函数使用
零碎知识
-
灵活的if-else
a = 3 if False else 5 # 上下两种写法等价 # if False: # a = 3 # else: # a = 5 print(a) -
灵活的and/or
# 前面的表达式为真，才会执行后面的表达式 a = True and 3 print(a) # 前面的表达式为假，后面的表达式根本无需执行 b = False and 5 print(b) # 前面的表达式值真，后面的表达式无需执行 c = True or 3 print(c) # 前面的表达式为假，需要后面表达式的判断 d = False or 5 print(d) -
类型判断
a = 250 # print(type(a)) # if type(a) == int: if type(a) == type(1): print('a', '是一个整数') # 判断一个对象是不是某种类型的一个实例 print(isinstance(a, int)) print(isinstance(a, str)) def test(): pass # print(type(test)) # 用能使用这种方式进行函数类型的判断 # print(isinstance(test, function)) from inspect import isfunction # 判断一个标识符是否是函数 print(isfunction(test)) print(isfunction(a)) -
变量地址
# 获取变量地址 print(id(a)) b = 10 print(id(b)) # a和b地址相同 lt = [1, 2, 3] print(id(lt)) lt2 = [1, 2, 3] print(id(lt2)) # lt和lt2地址不同
生成器
-
使用场景：
在使用列表时，很多时候我们不会一下子使用数据，通常都是一个一个使用；当数据量较大的时候，定义一个列表会是程序内存占用突然增大，为了解决此类问题，python中引入了生成器。
-
生成方式：
- 方式1：将列表生成式的[]改为()即可
# 列表生成式 # lt = [i for i in range(10)] # print(lt) lt = (i for i in range(3)) print(lt) # 可以转换为列表 # print(list(lt)) # 可以进行遍历 # for i in lt: # print(i) # 可以一个一个提取，当提取结束后再次提取会报StopIteration错 print(next(lt)) print(next(lt)) print(next(lt)) print(next(lt))- 方式2：在函数中使用yield关键字
''' # 当数据量特别大的时候，占用内存会突然增大 def test(n): lt = [] for i in range(1, n+1): lt.append(i) return lt print(test(10)) ''' def test(n): for i in range(1, n+1): # 执行到此处，函数会返回yield后的内容，然后会停止在这里 yield i t = test(3) # print(t) # 可以一个一个提取 # print(next(t)) # print(next(t)) # print(next(t)) # 可以遍历 # for i in t: # print(i) # 可以转换为列表 print(list(t)) -
使用说明：
- 生成器对象保存的是特定数据的生成算法，而不是特定的所有数据
- 使用任意一种方式操作，都是单次的
- 生成器可以做的操作：遍历、next、转换为列表
迭代器
-
定义：能够使用for-in进行遍历，并且可以使用next函数进行迭代的对象
-
说明：
- 生成器就是一种特殊的迭代器
- 判断一个对象是否是迭代器
from collections import Iterator # 判断是否是迭代器 print(isinstance(lt, Iterator))- 字符串及容器类型的对象都不是迭代器，他们都是可迭代对象
可迭代对象
-
定义：可以使用for-in遍历的对象，都是可迭代对象
-
说明：
- 前面学习过的字符串及容器类型的对象都是可迭代对象
- 迭代器一定是可迭代对象
- 判断一个对象是否是可迭代对象
from collections import Iterable, Iterator lt = [1, 2, 3] # 判断是否是可迭代对象 print(isinstance(lt, Iterable)) # 判断是否是迭代器 print(isinstance(lt, Iterator))- iter：可以将可迭代对象转换为迭代器
lt = [1, 2, 3] # 将可迭代对象转换为迭代器 lt2 = iter(lt)
random
-
示例：
import random # 生成指定范围内的随机整数 print(random.randint(1, 10)) # 生成0~1之间的随机小数 print(random.random()) # 生成指定范围内的随机整数，可以指定步幅 print(random.randrange(1, 10, 2)) lt = [1, 2, 3, 4, 5, 6, 7] # 从容器对象或字符串中随机挑选一个元素 print(random.choice(lt)) # print(random.choice('ashdaiapo')) # 从容器对象中随机挑取指定个数的元素 print(random.sample(lt, 3)) # 从容器对象中随机挑取一个元素，sample函数个数为1的情况 print(random.choices(lt)) # 打乱一个列表 random.shuffle(lt) print(lt)
高级函数
-
map
- 参数：
func：一个函数 iter：一个可迭代对象- 功能：
将可迭代对象遍历，每个元素都使用该函数处理一遍，然后返回，保存这种算法的迭代器
- 使用：
from collections import Iterator lt = [1, 2, 3, 4, 5] def pingfang(n): return n * n # 返回map对象，是一个迭代器 # ret = map(pingfang, lt) ret = map(lambda x: x*x, lt) print(isinstance(ret, Iterator)) print(list(ret)) # print(next(ret)) # print(next(ret)) -
练习：
- 熟悉字符串函数：strip、lstrip、rstrip
- 使用map函数：将一个元素全是字符串的列表进行处理，去掉两边空白，然后首字符大写
-
filter
- 参数
function：一个函数 iterable：可迭代对象-
功能：
使用function依次作用于可迭代对象中的每个元素，当返回结果为True时保留该元素。返回filter对象，是一个迭代器。
-
示例：
lt = [1, 2, 3, 4, 5] def oushu(n): return n%2 == 0 # 返回filter对象，是一个迭代器 # ret = filter(oushu, lt) ret = filter(lambda x: x%2 != 0, lt) print(ret) print(list(ret)) # print(next(ret))- 练习：使用filter函数，提取一个任意列表中长度大于3的字符串元素。
-
reduce
- 参数
function：一个函数 sequence：一个序列- 功能：
- 首先从序列中取出前两个元素，作为function的参数处理一下
- 处理完的结果与下一个元素再使用function处理一下
- 处理结束，将处理完的结果返回
- 示例：
from functools import reduce lt = [1, 2, 3, 4, 5] def add(a, b): return a + b # ret = reduce(add, lt) # ret = reduce(lambda x, y: x*y, lt) ret = reduce(lambda x, y: x*10 + y, lt) print(ret)