019--python内置函数

一、内置高阶函数

　　map函数：接收两个数据 函数和序列，map（）将函数调用'映射'到序列身上，并返回一个含有所有返回值的一个列表

　　

num1 = [1,2,3,4,5]
num2 = [5,4,3,2,1]

def add_one(x): #加
    return x+1

def reduce_one(x): #减
    return x-1

def pow(x):  #平方
    return x**2

def map_test(func,array):
    res = []
    for i in array:
        res.append(func(i))
    return res

res1 = map_test(pow,num1)
print(res1)
res2 = map_test(lambda x:x+1,num1)
print(res2)

#内置函数map
res3 = map(reduce_one,num2)
print(list(res3))

　　reduce函数：接收两个数据 函数和序列，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相应计算

num1 = [1,2,3,4,100,200]
def reduce_test(func,array,init=None):

    if init==None:
        res=array.pop(0)
    else:
        res=init
    for i in array:
        res=func(res,i)
    return res
print(reduce_test(lambda x,y:x*y,num1,10))

#内置reduce函数
from functools import reduce
print(reduce(lambda x,y:x+y,num1))

　　filter函数：接收两个数据 函数和序列，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

num1 = [1,5,20,30,100,200]
def filter_test(func,array):
    res = []
    for i in array:
        res.append(func(i))
    return res

res1 = filter_test(lambda x:x>99,num1)
print(res1)

#内置filter函数
res2 = filter(lambda n:n>99,num1)
print(list(res2))

二、其它内置函数

　

eval（）把字符串中的数据结构提取出来
a = "{'a':23,'b':43,'book':'english'}"
print(eval(a))

hash（）可以hash的数据类型是不可变数据类型
a = 'alex'
b = hash(a)
print(b)
zip 函数(组成一一对应的元组)（如果外面不加一个lis那没得到的就是一个zip对象）
print(list(zip(('a','b','c'),(1,2,3))))
print(list(zip(('a','b','c'),(1,2,3,4))))
print(list(zip(('a','b','c','d'),(1,2,3))))

p = {'name':'alex','age':23,'gender':'male'}
print(list(zip(p.keys(),p.values())))
输出结果为：
[('a', 1), ('b', 2), ('c', 3)]
[('a', 1), ('b', 2), ('c', 3)]
[('a', 1), ('b', 2), ('c', 3)]
[('name', 'alex'), ('age', 23), ('gender', 'male')]

max 和 min 函数
 l = [
     (5,'e'),
     (2,'b'),
     (3,'c'),
     (6,'d')
 ]

 print(list(max(l)))
 max 函数的两点说明：
1.max处理的是可以迭代的对象，相当于for循环取出每个元素进行比较，不同数据类型之间不可以比较
2.每个元素之间的比较是从每个元素的第一个位置依次比较，如果此位置可以区分出大小，后面就不需要比较了，直接得出这两个元素的大小

sorted函数的使用(都是按照从小到大的顺序进行排列)

 name_dict ={
     'yuanhao':80,
     'alex':99,
     'wupeiqi':700
 }
 print(sorted(name_dict))
 print(sorted(name_dict,key = lambda key:name_dict[key]))
1.对数据的进制转化
a = hex(12)#十进制转十六进制
b = bin(12) #十进制转二进制
c = oct(12) #十进制转八进制
print(a)
print(b)
print(c)

输出结果为：
0xc
0b1100
0o14

2.数字转字母，字母转数字（ASCII表）
a = ord('A')
b = chr(99)
print(a,b)
输出结果：65 c

3.divmod 取余函数（用在做网页的文章分页）
c = divmod(10,3)
print(c)
输出结果：(3, 1)  #3余数为1

4.求次方函数
d = pow(2,3)
e = pow(2,3,4)
print(d,e) #d:2的3次方；e:2的3次方对4取余

5.reversed函数取翻转

6.round（） #四舍五入函数
7.abs（）
# print(abs(-10))
输出 10

8.all（）函数 判断列表内是否都为真
  >>> print(all([1,2,'','']))
  False

  9.any（）函数 有一真则为真

  >>>print(any([0,'',1]))

  >>>True

  10.bytes（）函数

  name='你好'
  print(bytes(name,encoding='utf-8'))
  print(bytes(name,encoding='utf-8').decode('utf-8'))

  print(bytes(name,encoding='gbk'))
  print(bytes(name,encoding='gbk').decode('gbk'))

  print(bytes(name,encoding='ascii'))#ascii不能编码中文

  11.isinstance（）函数 判断数据类型 

  print(isinstance(1,int))
  print(isinstance('abc',str))
  print(isinstance([],list))
  print(isinstance({},dict))
  print(isinstance({1,2},set))

三、迭代器和生成器

　　我们已经知道，可以直接作用于for循环的数据类型有以下几种：

　　一类是集合数据类型，如list、tuple、dict、set、str等；

　　一类是generator，包括生成器和带yield的generator function。

　　这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

　　可以使用isinstance()判断一个对象是否是Iterable对象：

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

　　而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

　　可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

　　可以使用isinstance()判断一个对象是否是Iterator对象：

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

　　生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

　　把list、dict、str等Iterable变成Iterator可以使用iter()函数：

　　

>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True

　　你可能会问，为什么list、dict、str等数据类型不是Iterator？

　　这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

　　Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。　　

　　迭代器小结

　　凡是可作用于for循环的对象都是Iterable类型；

　　凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

　　集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

　　Python的for循环本质上就是通过不断调用next()函数实现的，例如：

for x in [1, 2, 3, 4, 5]:
    pass

实际上完全等价于：

# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
    try:
        # 获得下一个值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break

　　生成器

　　1.生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行

　　2.生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表，把列表解析式的中括号改为小括号

　　生成器小结：

　　1.是可迭代对象

　　2.实现了延迟计算,省内存

　　3.生成器本质和其他的数据类型一样，都是实现了迭代器协议，只不过生成器附加了一个延迟计算省内存的好处，其余的可迭代对象可没有这点好处.

　　4.只能遍历一次

　　

生成器表达式：
>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>

生成器函数：裴波拉契数列
def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

闭包问题示例：

def multipliers():
    gs = []
    for i in (0, 1, 2, 3):
        def g(x):
            return i * x
        gs.append(g)
    return gs  # 即4个g(x) gs = [g(x),g(x),g(x),g(x),g(x)]
print([m(2) for m in multipliers()])
# [m(2) for m in multipliers()] 相当于 [m(2) for m in [g(x),g(x),g(x),g(x),g(x)]] 这里的个g(x)就是 def g(x):
#                                                                                                      return i * x
# m(2) for m in multipliers()即m是multipliers的一个返回值，即g(x)。 m(2)即g(2),2*3 = 6
# 故结果是【6,6,6,6】

#解决方法一: 使用map函数先生成一个序列(i for i in range(4)) 然后传入lambda表达式i * x 进行计算
def multipliers(x):
    return map(lambda i :i * x ,(i for i in range(4)))
print(list(multipliers(2)))

# 解决方法二: 在循环的时候就把每次的i值当默认参数传进去
def multipliers():
    return [lambda x, i=i : i * x for i in range(4)]
print([m(2) for m in multipliers()])

def multiplier():
    gs = []
    for i in (0, 1, 2, 3):
        def g(x,i=i):  # 在循环的时候就把每次的i值当默认参数传进去
            return i * x
        gs.append(g)
    return gs  #  gs = [ return 0*x , return 1*x , return 2*x , return 3*x ]
print([m(2) for m in multiplier()])
# [m(2) for m in multiplier()] 相当于 [m(2) for m in [ return 0*x , return 1*x , return 2*x , return 3*x ] ]

　　

菜鸟教程：内置函数详解

资料来源：廖雪峰迭代器说明   林海峰迭代器生成器说明