python评估函数 python求评论数

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

python当中的eval（）函数是起什么作业的

eval函数将字符串当成有效Python表达式来求值，并返回计算结果

例子

x=0

l='x+1'

print(eval(l))

结果是1

相关问答

Q1: python用函数给不及格成绩加分

python用函数给不及格成绩加分

Python的高级特征你知多少？来对比看看

机器之心

人工智能信息服务平台

来自专栏机器之心

Python 多好用不用多说，大家看看自己用的语言就知道了。但是 Python 隐藏的高级功能你都 get 了吗？本文中，作者列举了 Python 中五种略高级的特征以及它们的使用方法，快来一探究竟吧！

选自towardsdatascience，作者：George Seif，机器之心编译。

Python 是一种美丽的语言，它简单易用却非常强大。但你真的会用 Python 的所有功能吗？

任何编程语言的高级特征通常都是通过大量的使用经验才发现的。比如你在编写一个复杂的项目，并在 stackoverflow 上寻找某个问题的答案。然后你突然发现了一个非常优雅的解决方案，它使用了你从不知道的 Python 功能！

这种学习方式太有趣了：通过探索，偶然发现什么。

下面是 Python 的 5 种高级特征，以及它们的用法。

Lambda 函数

Lambda 函数是一种比较小的匿名函数——匿名是指它实际上没有函数名。

Python 函数通常使用 def a_function_name() 样式来定义，但对于 lambda 函数，我们根本没为它命名。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。

lambda 函数可以使用任意数量的参数，但表达式只能有一个。

x = lambda a, b : a * b print(x(5, 6)) # prints '30' x = lambda a : a*3 + 3 print(x(3)) # prints '12'

看它多么简单！我们执行了一些简单的数学运算，而无需定义整个函数。这是 Python 的众多特征之一，这些特征使它成为一种干净、简单的编程语言。

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。

def square_it_func(a): return a * a x = map(square_it_func, [1, 4, 7]) print(x) # prints '[1, 16, 47]' def multiplier_func(a, b): return a * b x = map(multiplier_func, [1, 4, 7], [2, 5, 8]) print(x) # prints '[2, 20, 56]'看看上面的示例！我们可以将函数应用于单个或多个列表。实际上，你可以使用任何 Python 函数作为 map 函数的输入，只要它与你正在操作的序列元素是兼容的。

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。

详情请看如下示例：

# Our numbers numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15] # Function that filters out all numbers which are odd def filter_odd_numbers(num): if num % 2 == 0: return True else: return False filtered_numbers = filter(filter_odd_numbers, numbers) print(filtered_numbers) # filtered_numbers = [2, 4, 6, 8, 10, 12, 14]

我们不仅评估了每个列表元素的 True 或 False，filter() 函数还确保只返回匹配为 True 的元素。非常便于处理检查表达式和构建返回列表这两步。

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。关于 Itertools 的神奇之处，请看以下示例：

from itertools import * # Easy joining of two lists into a list of tuples for i in izip([1, 2, 3], ['a', 'b', 'c']): print i # ('a', 1) # ('b', 2) # ('c', 3) # The count() function returns an interator that # produces consecutive integers, forever. This # one is great for adding indices next to your list # elements for readability and convenience for i in izip(count(1), ['Bob', 'Emily', 'Joe']): print i # (1, 'Bob') # (2, 'Emily') # (3, 'Joe') # The dropwhile() function returns an iterator that returns # all the elements of the input which come after a certain # condition becomes false for the first time. def check_for_drop(x): print 'Checking: ', x return (x 5) for i in dropwhile(should_drop, [2, 4, 6, 8, 10, 12]): print 'Result: ', i # Checking: 2 # Checking: 4 # Result: 6 # Result: 8 # Result: 10 # Result: 12 # The groupby() function is great for retrieving bunches # of iterator elements which are the same or have similar # properties a = sorted([1, 2, 1, 3, 2, 1, 2, 3, 4, 5]) for key, value in groupby(a): print(key, value), end=' ') # (1, [1, 1, 1]) # (2, [2, 2, 2]) # (3, [3, 3]) # (4, [4]) # (5, [5])

Generator 函数

Generator 函数是一个类似迭代器的函数，即它也可以用在 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。

比如，我们想把 1 到 1000 的所有数字相加，以下代码块的第一部分向你展示了如何使用 for 循环来进行这一计算。

如果列表很小，比如 1000 行，计算所需的内存还行。但如果列表巨长，比如十亿浮点数，这样做就会出现问题了。使用这种 for 循环，内存中将出现大量列表，但不是每个人都有无限的 RAM 来存储这么多东西的。Python 中的 range() 函数也是这么干的，它在内存中构建列表。

代码中第二部分展示了使用 Python generator 函数对数字列表求和。generator 函数创建元素，并只在必要时将其存储在内存中，即一次一个。这意味着，如果你要创建十亿浮点数，你只能一次一个地把它们存储在内存中！Python 2.x 中的 xrange() 函数就是使用 generator 来构建列表。

上述例子说明：如果你想为一个很大的范围生成列表，那么就需要使用 generator 函数。如果你的内存有限，比如使用移动设备或边缘计算，使用这一方法尤其重要。

也就是说，如果你想对列表进行多次迭代，并且它足够小，可以放进内存，那最好使用 for 循环或 Python 2.x 中的 range 函数。因为 generator 函数和 xrange 函数将会在你每次访问它们时生成新的列表值，而 Python 2.x range 函数是静态的列表，而且整数已经置于内存中，以便快速访问。

# (1) Using a for loopv numbers = list() for i in range(1000): numbers.append(i+1) total = sum(numbers) # (2) Using a generator def generate_numbers(n): num, numbers = 1, [] while num n: numbers.append(num) num += 1 return numbers total = sum(generate_numbers(1000)) # (3) range() vs xrange() total = sum(range(1000 + 1)) total = sum(xrange(1000 + 1))

Q2: python有哪些语法元素

Python基本语法元素

缩进

缩进表达程序的格式框架

·严格明确：缩进是语法的一部分，缩进不正确程序运行错误

·所属关系：表达代码间包含和层次关系的唯一手段

·长度一致：程序内一致即可，一般用4个空格或1个TAB

注释

不被程序执行的辅助性说明信息

·单行注释：以#开头，其后内容为注释

·多行注释：以'''开头和结尾

相关推荐：《Python教程》

保留字（关键字）

被编程语言内部定义并保留使用的标识符，Python语言有33个保留字。

标红色的保留字较少用到

数据类型

字符串

由0个或多个字符组成的有序字符序列

·字符串的序号

·TempStr[0:-1]得到除最后一个字符的字符串（切片）

数字类型

整数和浮点数

列表类型

由0个或多个数据组成的有序序列

·列表使用[ ]表示，采用逗号,分隔各元素

·使用保留字 in 判断一个元素是否在列表中

赋值语句

由赋值符号构成的一行代码

分支语句

由判断条件决定程序运行方向的语句

·每个保留字所在行最后存在一个冒号:

·冒号及后续缩进用来表示后续语句与条件的所属关系

函数

根据输入参数产生不同输出的功能过程，函数采用函数名(参数) 方式使用

输入输出

输入函数 input()

·input()：从控制台获得用户输入的函数

·变量 = input(提示信息字符串)

输出函数 print()

·print()：以字符形式向控制台输出结果的函数

·格式化

把format()中的变量填进去

评估函数 eval()

去掉参数最外侧引号并执行余下语句的函数

Q3: 【Python】基础总结

input("提示性信息")

如python评估函数：

input("请输入数字")

因为 Python 没有特别人为规定数据类型，数据类型是由计算机进行判定，所以我们 input() 输入python评估函数的数据均默认作为字符串处理，而如果要输入一些数字，着需要 eval() 评估函数对字符串进行评估，化为语句（数字）。

print(...)

默认空一行，如果想不空行，则

print(...., end = "")

特性：

进制：

特性：

浮点数间运算存在不确定尾数，不是 bug

如：0.1+0.3 → 0.4

0.1+0.2 → 0.30000000000000004

这是由于在计算机中一切数据都是化为二进制进行存储的，而有的浮点数并不能完全化为相等的二进制数，只能无限趋近于二进制数。

如：0.1 →

解决方法：

四舍五入：

例如：z = 1.23e-4 + 5.6e+89j

z.real 获得实部，z.imag 获得虚部

三种类型存在一种逐渐“扩展”或“变宽”的关系：

整数 → 浮点数 → 复数

特点：

字符串有 2 类共 4 种表示方法：

扩展：

使用[]获取字符串中一个或多个字符

使用[M:N:K]根据步长对字符串切片

{参数序号:格式控制标记}

右对齐

^ 居中对齐 | 槽设定的输出宽度 | 数字的千位分隔符 | 浮点数小数精度或字符串最大输出长度 | 整数类型

b , c , d , o , x , X

浮点数类型

e , E , f , % |

填充、对齐、宽度这三个一组，例如：

"{0:=^20}".format("PYTHON")

→ '=======PYTHON======='

"{0:*20}".format("BIT")

→ '*****************BIT'

"{:10}".format("BIT")

'BIT '

剩下的三个一组，例如：

"{0:,.2f}".format(12345.6789)

→ '12,345.68'

"{0:b},{0:c},{0:d},{0:o},{0:x},{0:X}x".format(425)

→ '110101001,Σ,425,651,1a9,1A9'

"{0:e},{0:E},{0:f},{0:%}".format(3.14)

'3.140000e+00,3.140000E+00,3.140000,314.000000%'

↓CloseCode↓

使用 raise 语句抛出一个指定的异常。

raise [Exception [, args [, traceback]]]

紧凑形式：适用于简单表达式的二分支结构

表达式1 if 条件 else 表达式2

例如：

↓CloseCode↓

例如：

↓CloseCode↓

运行结果：

↓CloseCode↓

例如：

↓CloseCode↓

运行结果：

↓CloseCode↓

例如：

↓CloseCode↓

运行结果：

↓CloseCode↓

例如：

↓CloseCode↓

运行结果：

↓CloseCode↓

例如：

↓CloseCode↓

运行结果：

↓CloseCode↓

由条件控制的循环运行方式

↓CloseCode↓

例如：

↓CloseCode↓

运行结果：

↓CloseCode↓

例如：

↓CloseCode↓

运行结果：

↓CloseCode↓

例如：

↓CloseCode↓

运行结果：

↓CloseCode↓

可选参数例如：

↓CloseCode↓

运行结果：

↓CloseCode↓

可变参数例如：

↓CloseCode↓

运行结果：

↓CloseCode↓

在函数定义中，经常会碰到 *args(arguments) 和作为参数 **kwargs(keyword arguments)。

（事实上在函数中，和才是必要的，args 和 kwargs 可以用其他名称代替）

*args 是指不定数量的非键值对参数。

**kwargs 是指不定数量的键值对参数。

*args 作为作为元组匹配没有指定参数名的参数。而 **kwargs 作为字典，匹配指定了参数名的参数。

*args 必须位于 **kwargs 之前。

args( 通常紧跟一个标识符，你会看到a或者args都是标识符)是python用于接收或者传递任意基于位置的参数的语法。当你接收到一个用这种语法描叙参数时（比如你在函数def语句中对函数签名使用了星号语法），python会将此标识符绑定到一个元祖，该元祖包含了所有基于位置的隐士的接收到的参数。当你用这种语法传递参数时，标识符可以被绑定到任何可迭代对象（事实上，它也可以是人和表达式，并不必须是一个标识符），只要这个表达式的结果是一个可迭代的对象就行。

**kwds(标识符可以是任意的，通常k或者kwds表示)是python用于接收或者传递任意基于位置的参数的语法。（python有时候会将命名参数称为关键字参数，他们其实并不是关键字--只是用他们来给关键字命名，比如pass,for或者yield，还有很多，不幸的是，这种让人疑惑的术语目前仍是这门语言极其文化根深蒂固的一个组成部分。）当你接收到用这种语法描叙的一个参数时（比如你在函数的def语句中对函数签名使用了双星号语法）python会将标识符绑定到一个字典，该字典包含了所有接收到的隐士的命名参数。当你用这种语法传递参数时，标识符只能被绑定到字典（我ID号I它也可以是表达式，不一定是一个标识符，只要这个表达式的结果是一个字典即可）。

当你在定义或调用一个函数的时候，必须确保a和k在其他所有参数之后。如果这两者同时出现，要将k放在a之后。

lambda函数返回函数名作为结果

↓CloseCode↓

例如：

↓CloseCode↓

运行结果：

↓CloseCode↓

谨慎使用lambda函数

Q4: python当中的eval（）函数是起什么作用？

python当中的eval（）函数是将字符串当成有效Python表达式来求值，并返回计算结果

x = 1

eval('x+1')