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)
<type 'str'>       # 字符串
>>> a = raw_input("input:")
input:runoob
>>> type(a)
<type 'str'>       # 字符串
>>>
input() 需要输入 python 表达式
>>>a = input("input:")
input:123         # 输入整数
>>> type(a)
<type 'int'>        # 整型
>>> a = input("input:")  
input:"runoob"      # 正确，字符串表达式
>>> type(a)
<type 'str'>       # 字符串
>>> a = input("input:")
input:runoob        # 报错，不是表达式
traceback (most recent call last):
 file "<stdin>", line 1, in <module>
 file "<string>", line 1, in <module>
nameerror: name 'runoob' is not defined
<type 'str'>

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