我是张晨,一转眼,我在新课已经学习了很长一段时间。回顾这几个月的时间,我收获了很多知识。这里是我的一点学习笔记。
一、递归的了解与应用
递归算法三定律:
递归算法必须要有结束条件(最小规模问题的直接解决)
递归算法必须能改变状态向基本结束条件演进(减小问题规模)
递归算法必须调用自身(解决减小了规模的相同问题)
可以使用sys模块查看和设置递归的最大深度
import sys
print(sys.getrecursionlimit())
sys.setrecursionlimit(2000)
print(sys.getrecursionlimit())
1~5相加示例:
def func(data):
if data == 1: # 设置出口
return 1
return data + func(data - 1)
print(func(5))
运行结果:
二、lambda的作用
lambda 匿名函数 一个非常简单的函数简写方式
特点:没有名字 不必要担心函数名称占用问题 一个零时的函数 只使用一次
三、lambda表达式的应用
使用场景:一般和高阶函数配合使用
def add(a, b):
return a + b
print(add(1, 1))
运行结果:
当函数里面最多一行代码的时候 那么这个函数就可以转换为匿名表达式
def add(a, b):
return a + b
print(add(1, 1))
add1 = lambda a, b: a + b
print(add1(1, 1))
运行结果:
无参
def get():
print('给我一根棒棒糖')
get()
运行结果:
四、高阶函数map
一个函数使用另外一个函数
一个函数的功能可以通过另外一个函数来定义/实现 这样的函数就叫做高阶函数
list_data = [[3, '2'], [1, '3'], [2, '1']]
list_data.sort(key=lambda y: y[1]) # 自己选择排序的规则
print(list_data)
运行结果:
map映射
list1 = ['a', 'a', 'a'] # 所有的字符串a前面加一个字符串1
list2 = ['1' + i for i in list1]
print(list2)
运行结果:
五、高阶函数reduce(减)
list1 = [1, 2, 3, 4, 5, 6, 7, 8, 9]
from functools import reduce # 从 functools 导入 reduce
print(reduce(lambda a, b: a + b, list1))
运行结果:
六、高阶函数filter(过滤)
list1 = [1, 2, 3, 4, 5, 6, 7, 8, 9] # 把小于5的数据打印出来
list2 = [i for i in list1 if i < 5]
print(list2)
list2 = list(filter(lambda x: x < 5, list1))
print(list2)
运行结果:
暂时先分享这么多吧,希望大家在学习过程当中都能有所收获,感谢新课,如果想获取更多资料或者联系加群,可以关注我们新课的微信公众号,后台自动回复获取代码笔记资料。