---恢复内容开始---
一、filter函数
filter() 函数用于过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表。
该接收两个参数，第一个为函数，第二个为序列，对序列中每个元素进行for循环，然后将每个元素传递给第一个位置的函数，然后返回 True 或 False，最后将返回 True 的元素放到新列表中
1、使用for循环将前面包含sb的文本过滤出来，
moive_people = [‘sb_alex‘,‘sb_wupeiqi‘,‘yuanhao‘,‘sb_lihaifeng‘]
def filter_test(array):
ret = []
for p in array:
if not p.startswith("sb"):
ret.append(p)
return ret
print(filter_test(moive_people)) #[‘yuanhao‘]
2、将后面包含sb的文本过滤出来，如果还按照上面的方法写就显得很麻烦，而且代码重复，可以将for循环的主体部分使用函数定义独立出来，方便后续进行代码维护
1 moive_people = [‘alex_sb‘,‘sb_wupeiqi_sb‘,‘yuanhao‘,‘sb_lihaifeng_sb‘] 2 def sb_show(n): 3 return n.endswith(‘sb‘) 4 def filter_test(func,array): 5 ret = [] 6 for p in array: 7 if not func(p): 8 ret.append(p) 9 return ret 10 print(filter_test(sb_show,moive_people)) #[‘yuanhao‘]
备注：在上面的代码中，我将p.endswith()预先定义函数，然后后续直接调用函数，如果还有变化，只需要使用函数定义出来，然后直接调用；
3、对2的函数进行优化，将预先定义的sb_show函数使用lambda匿名函数进行替换，减少代码数量
1 def filter_test(func,array): 2 ret = [] 3 for p in array: 4 if not func(p): 5 ret.append(p) 6 return ret 7 print(filter_test(lambda n:n.endswith(‘sb‘),moive_people))
4、filter函数
1 moive_people = [‘alex_sb‘,‘sb_wupeiqi_sb‘,‘yuanhao‘,‘sb_lihaifeng_sb‘] 2 #下面的结果是一个内存地址，如果要获取值，需要进行list 3 #<filter object at 0x0000026CB0A4FAC8> 4 print(filter(lambda n:n.endswith(‘sb‘),moive_people)) 5 #[‘alex_sb‘, ‘sb_wupeiqi_sb‘, ‘sb_lihaifeng_sb‘] 6 print(list(filter(lambda n:n.endswith(‘sb‘),moive_people))) 7 #[‘alex_sb‘, ‘sb_wupeiqi_sb‘, ‘sb_lihaifeng_sb‘] 8 res= filter(lambda n:n.endswith(‘sb‘),moive_people) 9 print(list(res))
二、reduce函数
reduce() 函数会对参数序列中元素进行累积。
函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给 reduce 中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果
1、采用for循环的方法进行实现
1 num1 = range(1,101) 2 res= 0 3 for i in num1: 4 res = res+i 5 6 print(res) #5050
2、使用函数的方式进行实现
1 num1 = range(1,101) 2 def reduce_test(array): 3 4 res= 0 5 for i in array: 6 res = res+i 7 return(res) 8 print(reduce_test(num1)) #5050
3、对序列中的每个元素进行乘积
1 num1 = range(1,6) 2 def mul(x,y): 3 return x*y 4 def reduce_test(func,array): 5 res =1 6 for i in array: 7 res = func(res,i) 8 return res 9 print(reduce_test(mul,num1))
4、对3函数进行优化
1 def reduce_test(func,array): 2 res =1 3 for i in array: 4 res = func(res,i) 5 return res 6 print(reduce_test(lambda x,y:x*y,num1))
5、对4函数进行优化，对函数增加一个默认参数
1 num1 = [1,2,3,4,5,6] 2 # def mul(x,y): 3 # return x*y 4 def reduce_test(func,array,init=None): 5 if init is None: 6 res = array.pop(0) 7 else: 8 res= init 9 for i in array: 10 print(i) 11 res = func(res,i) 12 return res 13 print(reduce_test(lambda x,y:x*y,num1,100))
6、reduce函数
1 from functools import reduce 2 num1 = [1,2,3,4,5,6] 3 4 print(reduce(lambda x,y:x+y,num1,1)) #22 5 print(reduce(lambda x,y:x*y,num1,10)) #7200 6 print(reduce(lambda x,y:x/y,num1,100)) #0.1388888888888889
三、map函数
对序列中元素进行for循环，然后对每个元素进行逻辑处理
1、对列表中的元素进行平方处理
1 num1 = [1,2,3,4,5,6] 2 ret= [] 3 for i in num1: 4 ret.append(i**2) 5 print(ret)
2、对列表中的元素进行自增加1处理
1 num1 = [1,2,3,4,5,6] 2 ret= [] 3 for i in num1: 4 ret.append(i+1) 5 print(ret)
3、使用函数方式进行处理
1 num1 = [1,2,3,4,5,6] 2 def map_test(array): 3 res =[] 4 for i in array: 5 res.append(i+1) 6 return res 7 print(map_test(num1)) #[2, 3, 4, 5, 6, 7]
4、对3函数进行优化，将for循环的主体代码部分预先使用函数进行定义
1 num1 = [1,2,3,4,5,6] 2 def reduce_one(x): 3 return x+1 4 def map_test(func,array): 5 res =[] 6 for i in array: 7 res.append(func(i)) 8 return res 9 print(map_test(reduce_one,num1)) #[2, 3, 4, 5, 6, 7]
如果需求有其他变化，只需要对将函数定义出来，然后进行调用就可以了
5、对4函数进行优化，使用lambda函数进行代替
1 num1 = [1,2,3,4,5,6] 2 # def reduce_one(x): 3 # return x+1 4 def map_test(func,array): 5 res =[] 6 for i in array: 7 res.append(func(i)) 8 return res 9 print(map_test(lambda x:x+1,num1)) #[2, 3, 4, 5, 6, 7]
6、map函数
1 num1 = [1,2,3,4,5,6] 2 print(map(lambda x:x+1,num1)) #<map object at 0x0000025C4059F908> 3 print(list(map(lambda x:x+1,num1))) #[2, 3, 4, 5, 6, 7]
---恢复内容结束---
一、filter函数
filter() 函数用于过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表。
该接收两个参数，第一个为函数，第二个为序列，对序列中每个元素进行for循环，然后将每个元素传递给第一个位置的函数，然后返回 True 或 False，最后将返回 True 的元素放到新列表中
1、使用for循环将前面包含sb的文本过滤出来，
moive_people = [‘sb_alex‘,‘sb_wupeiqi‘,‘yuanhao‘,‘sb_lihaifeng‘]
def filter_test(array):
ret = []
for p in array:
if not p.startswith("sb"):
ret.append(p)
return ret
print(filter_test(moive_people)) #[‘yuanhao‘]
2、将后面包含sb的文本过滤出来，如果还按照上面的方法写就显得很麻烦，而且代码重复，可以将for循环的主体部分使用函数定义独立出来，方便后续进行代码维护
1 moive_people = [‘alex_sb‘,‘sb_wupeiqi_sb‘,‘yuanhao‘,‘sb_lihaifeng_sb‘] 2 def sb_show(n): 3 return n.endswith(‘sb‘) 4 def filter_test(func,array): 5 ret = [] 6 for p in array: 7 if not func(p): 8 ret.append(p) 9 return ret 10 print(filter_test(sb_show,moive_people)) #[‘yuanhao‘]
备注：在上面的代码中，我将p.endswith()预先定义函数，然后后续直接调用函数，如果还有变化，只需要使用函数定义出来，然后直接调用；
3、对2的函数进行优化，将预先定义的sb_show函数使用lambda匿名函数进行替换，减少代码数量
1 def filter_test(func,array): 2 ret = [] 3 for p in array: 4 if not func(p): 5 ret.append(p) 6 return ret 7 print(filter_test(lambda n:n.endswith(‘sb‘),moive_people))
4、filter函数
1 moive_people = [‘alex_sb‘,‘sb_wupeiqi_sb‘,‘yuanhao‘,‘sb_lihaifeng_sb‘] 2 #下面的结果是一个内存地址，如果要获取值，需要进行list 3 #<filter object at 0x0000026CB0A4FAC8> 4 print(filter(lambda n:n.endswith(‘sb‘),moive_people)) 5 #[‘alex_sb‘, ‘sb_wupeiqi_sb‘, ‘sb_lihaifeng_sb‘] 6 print(list(filter(lambda n:n.endswith(‘sb‘),moive_people))) 7 #[‘alex_sb‘, ‘sb_wupeiqi_sb‘, ‘sb_lihaifeng_sb‘] 8 res= filter(lambda n:n.endswith(‘sb‘),moive_people) 9 print(list(res))
二、reduce函数
reduce() 函数会对参数序列中元素进行累积。
函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给 reduce 中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果
1、采用for循环的方法进行实现
1 num1 = range(1,101) 2 res= 0 3 for i in num1: 4 res = res+i 5 6 print(res) #5050
2、使用函数的方式进行实现
1 num1 = range(1,101) 2 def reduce_test(array): 3 4 res= 0 5 for i in array: 6 res = res+i 7 return(res) 8 print(reduce_test(num1)) #5050
3、对序列中的每个元素进行乘积
1 num1 = range(1,6) 2 def mul(x,y): 3 return x*y 4 def reduce_test(func,array): 5 res =1 6 for i in array: 7 res = func(res,i) 8 return res 9 print(reduce_test(mul,num1))
4、对3函数进行优化
1 def reduce_test(func,array): 2 res =1 3 for i in array: 4 res = func(res,i) 5 return res 6 print(reduce_test(lambda x,y:x*y,num1))
5、对4函数进行优化，对函数增加一个默认参数
1 num1 = [1,2,3,4,5,6] 2 # def mul(x,y): 3 # return x*y 4 def reduce_test(func,array,init=None): 5 if init is None: 6 res = array.pop(0) 7 else: 8 res= init 9 for i in array: 10 print(i) 11 res = func(res,i) 12 return res 13 print(reduce_test(lambda x,y:x*y,num1,100))
6、reduce函数
1 from functools import reduce 2 num1 = [1,2,3,4,5,6] 3 4 print(reduce(lambda x,y:x+y,num1,1)) #22 5 print(reduce(lambda x,y:x*y,num1,10)) #7200 6 print(reduce(lambda x,y:x/y,num1,100)) #0.1388888888888889
三、map函数
对序列中元素进行for循环，然后对每个元素进行逻辑处理
1、对列表中的元素进行平方处理
1 num1 = [1,2,3,4,5,6] 2 ret= [] 3 for i in num1: 4 ret.append(i**2) 5 print(ret)
2、对列表中的元素进行自增加1处理
1 num1 = [1,2,3,4,5,6] 2 ret= [] 3 for i in num1: 4 ret.append(i+1) 5 print(ret)
3、使用函数方式进行处理
1 num1 = [1,2,3,4,5,6] 2 def map_test(array): 3 res =[] 4 for i in array: 5 res.append(i+1) 6 return res 7 print(map_test(num1)) #[2, 3, 4, 5, 6, 7]
4、对3函数进行优化，将for循环的主体代码部分预先使用函数进行定义
1 num1 = [1,2,3,4,5,6] 2 def reduce_one(x): 3 return x+1 4 def map_test(func,array): 5 res =[] 6 for i in array: 7 res.append(func(i)) 8 return res 9 print(map_test(reduce_one,num1)) #[2, 3, 4, 5, 6, 7]
如果需求有其他变化，只需要对将函数定义出来，然后进行调用就可以了
5、对4函数进行优化，使用lambda函数进行代替
1 num1 = [1,2,3,4,5,6] 2 # def reduce_one(x): 3 # return x+1 4 def map_test(func,array): 5 res =[] 6 for i in array: 7 res.append(func(i)) 8 return res 9 print(map_test(lambda x:x+1,num1)) #[2, 3, 4, 5, 6, 7]
6、map函数
1 num1 = [1,2,3,4,5,6] 2 print(map(lambda x:x+1,num1)) #<map object at 0x0000025C4059F908> 3 print(list(map(lambda x:x+1,num1))) #[2, 3, 4, 5, 6, 7]
四、其他内置函数
1、zip函数
zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。
如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表。zip函数的作用类似于拉链
1 print(list(zip((‘张三‘),(1,2))))#[(‘张‘, 1), (‘三‘, 2)]
2 print(zip((‘张三‘),(1,2))) #<zip object at 0x00000230F8D54B88>
3 #[(‘M‘, 1), (‘y‘, 2), (‘ ‘, 3)]
4 print(list(zip((‘My name is zhangsan‘),(1,2,3))))
5 print(list(zip((‘My‘),(1,2,3,4)))) #[(‘M‘, 1), (‘y‘, 2)]
6
7 ###使用zip函数将字典中的key与value值一一对应
8 p = {‘name‘:‘alex‘,‘age‘:18,‘gender‘:‘none‘}
9 print(p.keys()) #dict_keys([‘name‘, ‘age‘, ‘gender‘])
10 print(p.values()) #dict_values([‘alex‘, 18, ‘none‘])
11 print(list(p.keys())) #[‘name‘, ‘age‘, ‘gender‘]
12 print(list(p.values())) #[‘alex‘, 18, ‘none‘]
13 #[(‘name‘, ‘alex‘), (‘age‘, 18), (‘gender‘, ‘none‘)]
14 print(list(zip(p.keys(),p.values())))
15 print(zip(p.keys(),p.values())) #<zip object at 0x0000027B47A84F48>
2、max、min函数
（1）、单纯数字的比较
1 l3 = [12,34,130,-1,44] 2 print(max(l3)) #130 3 print(min(l3))#-1
（2）、字典的比较
1 age_dict = {‘age1‘:18,‘age3‘:30,‘age4‘:87}
2 #求出年龄最大的
3 print(max(age_dict.values())) #87
4 #默认比较key值
5 print(max(age_dict))
6 #求出年龄最大的keys与values
7
8 print(list(max(zip(age_dict.values(),age_dict.keys())))) #[87, ‘age4‘]
1 l = [ 2 (1,‘a‘), 3 (2,‘b‘), 4 (3,‘e‘), 5 (5,‘f‘) 6 ] 7 print(max(l)) 8 9 10 l1 = [‘a10‘,‘b13‘,‘d13‘] 11 print(list(max(l1))) #[‘d‘, ‘1‘, ‘3‘] 12 13 # l2 = [‘a10‘,‘b13‘,‘d13‘,10] 14 # #TypeError: ‘>‘ not supported between instances of ‘int‘ and ‘str‘ 15 # print(list(max(l2)))
3、chr、ord函数
1 # print(chr(97)) #a，chr的作用是将数字在ascii码表中的值显示出来 2 # print(ord(‘c‘)) #99 3 # print(chr(33)) #! ascii码表中的33对应的值为‘!‘
4、pow函数
1 print(pow(2,3)) #2**3 2 print(pow(2,3,2)) #2**3%2
5、reversed 反转
6、round四舍五入
7、set（）转换为集合
8、slice（） 切片
1 l = ‘hello‘ 2 print(l[2:5]) 3 s= slice(3,5) 4 s1 = slice(1,4,2) 5 print(s)
9、sorted 排序
10、str
11、type
12、vars
13、__imprort__
原文地址：https://www.cnblogs.com/tengjiang/p/9424783.html