Python基础（十九）：函数加强
函数加强
一、递归
1、递归的应用场景
递归是⼀种编程思想，应用场景：
- 在我们日常开发中，如果要遍历⼀个⽂件夹下面所有的⽂件，通常会使用递归来实现；
- 在后续的算法课程中，很多算法都离不开递归，例如：快速排序。
递归的特点
- 函数内部自己调用自己
- 必须有出口
2、应用：3以内数字累加和
- 代码
# 3 + 2 + 1
def sum_numbers(num):
# 1.如果是1，直接返回1 -- 出⼝
if num == 1:
return 1
# 2.如果不是1，重复执⾏累加并返回结果
return num + sum_numbers(num-1)
sum_result = sum_numbers(3)
# 输出结果为6
print(sum_result)
- 执行结果
二、lambda 表达式
1、lambda的应用场景
如果⼀个函数有⼀个返回值，并且只有⼀句代码，可以使用 lambda 简化。
2、lambda语法
lambda 参数列表 ： 表达式注意
- lambda表达式的参数可有可无，函数的参数在lambda表达式中完全适用。
- lambda表达式能接收任何数量的参数但只能返回⼀个表达式的值。
快速入门
# 函数
def fn1():
return 200
print(fn1)
print(fn1())
# lambda表达式
fn2 = lambda: 100
print(fn2)
print(fn2())
注意：直接打印lambda表达式，输出的是此lambda的内存地址
3、示例：计算a + b
函数实现
def add(a, b):
return a + b
result = add(1, 2)
print(result)
思考：需求简单，是否代码多？
lambda实现
fn1 = lambda a, b: a + b
print(fn1(1, 2))
4、lambda的参数形式
无参数
fn1 = lambda: 100
print(fn1())
⼀个参数
fn1 = lambda a: a
print(fn1('hello world'))
默认参数
fn1 = lambda a, b, c=100: a + b + c
print(fn1(10, 20))
可变参数：*args
fn1 = lambda *args: args
print(fn1(10, 20, 30))
注意：这⾥的可变参数传入到 lambda 之后，返回值为元组。
可变参数：**kwargs
fn1 = lambda **kwargs: kwargs
print(fn1(name='python', age=20))
5、lambda的应用
带判断的 lambda
fn1 = lambda a, b: a if a > b else b
print(fn1(1000, 500))
列表数据按字典key的值排序
students = [
{'name': 'TOM', 'age': 20},
{'name': 'ROSE', 'age': 19},
{'name': 'Jack', 'age': 22}
]
# 按name值升序排列
students.sort(key=lambda x: x['name'])
print(students)
# 按name值降序排列
students.sort(key=lambda x: x['name'], reverse=True)
print(students)
# 按age值升序排列
students.sort(key=lambda x: x['age'])
print(students)
三、高阶函数
把函数作为参数传入 ，这样的函数称为高阶函数，高阶函数是函数式编程的体现。函数式编程就是指这种高度抽象的编程范式。
1、体验高阶函数
在 Python 中， abs() 函数可以完成对数字求绝对值计算。
abs(-10) # 10round() 函数可以完成对数字的四舍五入计算。
round(1.2) # 1
round(1.9) # 2需求：任意两个数字，按照指定要求整理数字后再进行求和计算。
- 方法1
def add_num(a, b):
return abs(a) + abs(b)
result = add_num(-1, 2)
print(result) # 3
- 方法2
def sum_num(a, b, f):
return f(a) + f(b)
result = sum_num(-1, 2, abs)
print(result) # 3注意：两种⽅法对比之后，发现，方法2的代码会更加简洁，函数灵活性更高。
函数式编程大量使用函数，减少了代码的重复，因此程序比较短，开发速度较快。
2、内置高阶函数
map()
map(func, 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 (Python2)/ 迭代器(Python3) 返回。
需求：计算 list1 序列中各个数字的 2 次方。
list1 = [1, 2, 3, 4, 5]
def func(x):
return x ** 2
result = map(func, list1)
print(result) # <map object at 0x0000013769653198>
print(list(result)) # [1, 4, 9, 16, 25]
reduce()
reduce(func ， 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。
注意： reduce() 传⼊的参数 func 必须接收 2 个参数。
需求：计算 list1 序列中各个数字的累加和。
import functools
list1 = [1, 2, 3, 4, 5]
def func(a, b):
return a + b
result = functools.reduce(func, list1)
print(result) # 15
fifilter()
fifilter(func，lst) 函数⽤于过滤序列 ， 过滤掉不符合条件的元素， 返回⼀个 fifilter 对象。如果要转换为列表， 可以使⽤ list() 来转换。
list1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
def func(x):
return x % 2 == 0
result = filter(func, list1)
print(result) # <filter object at 0x0000017AF9DC3198>
print(list(result)) # [2, 4, 6, 8, 10]
四、总结
递归
- 函数内部自己调用自己
- 必须有出口
lambda
- 语法
lambda 参数列表: 表达式- lambda的参数形式
无参数
lambda: 表达式- ⼀个参数
lambda 参数: 表达式- 默认参数
lambda key=value: 表达式- 不定长位置参数
lambda *args: 表达式 1- 不定长关键字参数
lambda **kwargs: 表达式高阶函数
- 作用：把函数作为参数传入，化简代码
- 内置高阶函数
- map()
- reduce()
- fifilter()
