Python入门之三元表达式\列表推导式\生成器表达式\递归匿名函数\内置函数

本章目录：

　　　　一、三元表达式、列表推导式、生成器表达式

　　　　二、递归调用和二分法

　　　　三、匿名函数

　　　　四、内置函数

==================================================================

一、三元表达式、列表推导式、生成器表达式

　　

　　1. 三元表达式

　　　　

#三元表达式格式：
'''
 判定条件? 为真时的结果 : 为假时的结果
'''
# 例
result = 5>3? 1 : 0

'''
定义函数比较两个值
'''
def max(x, y):
    if x > y:
        return x
    else:
        return y

res = max(x, y)
oprint(res)

'''
三元表达式仅应用于：
1. 条件成立返回前一个值
2. 条件不成立返回后面一个值
'''
res = x if x>y else y
print(res)

# 三元表达式函数的写法
def max2(x,y):
    return x if x > y else y

print(max2)        

　　2. 列表推导式

　　

#1. 示例
egg_list = []

for i in range(10):
    egg_list.append('Egg No.%s' %i)

egg_list = ['Egg No.%s' %i for i in range(10)]

#2. 语法
[expression for item1 in iterable1 if condition1
    for item2 in iterable2 if condition2
        ....
         for itemN in iterableN if conditionN
]

# 例子如下
res = []
for item1 in iterable1:
    if condition1:
        for item2 in iterable2:
            ....
            for itemN in iterableN:
                if conditonN:
                    res.append(expression)

#3 优点：方便，改变了变成习惯，可称之为声明式编程

　　3.生成器表达式

#1 把列表推导式的[]换成()就是生成器表达式

#2 示例：列表好比一筐鸡蛋，现在我们通过生成器把一筐鸡蛋变成一只可以随时下单的老母鸡，利用了生成器的特点

>>>chicken = ('Egg No.%s' %i for i in range(5))
>>>print(chicken)

# 得到的结果
>>> <generator object <genexpr> at 0x10143f200>

>>>next(chicken)
'Egg No.0'

>>>list(chicken)   #chicken是生成器，具有可迭代属性，可以转换为列表
['Egg No.0', 'Egg No.1', 'Egg No.2', 'Egg No.3', 'Egg No.4']

#3 优点：一筐鸡蛋变成一只老母鸡，节省内存，一次只放一个鸡蛋到内存

二、递归调用和二分法

　　1. 递归调用的定义

# 递归调用是函数嵌套调用的一种特殊形式，函数在调用的时候，直接或者间接调用了自身，就是递归调用

# 示例

def foo():
    print('from foo')
    foo()

foo()

----------------------------------------------------------------------------------
def bar:
    print('I'm bar')
    foo()

def foo():
    print('from foo')
    bar()

foo()

　　

　　2. 递归分为两个阶段：递推，回溯

'''
salary(5) = salary(4)+300
salary(4) = salary(3)+300
salary(3) = salary(2)+300
salary(2) = salary(1)+300
salary(1) = 300

salary(n) = salary(n-1)+300
salary(1) = 100
'''

def salary(n):
    if n == 1:
        return 100
    return salary(n-1) + 100

print(salary(5))

'''
递归分为两个阶段：
1. 回溯
注意：一定要在某种条件下结束回溯，否则会无限循环下去
2. 递推

总结：
1. 递归一定要有一个明确的结束条件
2. 没进入下一次递归，问题的规模都应该减少
'''

'''
while和递推的区别：
    while需要明确多少循环
    递推只需要知道怎么去循环，至于循环多少次，没有说明
'''

items = [1,[2,[3,[4,[5,[6,[7,[8,[9,[10,11,]]]]]]]]]

def tell(L1):
    for item in L1:
        if type(item) is not list:
            print(item)
        else:
            tell(item)     # tell再次调用自己，递归

tell(items)

　　3. Python中的递归效率低并且没有尾递归优化

#python中的递归

python中的递归效率低，需要在进入下一次递归时保留当前的状态，在其他语言中可以有解决方法：尾递归优化，即在函数的最后一步（而非最后一行)调用自己，
但是python又没有尾递归，且对递归层级做了限制

#总结递归的使用：

1. 必须有一个明确的结束条件

2. 每次进入更深一层递归时，问题规模相比上次递归都应有所减少

3. 递归效率不高，递归层次过多会导致栈溢出（在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出

　　4. Python中可以修改递归最大深度

import sys

sys.getrecursionlimit    #Python中获取系统默认递归深度(1000)
sys.setrecursionlimit(2000)    #修改系统默认递归深度为2000

n = 1
def test():
    global n
    print(n)
    n += 1
    test()

test()   #默认深度1000，打印到998停止；更改深度2000后，打印到1998

　　5. 二分法（即二分排序算法）

'''
从一个按照从小到大排列的数字列表中找到指定的数字，遍历的效率太低，用二分法可以提高查找效率
'''

L1 = [2,3,4,56,78,98,230,567,1222,1333,5620,10000]

def func_binary(num, L):    #要找的值为num

    print(L)

    if len(L) > 0:

        mid = len(1)//2    #列表已经从小大到排序，取列表的中间索引，获得中间值
        if num > L[mid]:
            L = L[mid+1 : ]    #num比中间值大，只要取中间值右边部分，左侧舍弃

        elif num < L[mid]:
            L = L[ : mid]    #num比中间值小，只要取中间值左边部分，右侧舍弃

        else:
            print('Find It!')
            return
        func_binary(num, L)

    else:
        print('Invalid Input List!')
        return 

search(1333, L1)               

l=[1,2,10,30,33,99,101,200,301,402]

def search(num,l,start=0,stop=len(l)-1):
    if start <= stop:
        mid=start+(stop-start)//2    #列表已经从小大到排序，取列表的中间索引，获得中间值
        print('start:[%s] stop:[%s] mid:[%s] mid_val:[%s]' %(start,stop,mid,l[mid]))
        if num > l[mid]:    #num比中间值大，只要取中间值右边部分，左侧舍弃
            start=mid+1
        elif num < l[mid]:    #num比中间值小，只要取中间值左边部分，右侧舍弃
            stop=mid-1
        else:
            print('find it',mid)
            return
        search(num,l,start,stop)
    else:      #如果stop > start则意味着列表实际上已经全部切完，即切为空
        print('not exists')
        return

search(301,l)

三、匿名函数

1、没有名字的函数。不能单独使用，通常情况下会与其他函数连用

2、匿名函数的参数规则，作用域关系与带名字函数时一样的

3、匿名函数的函数体通常应该是一个表达式，该表达式必须要有返回值

'''
有名函数与匿名函数的对比
有名函数：循环使用，保存了名字，通过名字就可以重复引用函数功能

匿名函数：一次性使用，随时随时定义

应用：max，min，sorted,map,reduce,filter
'''

　　

# lambda自带return，所以不需要再加return

　　

 

四、内置函数

字典的运算：最小值，最大值，排序
salaries={
    'egon':3000,
    'alex':100000000,
    'wupeiqi':10000,
    'yuanhao':2000
}

迭代字典，取得是key，因而比较的是key的最大和最小值
>>> max(salaries)
'yuanhao'
>>> min(salaries)
'alex'

可以取values，来比较
>>> max(salaries.values())
>>> min(salaries.values())
但通常我们都是想取出，工资最高的那个人名，即比较的是salaries的值，得到的是键
>>> max(salaries,key=lambda k:salary[k])
'alex'
>>> min(salaries,key=lambda k:salary[k])
'yuanhao'

也可以通过zip的方式实现
salaries_and_names=zip(salaries.values(),salaries.keys())

先比较值，值相同则比较键
>>> max(salaries_and_names)
(100000000, 'alex')

salaries_and_names是迭代器，因而只能访问一次
>>> min(salaries_and_names)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: min() arg is an empty sequence

sorted(iterable，key=None,reverse=False)

#1、语法
# eval(str,[,globasl[,locals]])
# exec(str,[,globasl[,locals]])

#2、区别
#示例一：
s='1+2+3'
print(eval(s)) #eval用来执行表达式，并返回表达式执行的结果
print(exec(s)) #exec用来执行语句，不会返回任何值
'''
6
None
'''

#示例二：
print(eval('1+2+x',{'x':3},{'x':30})) #返回33
print(exec('1+2+x',{'x':3},{'x':30})) #返回None

# print(eval('for i in range(10):print(i)')) #语法错误，eval不能执行表达式
print(exec('for i in range(10):print(i)'))

compile(str,filename,kind)
filename:用于追踪str来自于哪个文件，如果不想追踪就可以不定义
kind可以是：single代表一条语句，exec代表一组语句，eval代表一个表达式
s='for i in range(10):print(i)'
code=compile(s,'','exec')
exec(code)

s='1+2+3'
code=compile(s,'','eval')
eval(code)