目录
学习!
大部分内置函数经常搭配lambda函数使用
可迭代对象:字符串、列表、元组、字典、集合、文件对象
注意!!!!
在py3中部分函数的返回值是一个迭代器,不能多次遍历,(map、filter、zip、range)
在py2中部分函数的返回值是一个列表/元组/字符串/列表套元组,可多次遍历
实例如下:
# 1、搭配字符串使用
str1 = 'python'
for index,value in enumerate(str1):
print(f'{index}:{value}')
# 结果
0:p
1:y
2:t
3:h
4:o
5:n
# 2、搭配列表(元组一样)一起使用
l = ['Hammer','jason','tony']
for a,b in enumerate(l):
print(f'{a},{b}')
# 结果
0,Hammer
1,jason
2,tony
#3、搭配集合使用
s = {"aline","Hammer",18,'199****1234'}
for index,value in enumerate(s):
print(f'{index},{value}')
# 结果
0,Hammer
1,aline
2,18
3,199****1234
# 4、搭配字典使用
dic = {'name':'hammer','age':18,'number':'199***1234'}
for index,value in enumerate(dic):
# 这样是直接输出了字典的键
print(f'{index}:{value}')
# 结果
0:name
1:age
2:number
for index, value in enumerate(dic):
# 输出字典的值
print(f'{index}:{dic[value]}')
# 结果
0:hammer
1:18
2:199***1234
实例如下:
# 集合举例
s={'one','two','three','four'}
for index,value in enumerate(s):
print(f'{index}:{value}')
# 结果,1和one没有对应,因为集合的无序性
1:three
2:four
3:two
4:one
默认的输出的起始位置为0,可以修改默认起始位置
实例如下:
lst = ['HammerZe','jason','tony']
# 起始位置默认为0
for index,value in enumerate(lst):
print(f'{index}:{value}')
#修改默认位置为1,写start = 1 / 直接写1
for index,value in enumerate(lst,start=1):
print(f'{index}:{value}')
# 结果,写一块了
0:HammerZe
1:jason
2:tony
1:HammerZe
2:jason
3:tony
实例如下:
# map函数的使用,搭配lambda函数使用
'''案例1''':
# 定义一个可迭代对象
lst = [1,2,3,4,5]
# 用res接收map函数的返回值,转换成列表
# lambda函数作用:给lst列表中每一个元素加2
res = list(map(lambda x:x+2,lst))
print(res)
# 结果
[3, 4, 5, 6, 7]
'''案例2'''
# 面试题(提示:使用了map函数、lambda函数、列表解析)
# 一行代码实现,求10以内的偶数的平方和
print(sum(map(lambda x: x ** 2, [x for x in range(1, 10) if x % 2 == 0])))
#分步实现
# 1、遍历出1到10以内的偶数
even_num = [x for x in range(1,10) if x % 2 ==0] #[2, 4, 6, 8]
# 2、对每一个元素求平方用到映射和lambda计算公式
# print(even_num)
square_num = map(lambda x:x**2,even_num) # [4, 16, 36, 64]
#print(list(square_num))
# 3、最后求和
print(sum(square_num))
# 两个结果
120
实例如下:
l = [1,2,3,4]
# zip()函数传入一个参数
get_return = list(zip(l))
print(get_return)
# zip()函数传入两个等长的参数(列表和元组)
# 只要是可迭代对象不同类型也可以
l1 = [1,2,3,4]
l2 = ('HammerZe',18,'male','study')
get_return = list(zip(l1,l2))
print(get_return)
# zip()函数传入多个不等长的参数
l1 = [1,2,3,4]
l2 = ['HammerZe',18,'male','study']
l3 = ['name','age','gender','hobby','number','height']
get_return = list(zip(l1,l2,l3))
print(get_return) # l3的元素只输出了4个,以最短的列表为参考
# 三个示例结果:
[(1,), (2,), (3,), (4,)]
[(1, 'HammerZe'), (2, 18), (3, 'male'), (4, 'study')]
[(1, 'HammerZe', 'name'), (2, 18, 'age'), (3, 'male', 'gender'), (4, 'study', 'hobby')]
实例如下:
# 输出1-10以内的奇数
l = [1,2,3,4,5,6,7,8,9,10]
res = filter(lambda x:x%2==1,l)
print(list(res))
#结果
[1, 3, 5, 7, 9]
注意:在python 3.0.0.0以后, reduce已经不在built-in function里了, 需要from functools import reduce.
实例如下:
# 实现列表元素的累加
from functools import reduce
l = [1,2,3,4,5]
res = reduce(lambda x,y:x+y,l)
print(res)
# 结果
15
# 用列表解析+reduce实现
res = reduce(lambda x,y:x+y ,[x for x in range(1,6)])
print(res)
# 结果
15
#实现6的阶乘
res = reduce(lambda x,y:x*y ,[x for x in range(1,6)])
print(res)
实例如下:
# sum对列表求和
lst = [1,2,3,4]
print(sum(lst))
# 结果>>>>10
# 修改sum的默认值为1,作为列表的第一个元素传入
print(sum(lst,1))
# 结果>>>>11
max()和 min()函数就是求最大最小
格式:
实例如下:
# 常规用法
print(min(1, 2, 3, 4))
print(max(1, 2, 3, 4))
# 搭配lambda使用,比较字符大小用的是ASCII
dic = {1:'a',2:'b',3:'c'}
# 比较v的大小返回v
res = max(dic,key=lambda x:dic[x])
print(dic[res])
#结果
1
4
c
sort()函数应用到列表上,属于列表的内置方法,没有返回值,是对原列表进行排序操作
格式:
实例如下:
l = [1,5,6,9,7]
l.sort()
print(l)
# 结果
[1, 5, 6, 7, 9]
实例如下:
#搭配列表使用
l = [11,22,44,33,55]
res = sorted([i for i in l if i>30])
print(res,type(res))
# 结果
[33, 44, 55] <class 'list'>
# 搭配字典使用
dic = {1:"hammer",2:"jason",3:"tony"}
# 按key排序
print(sorted(dic))
print(sorted(dic.keys()))
# 按value排序,对比的是ASCII码
print(sorted(dic.values()))
#结果
[1, 2, 3]
[1, 2, 3]
['hammer', 'jason', 'tony']
# 搭配lambda使用
# 按照工资多少排序升序排列
lst = [{'salary':18000,'age':18,'name':'hammer'},
{'salary':10000,'age':28,'name':'jason'},
{'salary':20000,'age':38,'name':'tony'}]
print(sorted(lst, key=lambda x: x['salary']))
# 结果
[{'salary': 10000, 'age': 28, 'name': 'jason'},
{'salary': 18000, 'age': 18, 'name': 'hammer'},
{'salary': 20000, 'age': 38, 'name': 'tony'}]
!!!!!持续更新中,码字总结不易点个赞叭~!!!!!
手机扫一扫
移动阅读更方便
你可能感兴趣的文章