count += L[i]
# 进入递归
count = Sum(L, i + 1, n, count)
return count
驱动程序代码
L = [1, 2, 3, 4, 5]
count = 0
n = len(L)
print(Sum(L, 0, n, count))
**输出**:
15
### []( )函数是一等的,可以是高阶的
一等的对象自始至终统一处理。它们可以存储在数据结构中,作为参数传递,或者在控制结构中使用。如果一种编程语言将函数视为一等对象,则称其支持一等函数。
**一等函数的性质**:
* 函数是 Object 类型的实例。
* 你可以将函数存储在变量中。
* 你可以将函数作为参数传递给另一个函数。
* 你可以从函数返回函数。
* 你可以将它们存储在数据结构中,例如哈希表、列表……
演示高阶函数的 Python 程序
def shout(text):
return text.upper()
def whisper(text):
return text.lower()
def greet(func):
# 将函数存储在变量中
greeting = func("我是由作为参数传递的函数创建的。")
print(greeting)
greet(shout)
greet(whisper)
**输出**:
我是由作为参数传递的函数创建的。
我是由作为参数传递的函数创建的。
**内置高阶函数**
为了使列表和迭代器等可迭代对象的处理更加容易,Python 实现了一些常用的高阶函数。这些函数返回一个节省空间的迭代器。一些内置的高阶函数是:
### []( )Map()
map() 函数在将给定函数应用于给定迭代(列表、元组等)的每个项目后返回结果列表
> **语法**: map(fun, iter)
>
> **参数**:
> **fun**:这是一个函数,map 将给定迭代的每个元素传递给该函数。
> **iter**:它是一个要被映射的可迭代对象。
>
> **返回类型**:返回 map 类的迭代器。
**例子**:
用于演示 map 工作的 Python 程序。
Return double of n
def addition(n):
return n + n
我们使用 map() 将所有数字翻倍
numbers = (1, 2, 3, 4)
results = map(addition, numbers)
不打印值
print(results)
打印值
for result in results:
print(result, end = " ")
**输出**:
<map object at 0x7fae3004b630>
2 4 6 8
### []( )filter()
filter() 方法在一个函数的帮助下过滤给定的序列,该函数测试序列中的每个元素是否为真。
> **语法**:过滤器(函数,序列)
> **参数**:
> **function**:测试序列的每个元素是否为真的函数。
> **sequence**:需要过滤的序列,可以是集合、列表、元组或任何迭代器的容器。
>
> **返回类型**:返回一个已经过滤的迭代器。
**例子**:
演示过滤器工作的 Python 程序。
过滤元音的函数
def fun(variable):
letters = ['a', 'e', 'i', 'o', 'u']
if (variable in letters):
return True
else:
return False
sequence
sequence = [‘g’, ‘e’, ‘e’, ‘j’, ‘k’, ‘s’, ‘p’, ‘r’]
使用过滤功能
filtered = filter(fun, sequence)
print(‘过滤后的字母是:’)
for s in filtered:
print(s)
**输出**:
过滤后的字母是:
e
e
### []( )Lambda 函数
在 Python 中,匿名函数意味着函数没有名称。我们已经知道 def 关键字用于定义普通函数,而 lambda 关键字用于创建匿名函数。
**语法**:
> lambda 参数:表达式
1. 这个函数可以有任意数量的参数,但只有一个表达式,它被计算并返回。
2. 任何需要函数对象的地方都可以使用 lambda 函数。
3. 你需要了解 lambda 函数在语法上仅限于单个表达式。
4. 除了函数中的其他类型的表达式外,它在特定的编程领域有多种用途。
**例子**:
演示 lambda 的 Python 代码
cube = lambda x: x * x*x
print(cube(7))
L = [1, 3, 2, 4, 5, 6]
is_even = [x for x in L if x % 2 == 0]
print(is_even)
**输出**:
343
[2, 4, 6]
### []( )生成器
#### []( )生成器函数
生成器函数的定义与普通函数一样,但无论何时它需要生成一个值,它都会使用 yield 关键字而不是 return。如果 def 的主体包含 yield,则该函数自动成为生成器函数。
一个生成器函数,第一次产生 1,第二次产生 2,第三次产生 3
def simpleGeneratorFun():
yield 1
yield 2
yield 3
用于检查上述生成器功能的驱动代码
for value in simpleGeneratorFun():
print(value)
输出 :
1
2
3
#### []( )生成器对象
生成器函数返回一个生成器对象。通过调用生成器对象的 next 方法或在“for in”循环中使用生成器对象来使用生成器对象(如上面的程序所示)。
一个 Python 程序,用于演示通过 next() 使用生成器对象
一个生成器函数
def simpleGeneratorFun():
yield 1
yield 2
yield 3
x 是一个生成器对象
x = simpleGeneratorFun()
使用 next 遍历生成器对象
print(x.next()) # In Python 3, next()
print(x.next())
print(x.next())
输出 :
1
2
3
所以生成器函数返回一个可迭代的生成器对象,即可以用作迭代器。
作为另一个示例,下面是斐波那契数列的生成器。
斐波那契数列的简单生成器
def fib(limit):
# 初始化前两个斐波那契数
a, b = 0, 1
# 一个接一个地生成下一个斐波那契数
while a < limit:
yield a
a, b = b, a + b
创建一个生成器对象
x = fib(5)
使用 next 遍历生成器对象
print(x.next()) # In Python 3, next()
print(x.next())
print(x.next())
print(x.next())
print(x.next())
使用 for in 循环遍历生成器对象。
print(“\n在循环中使用 for”)
for i in fib(5):
print(i)
输出 :
0
1
1
2
3
在循环中使用 for
0
1
1
2
3
应用:假设我们要创建一个斐波那契数流,我们只需要调用 next(x) 来获取下一个斐波那契数,无需担心数字流在何处或何时结束。更实用的流处理类型是处理大型数据文件,例如日志文件。生成器为此类数据处理提供了一种节省空间的方法,因为在一个给定的时间点只处理文件的一部分。我们也可以将迭代器用于这些目的,但是生成器提供了一种快速的方法(我们不需要在这里编写 `__next__` 和 `__iter__` 方法)。
### []( )装饰器
装饰器是 Python 中一个非常强大和有用的工具,因为它允许程序员修改函数或类的行为。装饰器允许我们包装另一个函数以扩展被包装函数的行为,而无需永久修改它。但在深入研究装饰器之前,让我们了解一些在学习装饰器时会派上用场的概念。
装饰器用于修改函数或类的行为。在装饰器中,函数作为参数传入另一个函数,然后在包装函数内部调用。
装饰器的语法:
@hy_decorator
def hello_decorator():
print("HY")
上面的代码等价于 -
def hello_decorator():
print("HY")
hello_decorator = hy_decorator(hello_decorator)‘’’
在上面的代码中,gfg\_decorator 是一个可调用函数,将在另一个可调用函数 hello\_decorator 函数之上添加一些代码并返回包装函数。
装饰器可以修改行为:
定义装饰器
def hello_decorator(func):
# inner1 是一个 Wrapper 函数,其中调用了参数
# 内部函数可以访问外部局部函数,如本例中的“func”
def inner1():
print("这是在函数执行之前")
# 现在在包装函数中调用实际函数。
func()
print("这是在函数执行之后")
return inner1
定义一个函数,在包装器内部调用
def function_to_be_used():
print("这是在函数内部")
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!**
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
[外链图片转存中…(img-TVCooptN-1713610702759)]
[外链图片转存中…(img-GBIFpWhr-1713610702760)]
[外链图片转存中…(img-2Rlv3ifG-1713610702760)]
[外链图片转存中…(img-pLUESGuR-1713610702761)]
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注:Python)