python 高阶内置函数

1.lambda 匿名函数

  lambda 参数: 返回值

  

  函数名统一都叫lambda.

2.sorted() 排序函数

  排序函数

  sorted(iterable,key,reverse)

  key:排序规则.

  运行流程:可迭代对象中的每一个元素都交给后面key函数来执行.

    得到一个数字(权重).通过这个数字进行排序

3.filter()过滤函数

  filter(function,iterable)

  把可迭代对象中的每一个元素交给前面的函数进行筛选.函数返回True或者False

4.map()映射函数

  map(function, iterable)

  把可迭代对象中的数据交给前面的函数进行执行,返回值就是map的处理结果

5.递归

  函数自己调用自己

  最大深度:1000. ps:到不了1000就停了

  

a = 1
def func():
    global a
    a += 1
    print(a)
    func()
func()

6.二分法

  核心掐头去尾取中间. 一次砍一半

  两种算法: 常规算法,递归算法

  lst = [22,33,44,55,66,77,88,99,101,238,345,456,567,6789,789]

def func(n, left, right):
    if left <= right: # 边界
        print('进行一次二分法')
        mid = (left + right) // 2
        if n > lst[mid]:
            left = mid + 1
            return func(n, left, right)
        elif n < lst[mid]:
            right = mid - 1
            return func(n, left, right)
        elif n == lst[mid]:
            print("找到了")
            return mid
            # return 通过 return返回. 终止递归
    else:
        print("没有这个数") # 递归出口
        return -1
ret = func(789,0,len(lst) - 1)
print(ret)

1,map来处理字符串列表,把列表中所有人都变成sb,比方alex_sb
    name=[
oldboy,'alex','wusir']

 

2,map来处理下述l,然后用list得到一个新的列表,列表中每个人的名字都是sb结尾
    l=[{'name':'alex'},{'name':'y'}]

 

3,filter来处理,得到股票价格大于20的股票名字

shares={
   'IBM':36.6,
   'Lenovo':23.2,
    'oldboy':21.2,
    'ocean':10.2,
    }

 

7,有下面字典,得到购买每只股票的总价格,并放在一个迭代器中。

结果:list一下[9110.027161.0,......]

portfolio = [

  {'name': 'IBM', 'shares': 100, 'price': 91.1},

    {'name': 'AAPL', 'shares': 50, 'price': 543.22},

    {'name': 'FB', 'shares': 200, 'price': 21.09},

    {'name': 'HPQ', 'shares': 35, 'price': 31.75},

    {'name': 'YHOO', 'shares': 45, 'price': 16.35},

{'name': 'ACME', 'shares': 75, 'price': 115.65}]

 

8,还是上面的字典,用filter过滤出单价大于100的股票。

 

9,有下列三种数据类型,
        l1 = [1,2,3,4,5,6]
        l2 = ['oldboy','alex','wusir','
太白','日天']
        tu = ('**','***','****','*******')
写代码,最终得到的是(每个元祖第一个元素>2,第三个*至少是4个。)
        [(3, 'wusir', '****'), (4, '太白', '*******')]这样的数据。   
 
 
 
10,有如下数据类型:
        l1 = [ {'sales_volumn': 0},
               {'sales_volumn': 108},
               {'sales_volumn': 337},
               {'sales_volumn': 475},
               {'sales_volumn': 396},
               {'sales_volumn': 172},
               {'sales_volumn': 9},
               {'sales_volumn': 58},
               {'sales_volumn': 272},
               {'sales_volumn': 456},
               {'sales_volumn': 440},
               {'sales_volumn': 239}]

l1按照列表中的每个字典的values大小进行排序,形成一个新的列表。


# 1.
name=['oldboy','alex','wusir']
ret = map(lambda i:i+"_sb",name)
print(list(ret))

# 2.
l = [{'name':'alex'},{'name':'y'}]
ret = map(lambda i:i['name']+'sb',l)
print(list(ret))

# 3.
shares={
       'IBM':36.6,
       'Lenovo':23.2,
      'oldboy':21.2,
    'ocean':10.2,
    }
ret = filter(lambda i:shares[i]>20,shares)
print(list(ret))

# 4.
portfolio = [
  {'name': 'IBM', 'shares': 100, 'price': 91.1},
    {'name': 'AAPL', 'shares': 50, 'price': 543.22},
    {'name': 'FB', 'shares': 200, 'price': 21.09},
    {'name': 'HPQ', 'shares': 35, 'price': 31.75},
    {'name': 'YHOO', 'shares': 45, 'price': 16.35},
{'name': 'ACME', 'shares': 75, 'price': 115.65}]

ret = map(lambda i:i['shares']*i['price'],portfolio)
print(list(ret))

# 5.
ret = filter(lambda i:i['price'] > 100,portfolio)
print(list(ret))

# 6.
l1 = [1,2,3,4,5,6]
l2 = ['oldboy','alex','wusir','太白','日天']
tu = ('**','***','****','*******')
ret = filter(lambda i:i[0]> 2 and len(i[2])>=4 ,zip(l1,l2,tu))
print(list(ret))

# 7
l1 = [ {'sales_volumn': 0},
        {'sales_volumn': 108},
        {'sales_volumn': 337},
        {'sales_volumn': 475},
        {'sales_volumn': 396},
        {'sales_volumn': 172},
        {'sales_volumn': 9},
        {'sales_volumn': 58},
        {'sales_volumn': 272},
        {'sales_volumn': 456},
        {'sales_volumn': 440},
        {'sales_volumn': 239}]
def func(dic):
    i =dic['sales_volumn']
    return i
a = sorted(l1,key=func)
print(a)

b = sorted(l1,key=lambda i:i['sales_volumn'])
print(b)

 

原文地址:https://www.cnblogs.com/zbw582922417/p/9481779.html