python之高阶函数

高阶函数
    -实参是一个函数
    -函数的返回值也是一个函数
函数本身也是可以赋值给变量的 变量可以指向函数
print(abs(-10))
f = abs #f=1
print(f(-10))

def fun(x,y,f):
    return f(x),f(y)
print(fun(-10,34,abs))
map():接收两个参数 一个是函数 一个是序列
map将传入的函数依次作用到序列的每个元素 并且把结果作为新的序列返回
对一个序列[-1,3,-4,-5]的每一个元素求绝对值
import random

print(list(map(abs,[-1,3,-4,-5])))


# 对序列的每个元素求阶乘
def f(x):
    """对x求阶乘"""
    res = 1
    for i in range(1,x+1):
        res = res * i
    return res

li = [random.randint(2,7) for i in range(10)]
print(li)
print(list(map(f,li)))
reduce():把一个函数作用在一个序列上,这个函数必须接收两个参数
reduce把结果继续和序列的下一个元素做累积计算
reduce(f,[1,2,3,4]) = f(f(f(1,2),3),4)

python2:reduce是内置函数
python3.x:from functools import reduce
from functools import reduce

def multi(x,y):
    return x*y
print(reduce(multi,range(1,10)))


def add(x,y):
    return x+y
print(reduce(add,range(1,101)))
filter过滤函数
和map()类似的,也接收一个函数和一个序列但是和map()不同的是 filter()把传入的函数依次作用于
序列的每个元素 然后根据返回值是True或者False决定保留还是丢弃该元素
def isodd(num):
    if num % 2 == 0:
        return True
    else:
        return False

print(list(filter(isodd,range(100))))

匿名函数的关键字 lambda
冒号前面是 形参 冒号后面是返回值
from functools import reduce
# def add(x,y):
#     return x+y
# print(reduce(add,range(100)))
print(reduce(lambda x,y:x+y,range(100)))
#
# def mypow(num):
#     return num ** 2
print(list(map(lambda x:x**2,range(5))))

def isood(num):
    return num%2 ==0
print(list(filter(lambda x:x%2==0,range(100))))

内置函数sort()

li1 = li[:]
li1.sort()
print(li1)
print(li)
li2 = sorted(li)
print(li2)
print(li)
li3 = [4, -5, -6, 7, 2, -1, 3, -8, 9, -10]
li4 = sorted(li3, key=abs)
print(li4)

s = ['daas', 'dasas', 'FEDFerw', 'fsadER']
print(s)
print(sorted(s))
print(sorted(s, key=str.lower))
print(sorted(s, key=str.upper))

info = [
    # 商品名称 商品数量 商品价格
    ('apple1', 200, 100),
    ('apple2', 40, 32),
    ('apple3', 20, 10),
    ('apple4', 20, 15),
]


# 按照商品数量进行排序
def sorted_by_count(x):
    return x[1]


# 按照商品价格进行排序
def sorted_by_price(x):
    return x[2]


# 先按照商品数量进行排序 如果商品数量一致
# 则按照商品价格进行排序
def sorted_by_count_price(x):
    return x[1], x[2]


print(sorted(info, key=sorted_by_count))
print(sorted(info, key=sorted_by_count_price))

# nums = [3,2,8,0,1]
# print(sorted(nums,))

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

数据治理是确保数据准确性、可靠性、安全性、可用性和完整性的体系和框架。它定义了组织内部如何使用、存储、保护和共享数据的规则和流程。数据治理的重要性随着数字化转型的加速而日益凸显,它能够提高决策效率、增强业务竞争力、降低风险,并促进业务创新。有效的数据治理体系可以确保数据在采集、存储、处理、共享和保护等环节的合规性和有效性。 数据质量管理是数据治理中的关键环节,它涉及数据质量评估、数据清洗、标准化和监控。高质量的数据能够提升业务决策的准确性,优化业务流程,并挖掘潜在的商业价值。随着大数据和人工智能技术的发展,数据质量管理在确保数据准确性和可靠性方面的作用愈发重要。企业需要建立完善的数据质量管理和校验机制,并通过数据清洗和标准化提高数据质量。 数据安全与隐私保护是数据治理中的另一个重要领域。随着数据量的快速增长和互联网技术的迅速发展,数据安全与隐私保护面临前所未有的挑战。企业需要加强数据安全与隐私保护的法律法规和技术手段,采用数据加密、脱敏和备份恢复等技术手段,以及加强培训和教育,提高安全意识和技能水平。 数据流程管理与监控是确保数据质量、提高数据利用率、保护数据安全的重要环节。有效的数据流程管理可以确保数据流程的合规性和高效性,而实时监控则有助于及时发现并解决潜在问题。企业需要设计合理的数据流程架构,制定详细的数据管理流程规范,并运用数据审计和可视化技术手段进行监控。 数据资产管理是将数据视为组织的重要资产,通过有效的管理和利用,为组织带来经济价值。数据资产管理涵盖数据的整个生命周期,包括数据的创建、存储、处理、共享、使用和保护。它面临的挑战包括数据量的快速增长、数据类型的多样化和数据更新的迅速性。组织需要建立完善的数据管理体系,提高数据处理和分析能力,以应对这些挑战。同时,数据资产的分类与评估、共享与使用规范也是数据资产管理的重要组成部分,需要制定合理的标准和规范,确保数据共享的安全性和隐私保护,以及建立合理的利益分配和权益保障机制。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值