三元表达式列表推导式生成器表达式递归匿名函数内置函数

Posted 2020-10-18 梦风灵舞

一 三元表达式、列表推导式、生成器表达式

　　1、三元表达式

name=input(\'姓名>>: \')
res=\'SB\' if name == \'alex\' else \'NB\'
print(res)

　　2、列表推导式

#1、示例
egg_list=[]
for i in range(10):
    egg_list.append(\'鸡蛋%s\' %i)

egg_list=[\'鸡蛋%s\' %i for i in range(10)]

#2、语法
[expression for item1 in iterable1 if condition1
for item2 in iterable2 if condition2
...
for itemN in iterableN if conditionN
]
类似于
res=[]
for item1 in iterable1:
    if condition1:
        for item2 in iterable2:
            if condition2
                ...
                for itemN in iterableN:
                    if conditionN:
                        res.append(expression)

#3、优点：方便，改变了编程习惯，可称之为声明式编程

　　3、生成器表达式

#1、把列表推导式的[]换成()就是生成器表达式

#2、示例：生一筐鸡蛋变成给你一只老母鸡，用的时候就下蛋，这也是生成器的特性
>>> chicken=(\'鸡蛋%s\' %i for i in range(5))
>>> chicken
<generator object <genexpr> at 0x10143f200>
>>> next(chicken)
\'鸡蛋0\'
>>> list(chicken) #因chicken可迭代，因而可以转成列表
[\'鸡蛋1\', \'鸡蛋2\', \'鸡蛋3\', \'鸡蛋4\',]

#3、优点：省内存，一次只产生一个值在内存中

　　4、声明式编程练习题

1、将names=[\'egon\',\'alex_sb\',\'wupeiqi\',\'yuanhao\']中的名字全部变大写

2、将names=[\'egon\',\'alex_sb\',\'wupeiqi\',\'yuanhao\']中以sb结尾的名字过滤掉，然后保存剩下的名字长度

3、求文件a.txt中最长的行的长度（长度按字符个数算，需要使用max函数）

4、求文件a.txt中总共包含的字符个数？思考为何在第一次之后的n次sum求和得到的结果为0？（需要使用sum函数）

5、思考题

展开思考一下

6、文件shopping.txt内容如下

求总共花了多少钱？

打印出所有商品的信息，格式为[{\'name\':\'xxx\',\'price\':333,\'count\':3},...]

求单价大于10000的商品信息,格式同上

#题目一
names=[\'egon\',\'alex_sb\',\'wupeiqi\',\'yuanhao\']
names=[name.upper() for name in names]

#题目二
names=[\'egon\',\'alex_sb\',\'wupeiqi\',\'yuanhao\']
names=[len(name) for name in names if not name.endswith(\'sb\')]

#题目三
with open(\'a.txt\',encoding=\'utf-8\') as f:
    print(max(len(line) for line in f))

#题目四
with open(\'a.txt\', encoding=\'utf-8\') as f:
    print(sum(len(line) for line in f))
    print(sum(len(line) for line in f)) #求包换换行符在内的文件所有的字符数，为何得到的值为0?
    print(sum(len(line) for line in f)) #求包换换行符在内的文件所有的字符数，为何得到的值为0?

#题目五（略）

#题目六：每次必须重新打开文件或seek到文件开头，因为迭代完一次就结束了
with open(\'a.txt\',encoding=\'utf-8\') as f:
    info=[line.split() for line in f]
    cost=sum(float(unit_price)*int(count) for _,unit_price,count in info)
    print(cost)


with open(\'a.txt\',encoding=\'utf-8\') as f:
    info=[{
        \'name\': line.split()[0],
        \'price\': float(line.split()[1]),
        \'count\': int(line.split()[2]),
    } for line in f]
    print(info)


with open(\'a.txt\',encoding=\'utf-8\') as f:
    info=[{
        \'name\': line.split()[0],
        \'price\': float(line.split()[1]),
        \'count\': int(line.split()[2]),
    } for line in f if float(line.split()[1]) > 10000]
    print(info)

示例解答：

 

二 递归与二分法

　　1、递归调用的定义

#递归调用是函数嵌套调用的一种特殊形式，函数在调用时，直接或间接调用了自身，就是递归调用

　　2、递归分为两个阶段：递推，回溯

#图解。。。
# salary(5)=salary(4)+300
# salary(4)=salary(3)+300
# salary(3)=salary(2)+300
# salary(2)=salary(1)+300
# salary(1)=100
#
# salary(n)=salary(n-1)+300     n>1
# salary(1) =100                n=1

def salary(n):
    if n == 1:
        return 100
    return salary(n-1)+300

print(salary(5))

　　3、python中的递归效率低且没有尾递归优化

#python中的递归
python中的递归效率低，需要在进入下一次递归时保留当前的状态，在其他语言中可以有解决方法：尾递归优化，即在函数的最后一步（而非最后一行)调用自己，尾递归优化：http://egon09.blog.51cto.com/9161406/1842475
但是python又没有尾递归，且对递归层级做了限制

#总结递归的使用：
1. 必须有一个明确的结束条件

2. 每次进入更深一层递归时，问题规模相比上次递归都应有所减少

3. 递归效率不高，递归层次过多会导致栈溢出（在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出）

　　4、可以修改递归最大深度

import sys
sys.getrecursionlimit()
sys.setrecursionlimit(2000)
n=1
def test():
    global n
    print(n)
    n+=1
    test()

test()

虽然可以设置，但是因为不是尾递归，仍然要保存栈，内存大小一定，不可能无限递归

　　5、二分法

　　　　想从一个按照从小到大排列的数字列表中找到指定的数字，遍历的效率太低，用二分法（算法的一种，算法是解决问题的方法）可以极大低缩小问题规模

l=[1,2,10,30,33,99,101,200,301,402] #从小到大排列的数字列表

def search(num,l):
    print(l)
    if len(l) > 0:
        mid=len(l)//2
        if num > l[mid]:
            #in the right
            l=l[mid+1:]
        elif num < l[mid]:
            #in the left
            l=l[:mid]
        else:
            print(\'find it\')
            return
        search(num,l)
    else:
        #如果值不存在，则列表切为空
        print(\'not exists\')
        return
search(100,l)

实现类似于in的效果

实现类似于in的效果

 

l=[1,2,10,30,33,99,101,200,301,402]

def search(num,l,start=0,stop=len(l)-1):
    if start <= stop:
        mid=start+(stop-start)//2
        print(\'start:[%s] stop:[%s] mid:[%s] mid_val:[%s]\' %(start,stop,mid,l[mid]))
        if num > l[mid]:
            start=mid+1
        elif num < l[mid]:
            stop=mid-1
        else:
            print(\'find it\',mid)
            return
        search(num,l,start,stop)
    else: #如果stop > start则意味着列表实际上已经全部切完，即切为空
        print(\'not exists\')
        return

search(301,l)

实现类似于l.index(30)的效果

实现类似于l.index(30)的效果

 

三 匿名函数

　　1、什么是匿名函数？

匿名就是没有名字
def func(x,y,z=1):
    return x+y+z

匿名
lambda x,y,z=1:x+y+z #与函数有相同的作用域，但是匿名意味着引用计数为0，使用一次就释放，除非让其有名字
func=lambda x,y,z=1:x+y+z 
func(1,2,3)
#让其有名字就没有意义

　　2、有名字的函数与匿名函数的对比

#有名函数与匿名函数的对比
有名函数：循环使用，保存了名字，通过名字就可以重复引用函数功能

匿名函数：一次性使用，随时随时定义

应用：max，min，sorted,map,reduce,filter

 

四 内置函数

#注意：内置函数id()可以返回一个对象的身份，返回值为整数。这个整数通常对应与该对象在内存中的位置，但这与python的具体实现有关，不应该作为对身份的定义，即不够精准，最精准的还是以内存地址为准。is运算符用于比较两个对象的身份，等号比较两个对象的值，内置函数type()则返回一个对象的类型

#更多内置函数：https://docs.python.org/3/library/functions.html?highlight=built#ascii 

 

#字符串可以提供的参数 \'s\' None
>>> format(\'some string\',\'s\')
\'some string\'
>>> format(\'some string\')
\'some string\'

#整形数值可以提供的参数有 \'b\' \'c\' \'d\' \'o\' \'x\' \'X\' \'n\' None
>>> format(3,\'b\') #转换成二进制
\'11\'
>>> format(97,\'c\') #转换unicode成字符
\'a\'
>>> format(11,\'d\') #转换成10进制
\'11\'
>>> format(11,\'o\') #转换成8进制
\'13\'
>>> format(11,\'x\') #转换成16进制 小写字母表示
\'b\'
>>> format(11,\'X\') #转换成16进制 大写字母表示
\'B\'
>>> format(11,\'n\') #和d一样
\'11\'
>>> format(11) #默认和d一样
\'11\'

#浮点数可以提供的参数有 \'e\' \'E\' \'f\' \'F\' \'g\' \'G\' \'n\' \'%\' None
>>> format(314159267,\'e\') #科学计数法，默认保留6位小数
\'3.141593e+08\'
>>> format(314159267,\'0.2e\') #科学计数法，指定保留2位小数
\'3.14e+08\'
>>> format(314159267,\'0.2E\') #科学计数法，指定保留2位小数，采用大写E表示
\'3.14E+08\'
>>> format(314159267,\'f\') #小数点计数法，默认保留6位小数
\'314159267.000000\'
>>> format(3.14159267000,\'f\') #小数点计数法，默认保留6位小数
\'3.141593\'
>>> format(3.14159267000,\'0.8f\') #小数点计数法，指定保留8位小数
\'3.14159267\'
>>> format(3.14159267000,\'0.10f\') #小数点计数法，指定保留10位小数
\'3.1415926700\'
>>> format(3.14e+1000000,\'F\')  #小数点计数法，无穷大转换成大小字母
\'INF\'

#g的格式化比较特殊，假设p为格式中指定的保留小数位数，先尝试采用科学计数法格式化，得到幂指数exp，如果-4<=exp<p，则采用小数计数法，并保留p-1-exp位小数，否则按小数计数法计数，并按p-1保留小数位数
>>> format(0.00003141566,\'.1g\') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留0位小数点
\'3e-05\'
>>> format(0.00003141566,\'.2g\') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留1位小数点
\'3.1e-05\'
>>> format(0.00003141566,\'.3g\') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留2位小数点
\'3.14e-05\'
>>> format(0.00003141566,\'.3G\') #p=1,exp=-5 ==》 -4<=exp<p不成立，按科学计数法计数，保留0位小数点，E使用大写
\'3.14E-05\'
>>> format(3.1415926777,\'.1g\') #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留0位小数点
\'3\'
>>> format(3.1415926777,\'.2g\') #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留1位小数点
\'3.1\'
>>> format(3.1415926777,\'.3g\') #p=1,exp=0 ==》 -4<=exp<p成立，按小数计数法计数，保留2位小数点
\'3.14\'
>>> format(0.00003141566,\'.1n\') #和g相同
\'3e-05\'
>>> format(0.00003141566,\'.3n\') #和g相同
\'3.14e-05\'
>>> format(0.00003141566) #和g相同
\'3.141566e-05\'

format(了解即可)

format（了解即可）

 

字典的运算：最小值，最大值，排序
salaries={
    \'egon\':3000,
    \'alex\':100000000,
    \'wupeiqi\':10000,
    \'yuanhao\':2000
}

迭代字典，取得是key，因而比较的是key的最大和最小值
>>> max(salaries)
\'yuanhao\'
>>> min(salaries)
\'alex\'

可以取values，来比较
>>> max(salaries.values())
>>> min(salaries.values())
但通常我们都是想取出，工资最高的那个人名，即比较的是salaries的值，得到的是键
>>> max(salaries,key=lambda k:salary[k])
\'alex\'
>>> min(salaries,key=lambda k:salary[k])
\'yuanhao\'



也可以通过zip的方式实现
salaries_and_names=zip(salaries.values(),salaries.keys())

先比较值，值相同则比较键
>>> max(salaries_and_names)
(100000000, \'alex\')


salaries_and_names是迭代器，因而只能访问一次
>>> min(salaries_and_names)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: min() arg is an empty sequence



sorted(iterable，key=None,reverse=False)

！！！lambda与内置函数结合使用！！！

！！！lambda与内置函数结合使用！！！

eval与exec

 

compile(str,filename,kind)
filename:用于追踪str来自于哪个文件，如果不想追踪就可以不定义
kind可以是：single代表一条语句，exec代表一组语句，eval代表一个表达式
s=\'for i in range(10):print(i)\'
code=compile(s,\'\',\'exec\')
exec(code)


s=\'1+2+3\'
code=compile(s,\'\',\'eval\')
eval(code)

complie（了解即可）

complie（了解即可）

 

五 阶段性练习

1、文件内容如下,标题为:姓名,性别,年纪,薪资

egon male 18 3000
alex male 38 30000
wupeiqi female 28 20000
yuanhao female 28 10000

要求:
从文件中取出每一条记录放入列表中,
列表的每个元素都是{\'name\':\'egon\',\'sex\':\'male\',\'age\':18,\'salary\':3000}的形式

2 根据1得到的列表,取出薪资最高的人的信息
3 根据1得到的列表,取出最年轻的人的信息
4 根据1得到的列表,将每个人的信息中的名字映射成首字母大写的形式
5 根据1得到的列表,过滤掉名字以a开头的人的信息
6 使用递归打印斐波那契数列(前两个数的和得到第三个数，如：0 1 1 2 3 4 7...)

7 一个嵌套很多层的列表，如l=［1,2,[3,[4,5,6,[7,8,[9,10,[11,12,13,[14,15]]]]]]］，用递归取出所有的值

 

#1
with open(\'db.txt\') as f:
    items=(line.split() for line in f)
    info=[{\'name\':name,\'sex\':sex,\'age\':age,\'salary\':salary} \\
          for name,sex,age,salary in items]

print(info)
#2
print(max(info,key=lambda dic:dic[\'salary\']))

#3
print(min(info,key=lambda dic:dic[\'age\']))

# 4
info_new=map(lambda item:{\'name\':item[\'name\'].capitalize(),
                          \'sex\':item[\'sex\'],
                          \'age\':item[\'age\'],
                          \'salary\':item[\'salary\']},info)

print(list(info_new))

#5
g=filter(lambda item:item[\'name\'].startswith(\'a\'),info)
print(list(g))

#6
#非递归
def fib(n):
    a,b=0,1
    while a < n:
        print(a,end=\' \')
        a,b=b,a+b
    print()

fib(10)
#递归
def fib(a,b,stop):
    if  a > stop:
        return
    print(a,end=\' \')
    fib(b,a+b,stop)

fib(0,1,10)


#7
l=[1,2,[3,[4,5,6,[7,8,[9,10,[11,12,13,[14,15]]]]]]]

def get(seq):
    for item in seq:
        if type(item) is list:
            get(item)
        else:
            print(item)
get(l)

示例解答：