Python高级函数

python高级函数

递归函数

​ 递归是颇为高级的话题，它在Python中相对少见。然而，它是一项应该了解的有用的技术，因为它允许程序遍历拥有任意的、不可预知的形状的结构。递归甚至是简单循环和迭代的替换，尽管它不一定是最简单的或最高效的一种。 

https://zhidao.baidu.com/question/550718079.html

​ 用递归求和 让我们来看一些例子。 要对一个数字列表（或者其他序列）求和，我们可以使用内置的sum函数，或者自己编写一个更加定制化的版本。这里是用递归编写的一个定制求和函数的示例：

def mysum(L):
	if not L:
		return 0
	else:
		return L[0] + mysum(L[1:]) #调用自身
print(mysum([1,2,3,4,5,6]))

第一次：L = [ 1, 2, 3, 4, 5, 6]

​ L[0] = 1 , l1 = L[1:] = [2, 3, 4, 5]

第二次：L = l1= [2, 3, 4, 5, 6]

​ L[0] = 2, L[1:] = [3, 4, 5, 6]

以此类推

​ 在每一层，这个函数都递归地调用自己来计算列表剩余的值和

list = []
def fa(n):
	if n==1:
		return 1
	if n==2:
		return 1
	else:
		return fa(n-1)+fa(n-2)
for i in range(1,11):
	list.append(fa(i))
print(list)


[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

匿名函数

lambda表达式

​ lambda的一般形式是关键字lambda，之后是一个或多个参数（与一个def头部内用括号括起来的参数列表极其相似），紧跟的是一个冒号，之后是一个表达式，即：

lambda para1,para2,......,paran:expression using paras

​ 由lambda表达式所返回的函数对象与由def创建并赋值后的函数对象工作起来是完全一样的，但是lambda有一些不同之处让其在扮演特定的角色时很有用

• lambda是一个表达式，而不是一个语句。因为这一点，lambda能够出现在Python语法不允许def出现的地方——例如，在一个列表常量中或者函数调用的参数中。此外，作为一个表达式，lambda返回了一个值（一个新的函数），可以选择性地赋值给一个变量名。相反，def语句总是得在头部将一个新的函数赋值给一个变量名，而不是将这个函数作为结果返回。

• lambda的主体是一个单个的表达式，而不是一个代码块。这个- lambda的主体简单得就好像放在def主体的return语句中的代码一样。简单地将结果写成一个顺畅的表达式，而不是明确的返回。因为它仅限于表达式，lambda通常要比def功能要小：你仅能够在lambda主体中封装有限的逻辑进去，连if这样的语句都不能够使用。这是有意设计的——它限制了程序的嵌套：lambda是一个为编写简单的函数而设计的，而def用来处理更大的任务。

  除了这些差别，def和lambda都能够做同样种类的工作。例如：

  def add(x,y,z):
      return x+y+z
  
  print(add(1,2,3))
  

  使用lambda表达式到相同的效果，通过明确的将结果赋值给一个变量名，之后就能通过这个变量名来调用这个函数

  num = lambda x, y, z: x+y+z
  print(num(2,3,4))
  

  这里的num被赋值给一个lambda表达式创建的函数对象。这也就是def所完成的任务，只不过def的赋值是自动进行的

  默认参数也就能够在lambda参数中使用，就像在def中使用一样

f= (lambda a="Tom " , b ="loves " , c="python ":a+b+c)
print(f())
print(f('liLei '))
print(f('AV钟 ','智商二百五 ','c '))

Tom loves python
liLei loves python
AV钟 智商二百五 c

## 高阶函数

高阶函数：把一个函数名，一实参的形式，传给这个函数的形参，这个函数就称为高阶函数

比如下面的形参c，对应的实参是一个函数名abs。

```python
#函数abs()的功能是取绝对值
def add(a,b,c):
  return c(a)+c(b)

add_value = add(-9,1,abs)

print(add_value)

最正确的高阶函数解释

满足下面两个条件之一，就可称之为高阶函数：

• 1、把一个函数名当做一个实参，传给另一个函数
• 2、返回值中包含函数名（不修改函数的调用方式）

实例1：

import time
def bar():
	time.sleep(1)
	print("函数")

def test1(func):
	start_time = time.time()
	func()
	stop_time = time.time()
	print("这个函数的运行时间是 %s"% (stop_time-start_time))

test1(bar)

函数
这个函数的运行时间是 1.0101444721221924

实例2：

import time
def bar():
	time.sleep(1)
	print("in the bar")

def test2(func):
	print(func)
	return func
bar = test2(bar)
bar()

<function bar at 0x0000012C20E21E18>
in the bar

Python中常见的高阶函数

(1)filter

• 功能
  • filter的功能是过滤掉序列中不符合函数条件的元素，当序列中要删减的元素可以用某些函数描述时，就应该想起filter函数
• 调用
  • filter(function,sequence)
    • function可以是匿名函数或者自定义函数，它会 对后面的sequence序列的每个元素判断是否符合函数条件，返回TRUE或者FALSE，从而留下TRUE的元素；sequence可以是列表、元组或者字符串

例子：

x = [1,2,3,4,5]
y = filter(lambda x: x%2==0,x)  #找出偶数
print(y)
print(list(y)) #py3之后filter函数返回的不在是列表而是迭代器，所以需要用list转换

<filter object at 0x0000013CB785B0B8>
[2, 4]

普通函数使用lambda

x = [1,2,3,4,5]
def is_odd(n):
    return n%2==1

print(list(filter(is_odd,x)))

[1, 3, 5]

(2)map

• 功能
  • 求一个序列或者多个序列进行函数映射之后的值，就该想到map这个函数，他是python自带的函数，py3返回的是迭代器，通filter，需要进行列表转换
• 调用
  • map(function,iterable1,iterable2)
    • function中的参数数值不一定是一个x，也可以是x和y，甚至多个；后面的iterable表示需要参与function运算中的参数值，有几个参数值就传入几个iterable

例子：

x = [1,2,3,4,5]
y = [2,3,4,5,6]
z = map(lambda x , y : x*y + 2, x, y)
print(z)
print(list(z))

<map object at 0x00000294A2A0B1D0>
[4, 8, 14, 22, 32]

普通函数：

def f(x,y):
	return x*y+2
x = [1,2,3,4,5]
y = [2,3,4,5,6]
print(list(map(f,x,y)

注：map中如果传入的几个序列的长度不一，那么会一句最短的序列进行计算

(3)reduce

• 功能

  • 对一个序列进行压缩运算，得到一个值，但是reduce在python2的时候是内置函数，到了python3移到了functools模块，所以之前需要from functools import reduce。

• 调用

  • reduce(function,iterable[,inital])
  • 其中function必须传入两个参数，inerable可以是列表或者元组

例子：

from functools import reduce
y = [2,3,4,5,6]
z = reduce(lambda x,y: x+y, y)
print(z)

20


li = [1,2,3,4,5,6]
a=1*100000+2*10000+3*1000+4*100+5*10+6
print(a)

其计算原理：

先计算骰两个元素：f(2,3),结果为5；

再把结果和第三个元素计算：f(5,4),结果为9

再把结果和第四个元素计算：f(9,5),结果为14

再把结果和第五个元素计算：f(14,6),结果为20

由于没有更多的元素了，计算结束，返回结果为20

(4)apply

• 功能

  • 是pandas中的函数，应用对象为pandas中的DataFrame或者Series。大致有两个方面的功能：一是直接对DataFrame或者Series应用函数，二是对pandas的groupby之后的聚合对象apply函数

• 调用

  • apply（function.axis）,function表明所使用的函数，axis表明对行或者列做运算

例子：

import numpy as np
import pandas as pd
a=np.random.randint(low=0,high=4,size=(3,5))
print(a)
data = pd.DataFrame(a)
print(data)

[[0 2 3 3 0]
 [0 2 0 2 3]
 [1 2 1 3 2]]

   0  1  2  3  4
0  0  2  3  3  0
1  0  2  0  2  3
2  1  2  1  3  2

(5)zip

• 功能

  • zip() 函数用于将可迭代对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的对象
  • 如果各个可迭代对象的元素个数不一致，则返回的对象铲毒与最短的可迭代对象相同
  • 利用 * 号操作符，与zip相反，进行解压

• 调用

  • zip(iterable，iterable，……)
  • iterable–一个或多个可迭代对象（字符串，列表，元组，字典）
  • Python2中直接返回一个由元组组成的列表，Python3中返回的是一个对象，如果想要得到列表，可以用list（）函数进行转换

例子：

a = [1,2,3]
b = [4,5,6]
c = [4,5,6,7,8]
zipTest = zip(a,b)
print(zipTest)
print(list(zipTest))
print(list(zip(a,c)))
zipT = zip(a,b)
print(list(zip(*zipT)))


[(1, 4), (2, 5), (3, 6)]
[(1, 4), (2, 5), (3, 6)]
[(1, 2, 3), (4, 5, 6)]