False,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的可迭代对象。
用法举例:
people = [‘m_zhangsan_sb‘, ‘lisi‘, ‘m_wangwu_sb‘, ‘chenliu‘] # lambda x:x.endswith(‘sb‘) def end(n): return n.endswith(‘sb‘) def filter_test(func, array): ret = [] for i in array: if func(i): ret.append(i) return ret a = filter_test(lambda x:x.endswith(‘sb‘), people) print(a) l = list(filter(lambda x: x.endswith(‘sb‘), people)) print(l) =============== [‘m_zhangsan_sb‘, ‘m_wangwu_sb‘] [‘m_zhangsan_sb‘, ‘m_wangwu_sb‘]
3. reduce() 函数
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。
例如,编写一个f函数,接收x和y,返回x和y的和:
1 2 |
|
调用 reduce(f, [1, 3, 5, 7, 9])时,reduce函数将做如下计算:
1 2 3 4 5 |
|
上述计算实际上是对 list 的所有元素求和。虽然Python内置了求和函数sum(),但是,利用reduce()求和也很简单。
reduce()还可以接收第3个可选参数,作为计算的初始值。如果把初始值设为100,计算:
1 |
|
结果将变为125,因为第一轮计算是:
计算初始值和第一个元素:f(100, 1),结果为101。
用法举例:
num1 = [1,2,3,4] def reduce_test(func, array, init=None): if init == None: res = array.pop(0) else: res = init for i in array: res = func(res, i) return res a = reduce_test(lambda x,y:x*y, num1) print(a) # 先导入库 from functools import reduce b = reduce(lambda x,y:x*y, num1, 100) print(b) ============ 24 2400
4. zip() 函数
zip
(*iterables)
zip函数接受任意多个(包括0个和1个)序列作为参数,返回一个tuple列表。具体意思不好用文字来表述,直接看示例:
1.示例1:
x = [1, 2, 3] y = [4, 5, 6] z = [7, 8, 9] xyz = zip(x, y, z) print xyz
运行的结果是:
[(1, 4, 7), (2, 5, 8), (3, 6, 9)]
从这个结果可以看出zip函数的基本运作方式。
2.示例2:
x = [1, 2, 3] y = [4, 5, 6, 7] xy = zip(x, y) print xy
运行的结果是:
[(1, 4), (2, 5), (3, 6)]
从这个结果可以看出zip函数的长度处理方式。
3.示例3:
x = [1, 2, 3] x = zip(x) print x
运行的结果是:
[(1,), (2,), (3,)]
从这个结果可以看出zip函数在只有一个参数时运作的方式。
4.示例4:
x = zip() print x
运行的结果是:
[]
从这个结果可以看出zip函数在没有参数时运作的方式。
5.示例5:
x = [1, 2, 3] y = [4, 5, 6] z = [7, 8, 9] xyz = zip(x, y, z) u = zip(*xyz) print u
运行的结果是:
[(1, 2, 3), (4, 5, 6), (7, 8, 9)]
一般认为这是一个unzip的过程,它的运行机制是这样的:
在运行zip(*xyz)之前,xyz的值是:[(1, 4, 7), (2, 5, 8), (3, 6, 9)]
那么,zip(*xyz) 等价于 zip((1, 4, 7), (2, 5, 8), (3, 6, 9))
所以,运行结果是:[(1, 2, 3), (4, 5, 6), (7, 8, 9)]
注:在函数调用中使用*list/tuple的方式表示将list/tuple分开,作为位置参数传递给对应函数(前提是对应函数支持不定个数的位置参数)
6.示例6:
x = [1, 2, 3] r = zip(* [x] * 3) print r
运行的结果是:
[(1, 1, 1), (2, 2, 2), (3, 3, 3)]
它的运行机制是这样的:
[x]生成一个列表的列表,它只有一个元素x
[x] * 3生成一个列表的列表,它有3个元素,[x, x, x]
zip(* [x] * 3)的意思就明确了,zip(x, x, x)
5. max() min() 函数 (跟sort()可类比)
max(iterable, key, default) 求迭代器的最大值,其中iterable 为迭代器,max会for i in … 遍历一遍这个迭代器,然后将迭代器的每一个返回值当做参数传给key=func 中的func(一般用lambda表达式定义) ,然后将func的执行结果传给key,然后以key为标准进行大小的判断。
以下根据不同的判断条件返回最大值也不同
d1 = {‘name‘: ‘egon‘, ‘price‘: 100} d2 = {‘name‘: ‘rdw‘, ‘price‘: 666} d3 = {‘name‘: ‘zat‘, ‘price‘: 1} l1 = [d1, d2, d3] a = max(l1, key=lambda x: x[‘name‘]) print(a) b = max(l1, key=lambda x: x[‘price‘]) print(b) ===================
{‘name‘: ‘zat‘, ‘price‘: 1}
{‘name‘: ‘rdw‘, ‘price‘: 666}
people = [ {‘name‘: ‘zs‘, ‘age‘: 1}, {‘name‘: ‘ls‘, ‘age‘: 2}, {‘name‘: ‘ww‘, ‘age‘: 6}, {‘name‘: ‘cl‘, ‘age‘: 4} ] a = max(people, key=lambda dic:dic[‘age‘]) print(a) ================= {‘name‘: ‘ww‘, ‘age‘: 6}