内置函数和推导式（匿名函数，三元运算，生成器）

一、匿名函数

传统的函数的定义包括了：函数名 + 函数体。

def send_email():
    pass

# 1. 执行
send_email()
# 2. 当做列表元素
data_list = [send_email, send_email, send_email ]
# 3. 当做参数传递
other_function(send_email)

匿名函数，则是基于lambda表达式实现定义一个可以没有名字的函数，例如：

data_list = [ lambda x:x+100,  lambda x:x+110, lambda x:x+120 ]

print( data_list[0] )

f1 = lambda x:x+100

res = f1(100)
print(res)

基于Lambda定义的函数格式为：lambda 参数:函数体

1.参数，支持任意参数。

lambda x: 函数体
lambda x1,x2: 函数体
lambda *args, **kwargs: 函数体

2.函数体，只能支持单行的代码。

def xxx(x):
    return x + 100
    
lambda x: x + 100

3.返回值，默认将函数体单行代码执行的结果返回给函数的执行者。

func = lambda x: x + 100

v1 = func(10)
print(v1) # 110

def func(a1,a2):
    return a1 + a2 + 100

foo = lambda a1,a2: a1 + a2 + 100

匿名函数适用于简单的业务处理，可以快速并简单的创建函数。

练习题

根据函数写写出其匿名函数的表达方式

def func(a1,a2):
    return a1 + a2

func = lambda a1,a2: a1+a2

def func(data):
    return data.replace("张三","***")

func= lambda data: data.replace("张三","***")

def func(data):
    name_list = data.replace(".")
    return name_list[-1]

func = lambda data: data.replace(".")[-1]

在编写匿名函数时，由于受限 函数体只能写一行，所以匿名函数只能处理非常简单的功能。

扩展：三元运算

简单的函数，可以基于lambda表达式实现。

简单的条件语句，可以基于三元运算实现，例如：

num = input("请写入内容")

if "你好" in num:
    data = "hello"
else:
    data = "world"
    
print(data)

num = input("请写入内容")
data = "hello" if "你好" in num else "world"
print(data)

# 结果 =  条件成立时    if   条件   else   不成立

lambda表达式和三元运算没有任何关系，属于两个独立的知识点。

掌握三元运算之后，以后再编写匿名函数时，就可以处理再稍微复杂点的情况了，例如：

func = lambda x: "大了" if x > 66 else "小了"

v1 = func(1)
print(v1) # "小了"

v2 = func(100)
print(v2) # "大了"

二、生成器（面试常用）

生成器是由函数+yield关键字创造出来的写法，在特定情况下，用他可以帮助我们节省内存。

1. 生成器函数与生成器对象

【1】生成器函数，但函数中有yield存在时，这个函数就是生产生成器函数。

  def func():
      print(111)
      yield 1

  def func():
      print(111)
      yield 1
  
      print(222)
      yield 2
  
      print(333)
      yield 3
  
      print(444)

【2】生成器对象，执行生成器函数时，会返回一个生成器对象。（函数是不会执行的）

def func():
    print(123)
    print(123)
    yield 1234  # 有点像return，执行到这个位置之后，就不再执行。
    print(456)
    yield 666  # 有点像return，执行到这个位置之后，就不再执行。
    print(789)
    # return None # 程序就会报错，生成器中的代码执行完毕了 StopIteration

【1】生成器使用功能方法举例：
data = func()
# 基于for循环执行生成器对象
for item in data:
    # 本质为执行next(data)
    print(item)    #使用for循环最后的return不会报错

【2】生成器原理：
# 执行生成器函数时，函数体默认不会被执行；返回的是一个生成器对象。
v1 = func()
print(v1) # <generator object func at 0x7fd0280f75f0>

# next里面放生成器对象，进入生成器函数并执行其中的代码
n1 = next(v1)
print(n1)

# next里面放生成器对象，进入生成器函数并执行其中的代码（从上次yield返回位置继续向下）
n2 = next(v1)
print(n2)

# next里面放生成器对象，进入生成器函数并执行其中的代码（从上次yield返回位置继续向下）
n3 = next(v1)

def func():
      print(111)
      yield 1
  
      print(222)
      yield 2
  
      print(333)
      yield 3
  
      print(444)
      
  data = func()
  
  # 执行生成器函数func，返回的生成器对象。
  # 注意：执行生成器函数时，函数内部代码不会执行。

def func():
      print(111)
      yield 1
  
      print(222)
      yield 2
  
      print(333)
      yield 3
  
      print(444)
      
  data = func()
  
  v1 = next(data)
  print(v1)
  
  v2 = next(data)
  print(v2)
  
  v3 = next(data)
  print(v3)
  
  v4 = next(data)
  print(v4)  # 结束或中途遇到return，程序爆：StopIteration 错误

 data = func()
  
  for item in data:
      print(item)

生成器的特点是，记录在函数中的执行位置，下次执行next时，会从上一次的位置基础上再继续向下执行。

2.应用场景

【1】假设要让你生成 300w个随机的4位数，并打印出来。

• 在内存中一次性创建300w个
• 动态创建，用一个创建一个。
  旧的实现方法：

import random

val = random.randint(1000, 9999)
print(val