一、三元(目)运算符
1、就是if...else...语法糖
前提:if和else只有一条语句
# 原来的做法 cmd = input('cmd:>>>') if cmd.isdigit(): print('可以转化为数字') else: print('不可以转化为数字') # 现在的做法 cmd = input('cnd:>>>') print('可以转化为数字') if cmd.isdigit() else print('不可以转化为数字') # 案例:得到两个数大值 a = 1000 b = 200 res = a if a > b else b # 求大值 print(res) # 三元运算符的结果不一定要与条件直接性关系 res = b if a > b else a # 求小值 print(res)
2、推导式:列表(元组)与字典的转换语法糖
# 列表(元组)推导式 dic = {'a': 100, 'b': 200, 'c': 300} # > [('a', 100), ('b', 200), ('c', 300)] res = [(k, v) for k, v in dic.items()] print(res) # 结果为 [('a', 100), ('b', 200), ('c', 300)]
# 字典推导式 ls = [('a', 100), ('b', 200), ('c', 300)] # > {'a': 100, 'b': 200, 'c': 300} res = {k: v for k, v in ls} print(res) # 结果为 {'a': 100, 'b': 200, 'c': 300}
3、案例
# range(10) 可以被推倒为列表 res= [arg for arg in range(10)] print(res) # 结果为 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] dic = {arg: 'a' for arg in range(10)} print(dic) # 迭代出可解压为的单列容器可以推导出字典 res = {k: v for k, v in enumerate('abcd')} print(res) # 结果为 {0: 'a', 1: 'b', 2: 'c', 3: 'd'}
二、递归
1、定义:回溯与递推
回溯:询问答案的过程
递推:推出答案的过程
2、前提:
回溯到一个有具体结果的值,开始递推
回溯与递推的条件要有规律
3、递归本质:函数的自我调用(自己调自己)
count = 0 def fn(): global count count += 1 if count > 10: return fn() fn() # 函数间接调用自己:一旦产生了循环调用,就产生了递归 def a(): b() def b(): c() def c(): a() a()
4、案例
# 询问第一个人年龄,回溯条件 小两岁,第五个人说出自己的年龄,推导出第一个人年龄 # 条件:下一个人的年龄比这个人年纪大两岁 def get_age(num): # 得到年龄 if num == 1: return 58 age = get_age(num - 1) - 2 return age res = get_age(5) print(res) # 阶乘 # 5! = 5 * 4! 4! = 4 * 3! ... 2! = 2 * 1 def factorial(num): if num == 1: return 1 temp = num * factorial(num - 1) return temp res = factorial(5) print(res)
三、匿名函数
1、定义:没有函数名,没有函数体,只有一个返回值的函数
2、语法 lambda 参数列表 :一个返回值表达式
3、关键字:lambda | 参数列表省略() | 返回值return关键字也被省略
res = lambda x, y: x + y print(res) # 结果为 <function <lambda> at 0x0000000002051E18> print(res(100, 200)) # 结果为 300
4、应用场景
匿名函数函数地址可以用一个变量接收,该变量就可以作为函数名来使用,但就违背了匿名初衷
结合内置函数来使用:内置函数某些参数需要一个函数地址。可以赋值一个有名函数名,也可以直接赋值匿名函数
res = max(100, 200, 500, 800) print(res) # 结果为 800 res = max({100, 200, 500, 800}) print(res) # 结果为 800
def fn(arg): print(arg) return arg ls = [100, 500, 400, 600, 300] res = max(ls, key=fn) print(res) ls = [100, 500, 400, 600, 300] res1 = max(ls, key=lambda ele:ele) print(res1) # 结果为 600
四、内置函数
1、max
iterable = [100, 200, 300, 500, 400] res = max(iterable, key=lambda x: x) print(res) # 500 iterable = { 'bob':25000, 'jerry':360000, 'tom':4500, 'judy':10000 } res = max(iterable, key=lambda x: iterable[x]) # x: 字典的k 返回值:做比较的值 print(res) # jerry iterable = { 'Bob': {'no': 100, 'salary': 12000}, 'Tom': {'no': 200, 'salary': 37000}, 'Jerry': {'no': 50, 'salary': 76000}, 'Zero': {'no': 150, 'salary': 120}, } res = max(iterable, key=lambda x: iterable[x]['no']) # 编号最大 print(res) # Tom res = max(iterable, key=lambda x: iterable[x]['salary']) # 薪资最高 print(res) # Jerry
2、min
iterable = { 'Bob': [100, 12000], 'Tom': [200, 37000], 'Jerry': [50, 76000], 'Zero': [150, 120], } res = min(iterable, key=lambda x: iterable[x][1]) # 薪资最低 print(res) # Zero
3、sorted
res = sorted([300, 200, 800, 1000, 600], key=lambda x: x) print(res) # [200, 300, 600, 800, 1000] res = sorted([300, 200, 800, 1000, 600], key=lambda x: x, reverse=True) print(res) # [1000, 800, 600, 300, 200] iterable = { 'Bob': [100, 12000], 'Tom': [200, 37000], 'Jerry': [50, 76000], 'Zero': [150, 120], } res = sorted(iterable, key=lambda x: iterable[x][1]) # 按薪资排序由小到大 print(res) # ['Zero', 'Bob', 'Tom', 'Jerry']
4、map映射
res = map(lambda x: x+100, [10000, 20000, 30000, 40000]) print(list(res)) # [10100, 20100, 30100, 40100]
5、reduce合并
from functools import reduce res = reduce(lambda f, n: f*n, [1, 2, 3, 4, 5]) print(res) # 结果为 120
6、filter过滤
函数模拟内置函数: