昨日回顾
1.递归函数
直接或间接调用自己的函数
def index():
return index()
index()
递归函数不会无限的调用下去,默认的递归深度是1000
递归的两个阶段:
1.传递
2.回溯
解决代码重复执行的问题
2.二分法
算法的一种(冒泡排序、选择排序、二分法查找、堆排序等)
在一个排序后的列表内寻找某个数据是否存在
l = [45, 12,34 ,123 , 2345, 34, 66,73, 74,99,3463,2,345]
l.sort()
print(l)
target = 99
def half(l, target):
middle = len(l) // 2
if target > l[middle]:
right = l[middle + 1:]
half(right, target)
elif target < l[middle]:
left = l[:middle]
half(left, target)
else:
print('找到了')
half(l,target)
3.三元表达式
在二选一的情况下,推荐使用三元表达式
语法:
res = 条件1成立之后的结构 if 条件1 else 条件1不成立的结果
def a():
if 10 > 1:
return 10
return 1
res = a()
res =10 if 10>1 else 1
4.列表生成式
l = [1,2,3,4,5,6]
n_l=[]
def b ():
for line in l:
n_l.append(line)
b()
print(n_l)
res = [line for line in l]
print(res)
5.字典生成式、集合生成式
'''了解'''
enumerate(l):枚举
可以从列表中拿到列表的索引和元素值
d = {i:j for i,j in enumerate(l)}
s = {i for i,j in enumerate(l)}
# 没有元组生成式
今日内容
1.匿名函数
匿名函数:其实就是没有名字的函数
# 匿名函数也是必须加括号才能使用
语法格式:
lambda 形参:返回值
def index(形参):
返回值
# res = lambda x:x**2
# def index(x):
# return x**2
# index(2)
# print(res)
# ret= res(2)
# print(ret) # 4
# print((lambda a:a+1)(3))
#
res = lambda x,y:x+y
print(res(1, 2))
2.常见的内置函数
配合匿名函数一起使用的内置函数
map zip max min filter...
# map
ll = [1, 2, 3, 4, 5, 6, 7]
# new_res = []
# for i in res:
# new_res.append(i ** 2)
#
# print(new_res)
def index(x):
return x ** 2
# res=map(index, ll) #
res = map(lambda x: x ** 2, ll) #
print(list(res)) # [1, 4, 9, 16, 25, 36, 49]
# zip 拉链
l1 = [1, 2, 3,4,5,6]
l2 = ['a', 'b', 'c', 'd']
l3 = ['kevin', 'jerry', 'tank', 'oscar']
l4 = ['kevin1', 'jerry2', 'tank3', 'oscar4']
# [(1, 'a'), (2, 'b'), (3, 'c')]
# new_list = []
# for i in range(len(l1)):
# new_list.append((l1[i], l2[i]))
#
# print(new_list) # [(1, 'a'), (2, 'b'), (3, 'c'), (4, 'd'), (5, 'e'), (6, 'f')]
res = zip(l1, l2, l3, l4) # [(1, 'a', 'kevin'), (2, 'b', 'jerry'), (3, 'c', 'tank')]
print(list(res)) # [(1, 'a'), (2, 'b'), (3, 'c'), (4, 'd')]
d = {
'kevin': 1000,
'jerry': 30000,
'Tank': 200000,
'Oscar': 100
}
'''max和min默认情况下返回的是字典的key,也是按照key值比较的'''
# print(max(d))
# print(min(d))
def index(x):
return d[x] # 返回什么就安装什么进行比较
res=max(d, key=lambda x:d[x])
res1=min(d, key=lambda x:d[x])
print(res,res1)
##########filter的使用
res = [11, 22, 33, 44, 55, 66]
# new_res = []
# for i in res:
# if i > 30:
# new_res.append(i)
# print(new_res)
def index(x):
return x>30
# res1=filter(index, res) # 内部也是for循环
res1=filter(lambda x:x>30, res) # 内部也是for循环
print(list(res1))
3.可迭代对象
迭代:更新换代,每一次的更新都是基于上一次的结果
可迭代对象:
内置有__iter__方法的都可以称之为是可迭代对象
'内置': 直接可以使用点出来的
"""
__iter__方法的读法
后面会有_开头的方法,这种方式也是有特殊含义的,大家最后先不要使用
"""
s.__iter__()
l.__iter__()
t.__iter__()
se.__iter__()
d.__iter__()
# b.__iter
file = open('a.txt', 'w')
file.__iter__()
"""
可迭代对象:
str、list、dict、set、tuple、文件类型
以上基本数据类型都是可迭代对象
"""
print(s)
'''可迭代对象调用__iter__方法之后就是迭代器对象了'''
print(s.__iter__()) # <str_iterator object at 0x0000023F68F31100>
print(iter(s))
def iter(s):
return s.__iter__()
print(len(s))
print(s.__len__())
def len(s):
return s.__len__()
"""
__iter__开头的方法都有一个与之对应的简写:iter(s) 方法名()
"""
4.迭代器对象
迭代器:
内置有__iter__方法还内置有__next__方法
如何转为迭代器对象
有可迭代对象调用__iter__()方法转为迭代器对象
# res=s.__iter__() # 迭代器对象
# print(res.__next__()) # next其实就是迭代取值的,而且不依赖于索引取值
# print(res.__next__())
# print(res.__next__())
# print(res.__next__())
# print(res.__next__())
#
# res1 = l.__iter__()
# print(res1.__next__())
# print(res1.__next__())
# print(res1.__next__())
# print(res1.__next__())
# print(res1.__next__()) # 迭代取值,一旦值被取完,就会直接报错
# print(next(res1))
# print(next(res1))
# print(next(res1))
# print(next(res1))
"""
迭代器给我们提供了一种不依赖于索引取值的方式
"""
# 可迭代对象调用多次__iter__方法仍然是迭代器对象
# print(res.__iter__().__iter__().__iter__())
#### 易错题
l = [1, 2, 3, 4]
print(l.__iter__().__next__()) # 1
print(l.__iter__().__next__()) # 1
print(l.__iter__().__next__()) # 1
print(l.__iter__().__next__()) # 1
res = l.__iter__()
print(res.__next__()) # 1
print(res.__next__()) # 2
print(res.__next__()) # 3
print(res.__next__()) # 4
5.for循环内部原理
l = [1, 2, 3, 4, 5, 6, 7, 8, 9] # 循环打印出列表中每一个元素值,但是不能使用for循环
l = [1, 2, 3, 4, 5, 6, 7, 8, 9] # 循环打印出列表中每一个元素值,但是不能使用for循环
# count=0
# while True:
# print(l[count])
# count+=1
# res=l.__iter__()
# while True:
# print(res.__next__())
'''for循环为什么不报错呢'''
# for i in l:
# print(i)
res=l.__iter__()
while True:
try:
print(res.__next__())
except:
break
"""
for循环内部的原理:
1. 首先把关键字in后面的可迭代对象转为迭代器对象
2. while循环取值__next__迭代取值,当next取值完毕的时候会报错
3. 当内部报错的时候,for循环进行了异常捕捉
"""
6.异常捕捉
什么是异常:
异常就是错误发生的信号,如果不对该信号做处理,那么,异常发生的位置之后的代码都不能正常运行
异常的信息:
1. Traceback:追踪信息,异常发生的位置
File "D:/Python27/day17/05 for循环内部原理.py", line 21, in <module>
# 有时候错误发生的信息可能会有很多行,你就找最后一行,然后点击可以跳转到错误发生的位置
2. XXXError: 异常发生的类型
NameError KeyError ...
3. 错误发生的详细信息(最重要的:一般情况从这里就可以知道错位发生的原因)
name 'a' is not defined
异常的分类:
1. 语法错误
# 是代码运行过程中一开始就不允许的,只要语法错误,代码一定是不能够运行的
# 通过代码提示就知道语法错误的原因
2. 逻辑错误
# 在编码过程中,逻辑错误是允许出现的
但是我们应该尽量避免逻辑错误出现的可能性
l = [1, 2, 3]
if i < len(l):
print(l[i])
异常如何进行捕捉
try:
l = [1, 2, 3]
print(l[4]) # IndexError
# d = {'a':1}
# print(d['b'])
# 1/0
# except NameError as e:
# print(e)
# except KeyError as e:
# print(e)
# except IndexError as e:
# print(e) # list index out of range
# except ZeroDivisionError as e:
# print(e)
except Exception as e:
print(e)
else:
# 当被检测的代码没有异常的时候会走这个语法
print('这是else语法') # 这是else语法
finally:
# 不管被监测的代码是否有异常都会走
print('这是finally语法')
print(123)
"""
只能当你的被监测代码可能会出现,但是,又不想让它报错,这个时候使用异常捕捉是最合适的
异常捕捉的代码尽量少的写
"""
l = [1,2,3,4,5,6,7]
res= l.__iter__()
while True:
try:
print(res.__next__())
except Exception:
break