python基础18——二分法&面向过程&匿名函数

二分法

算法：是高效解决问题的办法
算法之二分法

格式:

def binary_search(ls, num, lower=0, high=None):
　　if high is None:
　　　　high = len(ls) - 1
　　mid = (lower + high) // 2
　　if mid == 0 and num != ls[0]:
　　　　return "不存在"
　　if mid == len(ls) - 1 and num != ls[-1]:
　　　　return "不存在"

　　if num == ls[mid]:
　　　　return mid, ls[mid]
　　elif num < ls[mid]:
　　　　return binary_search(ls, num, lower, mid)
　　else:
　　　　return binary_search(ls, num, mid + 1, high)

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一个数字
如何做更高效？？？

nums=[-3,4,7,10,13,21,43,77,89]
find_num=10

nums=[-3,4,13,10,-2,7,89]
nums.sort()                             #升序
print(nums)

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

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')

nums=[-3,4,7,10,13,21,43,77,89]
find_num=8
def binary_search(find_num,l):
　　print(l)
　　if len(l) == 0:
　　　　print('找的值不存在')
　　　　return
　　mid_index=len(l) // 2

　　if find_num > l[mid_index]:
　　　　# 接下来的查找应该是在列表的右半部分
　　　　l=l[mid_index+1:]
　　　　binary_search(find_num,l)
　　elif find_num < l[mid_index]:
　　　　# 接下来的查找应该是在列表的左半部分
　　　　l=l[:mid_index]
　　　　binary_search(find_num,l)
　　else:
　　　　print('find it')

binary_search(find_num,nums)

 

 

 

 

 

 面向过程稿编程思想

# 编程思想/范式

面向过程的编程思想：

核心是"过程"二字，过程即流程，指的是做事的步骤：先什么、再什么、后干什么
基于该思想编写程序就好比在设计一条流水线

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

 

匿名函数

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

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)

4、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

# 应用

salaries={
'siry':3000,
'tom':7000,
'lili':10000,
'jack':2000
}

需求1：找出薪资最高的那个人=》lili

res=max([3,200,11,300,399])
print(res)

res=max(salaries)
print(res)

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

def func(k):
　　return salaries[k]

========================max的应用
res=max(salaries,key=func) 　　　　　　# 返回值=func('siry')
print(res)

res=max(salaries,key=lambda k:salaries[k])
print(res)

========================min的应用
res=min(salaries,key=lambda k:salaries[k])
print(res)

========================sorted排序
salaries={
　　'siry':3000,
　　'tom':7000,
　　'lili':10000,
　　'jack':2000
}
res=sorted(salaries,key=lambda k:salaries[k],reverse=True)
print(res)

========================map的应用(了解):对array的每个元素做平方处理
l=['alex','lxx','wxx','薛贤妻']
new_l=(name+'_dsb' for name in l)
print(new_l)

res=map(lambda name:name+'_dsb',l)
print(res) 　　　　　　　　# 生成器

========================filter的应用（了解): 对array进行过滤操作
l=['alex_sb','lxx_sb','wxx','薛贤妻']
res=(name for name in l if name.endswith('sb'))
print(res)

res=filter(lambda name:name.endswith('sb'),l)
print(res)

========================reduce的应用(了解):对array进行合并操作，比如求和运算
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)