python基础学习-匿名函数+二分法（算法）

Posted 2021-03-03 sunshine如你

一：二分法（算法）

算法：是高效解决问题的办法（都是用于某种特定的场景） 需求：有一个按照从小到大顺序排列的数字列表 需要从该数字列表中找到我们想要的那个数字

示范： nums=[-3,3,6,9,10,11,16,34,56]

          find_num=10

方案一：整体遍历效率太低

for num in nums:
    if num==find_num:
        print(‘find it‘)
        break

方案二：二分法查找

分析==》思路
def binary_search(find_num,列表):
    mid_val=找列表中间的值
    if find_num > mid_val:
        # 接下来的查找应该是在列表的右半部分
        列表=列表切片右半部分
        binary_search(find_num,列表)
    elif find_num < mid_val:
        # 接下来的查找应该是在列表的左半部分
        列表=列表切片左半部分
        binary_search(find_num,列表)
    else:
        print(‘find it‘)   
#执行代码：     
def binary_search(find_num,nums):
    print(nums)
    if len(nums)==0:
        print(‘值不存在‘)
        return
    mid_index=len(nums)//2
    if find_num >nums[mid_index]:
        # 接下来的查找应该是在列表的右半部分
?
        nums=nums[mid_index+1:]
        binary_search(find_num,nums)
    elif find_num <nums[mid_index]:
        # 接下来的查找应该是在列表的左半部分
        nums=nums[:mid_index]
        binary_search(find_num,nums)
    else:
        print(‘find it‘)
?
nums=[-3,3,6,9,10,11,16,34,56]
binary_search(16,nums)

 

二、面向过程的编程思想：

核心是“过程”两字，过程即流程，指的是做事的步骤：先什么、再什么、后干什么

基于该思想编程写程序就好比再设计一条流水线

优点：复杂的问题流程化、进而简单化

缺点：扩展性非常差

面向过程的编程思想应用场景解析：

                                          1、不是所有的软件都需要频繁更迭：比如编写脚本

                                          2、即便是一个软件需要频繁更迭，也不并不代表这个软件所有的组成部分都需要一起更迭

三、匿名函数

1、区别：

1.def用于定义有名函数

func=函数的内存地址

def func(x,y):

      return x+y

print(func)

2.lamdab用于定义匿名函数

print(lambda x,y:x+y)

3.调用匿名函数，有返回值，绑定的是内存地址

#方式一：
res=(lambda x,y:x+y)(1,2)
print(res)
?
#方式二：
func=lambda x,y:x+y
res=func(1,2)
print(res) 

2、匿名函数的使用场景

匿名用于临时调用一次的场景：更多的是将匿名与其他函数配合使用

1.案例：

salaries={
    ‘siry‘:3000,
    ‘tom‘:7000,
    ‘lili‘:10000,
    ‘jack‘:2000
}
?
# 迭代出的内容    比较的值
# ‘siry‘         3000
# ‘tom‘          7000
# ‘lili‘         10000
# ‘jack‘         2000
?
#示范一   def有名函数调用：
def func(k):
    return salaries[k]
?
res=max(salaries,key=func) # 返回值=func(‘siry‘)
print(res)
?
#示范二   lambda匿名函数调用：
?
# max 应用  最大值
res=max(salaries,key=lambda k:salaries[k])
print(res)
?
# min应用   最小值
res=min(salaries,key=lambda k:salaries[k])
print(res)
?
#sortde应用   排序
res=sorted(salaries,key=lambda k:salaries[k])
print(res)
?
#map应用   后缀（了解）
list=[‘alex‘,‘lxx‘,‘wxx‘,‘xxq‘]
new_list=(name+‘_dsb‘ for name in list)
print(new_list)
?
res=map(lambda name:name+‘_dsb‘,list)
print(res)#生成器
?
?
#filter应用  过滤（了解）
list=[‘alex_sb‘,‘lxx_sb‘,‘wxx‘,‘xxq‘]
res=(name for name in list if name.endswith(‘sb‘))
print(res)
?
res=filter(lambda name:name.endswith(‘sb‘),list)
print(res)
?
#reduce应用   合并(了解)
from functools import reduce
res=reduce(lambda x,y:x+y,[1,2,3],10)  #16
print(res)
res=reduce(lambda x,y:x+y,[‘a‘,‘b‘,‘c‘])#‘a‘ , ‘b‘
print(res)