pythopn 函数(内置函数)

Posted 2020-10-20

内置函数（Py3.5）

重要的内置函数：

1. filter(function, sequence)

# 描述：
    filter() 函数用于过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表。
    该接收两个参数，第一个为函数，第二个为序列，序列的每个元素作为参数传递给函数进行判，
    然后返回 True 或 False，最后将返回 True 的元素放到新列表中。

# 语法：
    以下是 filter() 方法的语法:
    filter(function,sequence)

# 参数：
    function -- 判断函数。
    sequence -- 可迭代对象。

# 实例    过滤出列表中的所有奇数：
    >>> str = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
    >>> def fun1(s):
    >>>    return s % 2 == 1
    >>> ret = filter(fun1, str)             #     filter把不符合的过滤掉
    >>> print(ret)                    #<filter object at 0x000001A8C827B358>   ret是一个迭代器对象
    >>> print(list(ret))                       # ret是一个迭代器对象    转换成列表   [1, 3, 5, 7, 9]
对sequence中的item依次执行function(item)，将执行结果为True的item做成一个filter object的迭代器返回。
可以看作是过滤函数。

2. map(function, sequence) 

# 描述：
    map() 会根据提供的函数对指定序列做映射。
    第一个参数 function 以参数序列中的每一个元素调用 function 函数，
    返回包含每次 function 函数返回值的新列表

# 语法：
    map() 函数语法：
    map(function, sequence, ...)

# 参数：
    function -- 函数，有两个参数
    sequence -- 一个或多个序列

# 实例：   以下实例展示了 map() 的使用方法：
    >>> def square(x):  # 计算平方数
    >>>    num= x ** 2
    >>>    return str(num)+"L"                          
    >>> ret=map(square, [1, 2, 3, 4, 5])          #map  把序列中每个值做处理
    >>> print(ret)                 #  <filter object at 0x000001A8C827B358>   ret是一个迭代器对象
    >>> print(list(ret))             # ret是一个迭代器对象    转换成列表   [‘1L‘, ‘4L‘, ‘9L‘, ‘16L‘, ‘25L‘]

对sequence中的item依次执行function(item)，将执行结果组成一个map object迭代器返回.
map也支持多个sequence，这就要求function也支持相应数量的参数输入：
    >>> def square(x,y):                        # x*y
    >>>     num= x * y
    >>>     return str(num)+"L"
    >>> a=[1, 2, 3, 4]
    >>> b=[ 7,8, 9, 10]
    >>> s=map(square,a, b)              #这里square有两个传入   a  b  按顺序对应  x   y
    >>> print(list(s))                  # ret是一个迭代器对象    转换成列表   [‘7L‘, ‘16L‘, ‘27L‘, ‘40L‘]

3. reduce(function, sequence, starting_value)　　

# 描述：
    reduce() 函数会对参数序列中元素进行累积。
    函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：
    用传给reduce中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，
    得到的结果再与第三个数据用 function 函数运算，最后得到一个结果。

# 语法：
    reduce() 函数语法：
    reduce(function, iterable[, initializer])

# 参数：
    function -- 函数，有两个参数
    iterable -- 可迭代对象
    initializer -- 可选，初始参数

# 实例： 以下实例展示了 reduce() 的使用方法：
    >>> from functools import reduce
    >>> def add(x, y) :                       # 两数相加
    >>>       return x + y
    >>> ret=reduce(add, [1,2,3,4,5])   # 计算列表和：1+2+3+4+5
    >>> print(ret)                                     #15
对sequence中的item顺序迭代调用function，如果有starting_value，还可以作为初始值调用.
  >>> from functools import reduce          #     ****    reduce  py2可以直接调用   py3必须加这句  ***
  >>> def add(x, y) :                       # 两数相加
  >>>       return x + y
  >>>       a=10                                            #注意
  >>> ret=reduce(add, [1,2,3,4,5],a)   # 计算列表和：1+2+3+4+5   a为初始值  10   会在计算完列表和后  加  a
  >>> print(ret)                                     #25

4 lambda
lambda只是一个表达式，函数体比def简单很多。
lambda的主体是一个表达式，而不是一个代码块。仅仅能在lambda表达式中封装有限的逻辑进去。
lambda表达式是起到一个函数速写的作用。允许在代码内嵌入一个函数的定义。
       普通函数与匿名函数的对比：
#普通函数
  >>> def add(a,b):
  >>>     return a + b
  >>> print(add(2,3))               #5
#匿名函数
  >>> add = lambda a,b : a + b
  >>> print(add(2,3))               #5
 匿名函数的命名规则，用lamdba 关键字标识，
 冒号（：）左侧表示函数接收的参数（a,b） ,
 冒号（：）右侧表示函数的返回值（a+b）。
因为lamdba在创建时不需要命名，所以，叫匿名函数　　

lambda和普通的函数相比，就是省去了函数名称而已，同时这样的匿名函数，又不能共享在别的地方调用。
其实说的没错，lambda在Python这种动态的语言中确实没有起到什么×××的作用，
因为有很多别的方法能够代替lambda。
1. 使用Python写一些执行脚本时，使用lambda可以省去定义函数的过程，让代码更加精简。
2. 对于一些抽象的，不会别的地方再复用的函数，有时候给函数起个名字也是个难题，
    使用lambda不需要考虑命名的问题。
3. 使用lambda在某些时候让代码更容易理解。
lambda语句中，冒号前是参数，可以有多个，用逗号隔开，冒号右边的返回值。
lambda语句构建的其实是一个函数对象。

# lamdba用在上面几个函数中
  >>> from functools import reduce
  >>> foo = [1,2, 3, 4, 5, 6, 7, 8, 9, 10]
  >>> f=filter(lambda x: x % 3 == 0, foo)
  >>> m=map(lambda x: x * 2 + 10, foo)
  >>> r=reduce(lambda x, y: x + y, foo)
  >>> print(list(f))          #        [3, 6, 9]
  >>> print(list(m))          #       [12, 14, 16, 18, 20, 22, 24, 26, 28, 30]
  >>> print(r)                #       55