函数课程

python 函数高级话题

递归函数

递归是颇为高级的话题，它在Python中相对少见。然而，它是一项应该了解的有用的技术，因为它允许程序遍历拥有任意的、不可预知的形状的结构。递归甚至是简单循环和迭代的替换，尽管它不一定是最简单的或最高效的一种。

用递归求和

让我们来看一些例子。

要对一个数字列表（或者其他序列）求和，我们可以使用内置的sum函数，或者自己编写一个更加定制化的版本。这里是用递归编写的一个定制求和函数的示例：

def mysum(L):
    if not L:
        return 0
    else:
        return L[0]+ mysum(L[1:])
        #调用自身
print(mysum([1,2,3,4,5,6]))

第一次：L=[1,2,3,4,5,6]

L[0]=1,|1=L[1:]=[2,3,4,5,6]

第二次 :L=|1=[2,3,4,5,6]

L[0]=2 L[1:]=[3,4,5,6]

匿名函数：lambda

lambda 表达式

lambda 的一般形式是关键字lambda，之后是或多个参数(与一个def 头部内用括号括起来的参数列表极其相似)，紧跟的是一个冒号，之后是一个表达式，即:

lambda paral ,para2，...paraN :expression using paras

- lambda是一个表达式，而不是一个语句。因为这一点，lambda能够出现在Python语法不允许def出现的地方——例如，在一个列表常量中或者函数调用的参数中。此外，作为一个表达式，lambda返回了一个值（一个新的函数），可以选择性地赋值给一个变量名。相反，def语句总是得在头部将一个新的函数赋值给一个变量名，而不是将这个函数作为结果返回。
- lambda的主体是一个单个的表达式，而不是一个代码块。这个lambda的主体简单得就好像放在def主体的return语句中的代码一样。简单地将结果写成一个顺畅的表达式，而不是明确的返回。因为它仅限于表达式，lambda通常要比def功能要小：你仅能够在lambda主体中封装有限的逻辑进去，连if这样的语句都不能够使用。这是有意设计的——它限制了程序的嵌套：lambda是一个为编写简单的函数而设计的，而def用来处理更大的任务。

除了这些差别，def和lambda都能够做同样种类的工作。例如：

def add(x,y,z):
    return x+y+z
print(add(1,2,3))

使用lambda 表达式到相同的效果，通过明确地结果赋值给一个变量名，之后就能够沟通

过这个变量名调用这个函数。

add = lambda x，y，z:x + y +z
print(add(1,2,3))

这里地add 被赋值给一个lambda 表达式创建的函数对象，这也就是def 所完成的任务，只不过def 的赋值是自动进行的。

默认参数也能够在lambda 参数中使用，就像在def 中使用一样。

f = (lambda a ="Tom ",b ="loves",c="python":a+b+c)
print(f())
print(f('loves'))
print(f('Lucy','like',c ="python"))

高阶函数

高阶函数：把一个函数名，以实参的形式，传给这个函数的形参，这个函数就称为高阶函数。

比如下面的形参c 对应的实参是一个函数名abs

def add(a,b,c):
    return c(a)+c(b)
add_value=add(-9,1,abs)
print(add_value)

最正确的高阶函数解释

满足下面两个条件之一，就可以名称为高阶函数:

1.把一个函数名当做一个参数，传给另外一个函数

返回值中包含函数名（不修改函数的调用方式）

import  time
def bar():
    time.sleep(1)
    print('函数bar')

def test1(func):
    start_time=time.time()
    func()
    stop_time=time.time()
    print("这个函数的运行时间是 %s"%(stop_time-start_time))

test1(bar)

python 中常见的高阶函数

filter

功能 filter 的功能是过滤掉序列中不符合函数条件的元素，当序列中要删减元素可以用某些函数描述时，就应该想起filter函数。

例子：

>>> x=[1,2,3,4,5]
>>> y=filter(lambda x:x%2==0,x)
>>> y
<filter object at 0x000001E3664F8DD8>
>>> list(y)
[2, 4]
>>>

调用

filter(function,sequence)

function可以时匿名函数或者自定义函数，

x= [1,2,3,4,5]
def is_odd(n):
    return n%2==1

print(list(filter(is_odd,x)))

map

功能

求一个序列或者多个序列进行函数映射之后的值，就该想到map 这个函数，它是python 自带的函数，py3返回的是迭代器 ，同filter ，需要进行列表转换

.调用

map(function,iterable1,iterable2)

function中的参数值不一定是一个x，也可以是x和y，甚至多个；后面的iterable表示需要参与function 运算中的参数值有几个参数值就传入几个 iterable

>>> x=[1,2,3,4,5]
>>> y=[2,3,4,5,6]
>>> z=map(lambda x, y:x*y+2,x,y)
>>> z
<map object at 0x000001C297448E48>
>>> list(z)
[4, 8, 14, 22, 32]
>>>

rerduce

功能

对一个序列进行压缩运算，得到一个值。但是reduce在python 2时候是内置函数

到了python 3移动了function 模块，所以使用之前需要 from functools

import reduce

调用

reduce(function ,iterable[,initial]),

其中function 必须传入两个参数，iterable可以是列表或者元素

>>> from functools import reduce
>>> y=[2,3,4,5,6]
>>> z=reduce(lambda x,y: x+y,y,100)
>>> z
120
>>> y
[2, 3, 4, 5, 6]
>>>

apply

功能

是pands中的函数，应用对象为pandas中的DateFrame或者Series 大致有两个方面的功能:二是对pands中的groupby 之后的聚合对象apply函数

调用

apply (function,axis),function表明所使用的函数，axis表明对行或者列做运算

zip

功能

zip()函数用于将可迭代对象作为参数，将对象中的元素打包成一个个元组

然后返回有这些元组组成的对象。

如果各个可迭代对象的元素个数不一致，则返回的对象长度与最大短的可迭代对象相同。

利用* 号操作符 ，与zip相反，进行解压。

调用

zip(iterable1,iterable2)

iterable-----一个或多个可迭代对象(字符串，列表，元组，字典)

python2中直接返回一个由组组成的列表，python 3中返回的是一个对象如果想要得到列表，可以用list()函数进行转换。

>>> a=[1,2,3]
>>> b=[4,5,6]
>>> c=[4,5,6,7,8]
>>> zipTest=zip(a,b)
>>> zipTest
<zip object at 0x000002665EC6E5C8>
>>> list(zipTest)
[(1, 4), (2, 5), (3, 6)]
>>> list(zip(a,c))
[(1, 4), (2, 5), (3, 6)]
>>> zipT=zip(a,b)
>>> list(zip(*zipT))
[(1, 2, 3), (4, 5, 6)]
>>>

def formatation(seq):
    return seq[0].upper()+ seq[1:].lower()
sr =['hunan',"hello","I Love YOU" ]
print(list(map(formatation,sr)))
def palindrome(n):
    rev_n =int (str(n))[::-1]
    if rev_n==n:
        return rev_n


print(filter(palindrome,range(1,10000)))