python高阶函数讲解_python高级特性和高阶函数及使用详解

python高级特性

1、集合的推导式

•列表推导式，使用一句表达式构造一个新列表，可包含过滤、转换等操作。

语法：[exp for item in collection if codition]

if codition - 可选

•字典推导式，使用一句表达式构造一个新列表，可包含过滤、转换等操作。

语法：{key_exp：value_exp for item in collection if codition}

•集合推导式

语法：{exp for item in collection if codition}

•嵌套列表推导式

2、多函数模式

函数列表，python中一切皆对象。

# 处理字符串

str_lst = ['$1.123', ' $1123.454', '$899.12312']

def remove_space(str):

"""

remove space

"""

str_no_space = str.replace(' ', '')

return str_no_space

def remove_dollar(str):

"""

remove $

"""

if '$' in str:

return str.replace('$', '')

else:

return str

def clean_str_lst(str_lst, operations):

"""

clean string list

"""

result = []

for item in str_lst:

for op in operations:

item = op(item)

result.append(item)

return result

clean_operations = [remove_space, remove_dollar]

result = clean_str_lst(str_lst, clean_operations)

print result

执行结果：['1.123', '1123.454', '899.12312']

3、匿名函数lambda

•没有函数名

•单条语句组成

•语句执行的结果就是返回值

•可用作sort的key函数

python高阶函数

1、函数式编程

•函数本身可以赋值给变量，赋值后变量为函数；

•允许将函数本身作为参数传入另一个函数；

•允许返回一个函数。

2、map/reduce函数

•map(fun, lst)，将传入的函数变量func作用到lst变量的每个元素中，并将结果组成新的列表返回

•reduce(func(x,y)，lst)，其中func必须有两个参数。每次func计算的结果继续和序列的下一个元素做累积计算。

lst = [a1, a2 ,a3, ......, an]

reduce(func(x,y), lst) = func(func(func(a1, a2), a3), ......, an)

3、filter函数

•筛选序列

•filter(func, lst)，将func作用于lst的每个元素，然后根据返回值是True或False判断是保留还是丢弃该元素。

下面看下Python高级函数使用

map的使用：map(function, iterable, ...)

map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回。

>>> def f(x):

... return x + x

...

>>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])

>>> list(r)

[2, 4, 6, 8, 10, 12, 14, 16, 18]

# 提供了两个列表，对相同位置的列表数据进行相加

>>> map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])

[3, 7, 11, 15, 19]

reduce的使用：reduce(function, iterable[, initializer])

reduce把一个函数作用在一个序列[x1, x2, x3, ...]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。

>>> from functools import reduce

>>> def add(x, y):

... return x + y

...

>>> reduce(add, [1, 3, 5, 7, 9])

25

>>> reduce(lambda x, y: x+y, [1,2,3,4,5]) # 使用 lambda 匿名函数

15

from functools import reduce

def add(x,y):

return x + y

print (reduce(add, range(1, 101)))

filter的使用：filter(function, iterable)

filter()也接收一个函数和一个序列。和map()不同的是，filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。

def is_odd(n):

return n % 2 == 1

list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))

# 结果: [1, 5, 9, 15]

def not_empty(s):

return s and s.strip()

list(filter(not_empty, ['A', '', 'B', None, 'C', ' ']))

# 结果: ['A', 'B', 'C']

filter()函数返回的是一个Iterator，也就是一个惰性序列，所以要强迫filter()完成计算结果，需要用list()函数获得所有结果并返回list。

sorted的使用：sorted(iterable[, cmp[, key[, reverse]]])

Python内置的sorted()函数就可以对list进行排序：

>>>a = [5,7,6,3,4,1,2]

>>> b = sorted(a) # 保留原列表

>>> a

[5, 7, 6, 3, 4, 1, 2]

>>> b

[1, 2, 3, 4, 5, 6, 7]

此外，sorted()函数也是一个高阶函数，它还可以接收一个key函数来实现自定义的排序，例如按绝对值大小排序：

>>> sorted([36, 5, -12, 9, -21], key=abs)

#key指定的函数将作用于list的每一个元素上，并根据key函数返回的结果进行排序。对比原始的list和经过key=abs处理过的list：

#list = [36, 5, -12, 9, -21]

#keys = [36, 5, 12, 9, 21]

[5, 9, -12, -21, 36]

#字符串排序

>>> sorted(['bob', 'about', 'Zoo', 'Credit'])

['Credit', 'Zoo', 'about', 'bob']

默认情况下，对字符串排序，是按照ASCII的大小比较的，由于'Z' < 'a'，结果，大写字母Z会排在小写字母a的前面。

要进行反向排序，不必改动key函数，可以传入第三个参数reverse=True：

>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)

['Zoo', 'Credit', 'bob', 'about']

raw_input的使用：raw_input([prompt])

prompt: 可选，字符串，可作为一个提示语。

raw_input() 将所有输入作为字符串看待

>>>a = raw_input("input:")

input:123

>>> type(a)

# 字符串

>>> a = raw_input("input:")

input:runoob

>>> type(a)

# 字符串

>>>

input() 需要输入 python 表达式

>>>a = input("input:")

input:123 # 输入整数

>>> type(a)

# 整型

>>> a = input("input:")

input:"runoob" # 正确，字符串表达式

>>> type(a)

# 字符串

>>> a = input("input:")

input:runoob # 报错，不是表达式

Traceback (most recent call last):

File "", line 1, in

File "", line 1, in

NameError: name 'runoob' is not defined

总结

以上所述是小编给大家介绍的python高级特性和高阶函数及使用详解，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持！