map:接受两个参数(函数,Iterable),map将传入的函数依次作用于Iterable的每个元素,并且返回新的Iterable
def f(x): return x*x r = map(f,[1,2,3,4]) #此时的r为惰性求值——可用next()和for...in取值 #通过list()返回全部 print(list(r)) #[1, 4, 9, 16]
reduce:接受两个参数(函数,序列),reduce把一个函数作用于序列上,返回的结果继续和序列的下一个元素做累积计算,其效果为:reduce(f,[x,y,z])=>f(f(x,y),z)
from functools import reduce def add(x,y): return x+y reduce(add,[1,3,5,7,9]) #25
filter:过滤序列。接受两个参数(函数,序列),filter把函数作用于序列上,根据返回值是否为True,决定是否放弃该元素
def is_odd(x): return x%2==1 list(filter(is_odd,[1,2,3,4,5,6,7,8,9])) #filter惰性求值[1, 3, 5, 7, 9]
sorted:排序,可排序对象包括数字list、字符串list、dict等,可接受三个参数,后两个为可选
# sorted([],key=express,reverse=True) key:对每个元素的处理方法 reverse:是否反向排序 sorted([0,1,-2,-1,6,3,8],key=abs,reverse=True) #[8, 6, 3, -2, 1, -1, 0]
匿名函数 lambda:匿名函数关键字 :前的元素表示匿名函数的参数 匿名函数不用谢return表达式,返回值就是该表达式的值
m = list(map(lambda x: x*x,[1,2,3,4])) print(m) #[1, 4, 9, 16]
装饰器:代码运行期间动态增加功能
#在now函数运行前自动打印日志 import functools def log(func): @functools.wraps(func) def wrpper(*args,**kw): print("call %s()" % func.__name__) return func(*args,**kw) return wrpper # 调用装饰器 @log def now(): print("hello") now() #call now() hello
偏函数:functools.partial 把函数的某些参数固定住,返回一个新的函数,使调用更简单
import functools int2 = functools.partial(int,base=2) print(int2("1000000")) #64