python函数进阶 python高阶函数心得

Python的5种高级用法

Lambda 函数

Python 函数一般使用 def a_function_name() 样式来定义，但是对于 lambda 函数来说，我们其实根本没为它命名。这是因为 lambda 函数的功能是执行某种简单的表达式或运算，而无需完全定义函数。

Map 函数

Map() 是一种内置的 Python 函数，它可以将函数应用于各种数据结构中的元素，如列表或字典。对于这种运算来说，这是一种非常干净而且可读的执行方式。

Filter 函数

filter 内置函数与 map 函数非常相似，它也将函数应用于序列结构(列表、元组、字典)。二者的关键区别在于 filter() 将只返回应用函数返回 True 的元素。

Itertools 模块

Python 的 Itertools 模块是处理迭代器的工具集合。迭代器是一种可以在 for 循环语句(包括列表、元组和字典)中使用的数据类型。

使用 Itertools 模块中的函数让你可以执行很多迭代器操作，这些操作通常需要多行函数和复杂的列表理解。

Generator 函数

其实，Generator函数是一个类似于迭代器的函数，就是它也可以用在 for 循环语句中。这大大简化了你的代码，而且相比简单的 for 循环，它节省了很多内存。

关于Python的5种高级用法，青藤小编就和您分享到这里了。如果您对python编程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于python编程的技巧及素材等内容，可以点击本站的其他文章进行学习。

相关问答

Q1: Python 函数进阶-高阶函数

高阶函数就是能够把函数当成参数传递的函数就是高阶函数，换句话说如果一个函数的参数是函数，那么这个函数就是一个高阶函数。

高阶函数可以是你使用 def 关键字自定义的函数，也有Python系统自带的内置高阶函数。

我们下面的例子中，函数 senior 的参数中有一个是函数，那么senior就是一个高阶函数；函数 tenfold 的参数不是函数，所以tenfold就只是一个普通的函数。

function：函数，可以是 自定义函数 或者是 内置函数；

iterable：可迭代对象，可迭代性数据。（容器类型数据和类容器类型数据、range对象、迭代器）

把可迭代对象中的数据一个一个拿出来，然后放在到指定的函数中做处理，将处理之后的结果依次放入迭代器中，最后返回这个迭代器。

将列表中的元素转成整型类型，然后返回出来。

列表中的每一个数依次乘 2的下标索引+1 次方。使用自定义的函数，配合实现功能。

参数的意义和map函数一样

filter用于过滤数据，将可迭代对象中的数据一个一个的放入函数中进行处理，如果函数返回值为真，将数据保留；反之不保留，最好返回迭代器。

保留容器中的偶数

参数含义与map、filter一致。

计算数据，将可迭代对象的中的前两个值放在函数中做出运算，得出结果在和第三个值放在函数中运算得出结果，以此类推，直到所有的结果运算完毕，返回最终的结果。

根据功能我们就应该直到，reduce中的函数需要可以接收两个参数才可以。

将列表中的数据元素组合成为一个数，

iterable：可迭代对象；

key：指定函数，默认为空；

reverse：排序的方法，默认为False，意为升序；

如果没有指定函数，就单纯的将数据安札ASCII进行排序；如果指定了函数，就将数据放入函数中进行运算，根据数据的结果进行排序，返回新的数据，不会改变原有的数据。

注意，如果指定了函数，排序之后是根据数据的结果对原数据进行排序，而不是排序计算之后的就结果数据。

将列表中的数据进行排序。

还有一点就是 sorted 函数可以将数据放入函数中进行处理，然后根据结果进行排序。

既然有了列表的内置函数sort，为什么我们还要使用sorted函数呢？

高阶函数就是将函数作为参数的函数。

文章来自

Q2: python高阶函数有哪些

1、map

map()函数接受两个参数，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一个元素上，并把结果作为新的Iterator返回。

举例，比如我们有一个函数f(x)=x*2，要把这个函数作用在一个list[1, 2, 3, 4, 5, 6, 7, 8,

9]上，就可以用map()实现。

def f(x):

... return x*2

...

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

list(r)

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

所以，map()作为高阶函数，事实上它把运算规则抽象了，因此，我们不但可以计算简单的f(x)=x*2，还可以计算任意复杂的函数，比如把这个list所有的数字转为字符串：

list(map(str,[1, 2, 3, 4, 5, 6, 7, 8, 9]))

["1", "2", "3", "4", "5", "6", "7", "8", "9"]

2、reduce

reduce是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计计算。简单来说，就是先计算x1和x2的结果，再拿结果与x3计算，依次类推。比如说一个序列求和，就可以用reduce实现。

from functools import reduce

def add(x, y):

... return x + y

...

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

25

也就是说，假设python没有提供int()函数，你完全可以自己写一个把字符串转化为整数的函数，而且只需要几行代码。

3、filter

用于过滤序列，和map函数类似，filter也接收一个函数和一个序列，不同于map的是，filter把传入的函数依次作用于每一个元素，然后根据返回值是True还是False决定保留还是丢弃该元素，例如，在一个list中，删掉偶数，只保留奇数，可以这么写：

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]

把一个序列中的空字符串删掉，可以这么写：

def not_empty(s):

return s and s.strip()

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

# 结果: ["A", "B", "C"]

可见用filter()这个高阶函数，关键在于正确实现一个筛选函数。

4、sorted

无论冒泡排序还是快速排序，排序的核心是比较两个元素的大小。如果是数字，我们可以直接比较，但如果是字符串或者两个dict呢?直接比较数学上的大小是没有意义的，因此，比较的过程必须通过函数抽象出来，Python内置的sorted()函数就可以对list进行排序：

sorted([36, 5, -12, 9, -21])

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

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)

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

Q3: Python进阶 —— 尾递归

下面是笔者的个人理解： 把计算出的值存在函数内部（当然不止尾递归）是其计算方法，从而不用在栈中去创建一个新的，这样就大大节省了空间。函数调用中最后返回的结果是单纯的递归函数调用（或返回结果）就是尾递归。

实例还是和笔者的上一篇文章相同，建议读者阅读 Python —— 递归

常规递归阶乘：

我们来看一下执行过程：

但是如果把上面的函数写成如下形式：

我们再看下执行过程：

很直观的就可以看出，这次的 factorial 函数在递归调用的时候不会产生一系列逐渐增多的中间变量了，而是将状态保存在 acc 这个变量中。而这种形式的递归，就叫做尾递归。

常规递斐波那契数列：

而尾递归：

一下子就充满了逼格，还高效了许多，何乐而不为呢！

Q4: 学习这个的吗Python3实用编程技巧进阶我

一、如何在列表，字典，集合中根据条件筛选数据?

问题1：

如何过滤掉列表[3,9,-1,10,20,-2]中的负数?

解决方法：

在Python中可以使用函数式编程，列表解析，字典解析集合解析等方式进行筛选。

1)最通常的方法：迭代

data = [3,9,-1,10,20,-2]res = []for x in data: if(x = 0): res.append(x)print(res)

2)使用filter函数

from random import randintdata = [randint(-10,10) for x in range(10)] #在-10到10之间随机生成10个随机数newdata = list(filter(lambda x: x = 0, data))print(newdata)

注意Python3中的filter函数返回的对象从列表改为了Iterator(迭代器),因此如果想返回一个列表，就要加上list()

3)列表解析

newdata2 = [x for x in data if x = 0]print(newdata2)

结果和使用filter函数相同，但是使用列表解析所需的时间要比使用filter快很多，所以首选的方式就是列表解析，另外这两种方式都远快于迭代的方式。（推荐阅读：Python零基础入门在线网课）

问题2：

如何筛选出字典中值高于90的项?

解决方法：

from random import randintdic = {x: randint(60,100) for x in range(1,11)} #随机生成学号1到10的学生成绩newdic = {k:v for k,v in dic.items() if v = 90} #同时迭代键和值，Python3中的iteritems变为itemsprint(newdic)

问题3：

如何筛选出集合{77,89,32,29,33}中能被3整除的元素?

解决方法：

s = {77,89,32,29,33}news = {x for x in s if x % 3 == 0}print(news)

二、如何为元组中的每个元素命名，提高程序的可读性?

实际案例：

如学生信息管理系统中数据为固定格式：

(名字，年龄，性别...)

学生数量很大，为了减少存储开销，对每个学生信息采用元组表示：

(‘jam’,16,’male’)

(‘tom’,18,’male’)

(‘july’,19,’female’)

...

访问元组时，需要使用索引(index)来访问，

如一个学生元组为student = ('jam',19,'male')，那么想要访问其名字时要使用student[0]，访问其性别时要使用student[2]

由此带来的问题是大量的索引会降低程序的可读性，

那么如何来解决这个问题呢?

有两种解决方案：

方案1：定义枚举类型，也就是定义一系列数值常量

NAME = 0AGE = 1SEX = 2# NAME,AGE,SEX = range(1,4)student = ('jam',19,'male')print(student[NAME])print(student[AGE])

方案2：使用标准库中collections.namedtuple替代内置的tuple

from collections import namedtupleStudent = namedtuple('student',['name','age','sex']) #相当于创建了一个命名元组类，第一个参数是元组的名字，第二个参数是其属性s1 = Student('jam',18,'male') #可以直接传参s2 = Student(name='tom',age=20,sex='male') #也可以通过关键字传参print(s1.name) #通过属性来访问print(s2.age)

Q5: Python进阶精华-编写装饰器为被包装的函数添加参数

注意：这种发方法并不是装饰器最常用的功能，但是在降低代码重复上可谓是首屈一指。比如：如果不使用装饰器，上述代码可能会很多：

当然，这里也有一个潜在的风险，就是当装饰器包裹的函数已经用了debug作为参数名，那么装饰器这里将会报错，所以要添加额外的一些判断来完善代码：

最后还剩下一部分比较难理解的地方，我将理解的注释在每行代码上方，这个问题就是，在打印被修饰函数的参数签名时，其实并不能正确显示参数签名，原因是因为被wrapper修饰过后的函数实际上应该使用的是wrapper的参数签名表，例如：

所以，接下来，完成最后最难的一步：