[ Python入门教程 ] Python常用内置函数介绍

  Python提供了一个内联模块buildin。内联模块定义了一些开发中经常使用的函数，利用这些函数可以实现数据类型的转换、数据的计算、序列的处理等功能。下面将介绍内联模块中的常用函数。

  Python内置函数的基本用法可以查看Python安装目录下的doc目录下的说明文档，本文仅介绍Python典型的内置函数使用方法。

reduce(function, iterable[, initializer]) 对序列的值进行累计计算

  reduce()可以实现对序列进行连续处理的功能。reduce()的声明如下：

 reduce(function, sequence[, initial]) -> value

 下面代码演示了reduce(连续处理的功能。

（1）实现对指定列表数字进行累加。

>>> reduce(lambda x, y: x+y, [1, 2, 3, 4, 5])
15

（2）指定initial值，再执行列表数字累加操作

>>> reduce(lambda x, y: x+y, [1, 2, 3, 4, 5], 15)
30

filter(function, iterable) 使用指定方法对序列过滤可迭代对象的元素

  filter()可以对某个序列做过滤处理，判断自定义函数的参数返回的结果是否为真来过滤，并一次性返回处理结果。filter()的声明如下：

 filter(function or None, sequence) -> list, tuple, or string

  下面这段代码演示了filter()过滤序列的功能，从给定的列表中过滤出大于0的数字。

>>> filter(lambda x:x>0,range(-9,10))
[1, 2, 3, 4, 5, 6, 7, 8, 9]

map(function, iterable, ...)  使用指定方法处理传入的每个可迭代对象的元素，生成新的可迭代对象

  map()可以对多个序列的每个元素都执行相同的操作，并返回一个map对象。map()的声明如下所示：

map(function, sequence[, sequence, ...]) -> list

  下面代码演示了map()函数处理的功能，

（1）函数只有1个参数，传入1个序列。求指定序列每个元素的平方

>>> map(lambda x:x*x,range(1,10))
[1, 4, 9, 16, 25, 36, 49, 64, 81]

 说明：map()函数传入序列的个数需要与map中第1个参数的函数参数个数要一致。否则会报报错。如下

>>> map(lambda x:x*x,range(1,10),range(1,10))
Traceback (most recent call last):
  File "", line 1, in 
TypeError: <lambda>() takes exactly 1 argument (2 given)

（2）求2个序列元素的相加后的值。两个序列的元素个数一致。

>>> map(lambda x,y:x+y,range(1,10),range(11,20))
[12, 14, 16, 18, 20, 22, 24, 26, 28]

  上述例子中传入map()函数的2个序列元素个数一致，每个序列中的元素一一对应进行计算。如果每个序列的长度不相同，则短的序列后会补充None，再进行计算。

enumerate(sequence, start=0) 根据可迭代对象创建枚举对象

  enumerate()通常用于将一个可遍历的数据对象(如列表、元组或字符串)，以列表形式返回，列表中的元素为索引和值组成的元组。

seasons = ['Spring', 'Summer', 'Fall', 'Winter']
for index,value in enumerate(seasons):
    print index,value

输出结果如下：

0 Spring
1 Summer
2 Fall
3 Winter

isinstance(object, classinfo) 判断对象是否是类或者类型元组中任意类元素的子类 

>>> num = 2
>>> isinstance (num, int)
True
>>> isinstance (num,str)
False
>>> isinstance (num,(str,int,list))
True

raw_input([prompt])/input([prompt]) 获取控制台的输入

  raw_input([prompt])/input([prompt]) 函数都可以用于获取控制台的输入 ，二者的使用区别如下：

（1）raw_input()将所有输入作为字符串看待，返回字符串类型。而input()在对待纯数字输入时具有自己的特性，它返回所输入的数字的类型(int, float)。

（2）二者均能接收字符串，但raw_input()直接读取控制台的输入（任何类型的输入它都可以接收）。而对于input()，它希望能够读取一个合法的 python 表达式，即你输入字符串的时候必须使用引号将它括起来，否则它会引发一个 SyntaxError 。

（1）同为输入数字，获取时类型不同

>>> num = raw_input('Please input a number:')
Please input a number:23
>>> type(num)
'str'>
>>> print num
23
>>> num = input('Please input a number:')
Please input a number:23
>>> type(num)
'int'>
>>> print num
23

（2）输入字符串，二者输入方式不同

>>> str = raw_input('Please input a string:')
Please input a string:hello
>>> print str
hello
>>> str = input('Please input a string:')
Please input a string:'hello'
>>> print str
hello

 如果使用input()函数使用不带引号的方式输入，函数抛出NameError错误，如下

>>> str = input('Please input a string:')
Please input a string:hello
Traceback (most recent call last):
  File "", line 1, in 
  File "", line 1, in 
NameError: name 'hello' is not defined

sorted(iterable[, cmp[, key[, reverse]]]) 返回一个排序后的列表

  sorted()函数用于排序指定序列。返回结果是1个新的序列，不会在原序列上进行操作。sorted()的声明如下：

sorted(iterable, cmp=None, key=None, reverse=False) --> new sorted list

  参数说明：

iterable 可迭代对象。
cmp 比较函数，cmp()有两个参数，参数的值都是从可迭代对象中取出。
key 主要是用来进行比较的元素，只有一个参数，指定可迭代对象中的一个元素来进行排序。
reverse 排序规则，reverse = True 降序 ， reverse = False 升序（默认）。

（1）对指定列表进行排序

>>> lst = [5,7,6,3,4,1,2]
>>> lst_sorted = sorted(lst)
>>> lst
[5, 7, 6, 3, 4, 1, 2]
>>> lst_sorted
[1, 2, 3, 4, 5, 6, 7]

（2）对指定序列进行排序，cmp参数的使用。

>>> lst = [('b',2),('a',1),('c',3),('d',4)]
>>> lst_sorted = sorted(lst, cmp=lambda x,y:cmp(x[1],y[1]))
>>> print lst_sorted
[('a', 1), ('b', 2), ('c', 3), ('d', 4)]

（3）key参数的使用，

>>> lst_sorted = sorted(lst, key = lambda x:int(x.split(' ')[0].split('.')[3]))
>>> print lst_sorted
['192.168.0.1 Success', '192.168.0.2 Success', '192.168.0.10 Fail']

（4）reverse参数的使用。

>>> lst = ['192.168.0.1 Success','192.168.0.10 Fail','192.168.0.2 Success']
>>> lst_sorted = sorted(lst, key = lambda x:int(x.split(' ')[0].split('.')[3]), reverse=True)
>>> print lst_sorted
['192.168.0.10 Fail', '192.168.0.2 Success', '192.168.0.1 Success']