标签：unzip 最大值 border 技术分享 padding 代码 ref 好用 组成
满足俩个特性任意一个即为高阶函数
1.函数的传入参数是一个函数名
2.函数的返回值是一个函数名
map(function, iterable, ...) 即接收两种参数，函数 f 和 可迭代对象， map将传入的函数依次作用到序列的每个元素，返回的为迭代对象map类型。
用法举例：
num1 = [1, 2, 4, 7, 11]
# lambda x: x+1
def add(x):
return x+1
# lambda x: x**2
def pf(x):
return x**2
def map_test(func, array):
num2 = []
for i in array:
res = func(i)
num2.append(res)
return num2
ret = map_test(lambda x: x+1, num1)
print(ret)
rett = map_test(lambda x: x**2, num1)
print(rett)
rettt = map(lambda x:x+1, num1)
# 第一个参数为可用匿名函数或者有名函数，第二个参数为可迭代对象，返回值为可迭代对象
print(rettt)
retttt = list(rettt)
print(retttt)
name = "helloworld"
s = list(map(lambda x:x.upper(), name))
print(s)
===============
[2, 3, 5, 8, 12]
[1, 4, 16, 49, 121]
<map object at 0x00000000022FAAC8>
[2, 3, 5, 8, 12]
[‘H‘, ‘E‘, ‘L‘, ‘L‘, ‘O‘, ‘W‘, ‘O‘, ‘R‘, ‘L‘, ‘D‘]
filter(function, iterable) filter()函数接收一个函数 f 和一个可迭代对象，这个函数 f 的作用是对每个元素进行判断，返回 True或 False，filter()根据判断结果自动过滤掉不符合条件的元素，返回由符合条件元素组成的新的可迭代对象。
用法举例：
people = [‘m_zhangsan_sb‘, ‘lisi‘, ‘m_wangwu_sb‘, ‘chenliu‘]
# lambda x:x.endswith(‘sb‘)
def end(n):
return n.endswith(‘sb‘)
def filter_test(func, array):
ret = []
for i in array:
if func(i):
ret.append(i)
return ret
a = filter_test(lambda x:x.endswith(‘sb‘), people)
print(a)
l = list(filter(lambda x: x.endswith(‘sb‘), people))
print(l)
===============
[‘m_zhangsan_sb‘, ‘m_wangwu_sb‘]
[‘m_zhangsan_sb‘, ‘m_wangwu_sb‘]
reduce()函数接收的参数和 map()类似，一个函数 f，一个list，但行为和 map()不同，reduce()传入的函数 f 必须接收两个参数，reduce()对list的每个元素反复调用函数f，并返回最终结果值。
例如，编写一个f函数，接收x和y，返回x和y的和：
|
1
2
|
def f(x, y): return x + y |
调用 reduce(f, [1, 3, 5, 7, 9])时，reduce函数将做如下计算：
|
1
2
3
4
5
|
先计算头两个元素：f(1, 3)，结果为4；再把结果和第3个元素计算：f(4, 5)，结果为9；再把结果和第4个元素计算：f(9, 7)，结果为16；再把结果和第5个元素计算：f(16, 9)，结果为25；由于没有更多的元素了，计算结束，返回结果25。 |
上述计算实际上是对 list 的所有元素求和。虽然Python内置了求和函数sum()，但是，利用reduce()求和也很简单。
reduce()还可以接收第3个可选参数，作为计算的初始值。如果把初始值设为100，计算：
|
1
|
reduce(f, [1, 3, 5, 7, 9], 100) |
结果将变为125，因为第一轮计算是：
计算初始值和第一个元素：f(100, 1)，结果为101。
用法举例：
num1 = [1,2,3,4]
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
a = reduce_test(lambda x,y:x*y, num1)
print(a)
# 先导入库
from functools import reduce
b = reduce(lambda x,y:x*y, num1, 100)
print(b)
============
24
2400
zip(*iterables)
zip函数接受任意多个（包括0个和1个）序列作为参数，返回一个tuple列表。具体意思不好用文字来表述，直接看示例：
1.示例1：
x = [1, 2, 3] y = [4, 5, 6] z = [7, 8, 9] xyz = zip(x, y, z) print xyz
运行的结果是：
[(1, 4, 7), (2, 5, 8), (3, 6, 9)]
从这个结果可以看出zip函数的基本运作方式。
2.示例2：
x = [1, 2, 3] y = [4, 5, 6, 7] xy = zip(x, y) print xy
运行的结果是：
[(1, 4), (2, 5), (3, 6)]
从这个结果可以看出zip函数的长度处理方式。
3.示例3：
x = [1, 2, 3] x = zip(x) print x
运行的结果是：
[(1,), (2,), (3,)]
从这个结果可以看出zip函数在只有一个参数时运作的方式。
4.示例4：
x = zip() print x
运行的结果是：
[]
从这个结果可以看出zip函数在没有参数时运作的方式。
5.示例5：
x = [1, 2, 3] y = [4, 5, 6] z = [7, 8, 9] xyz = zip(x, y, z) u = zip(*xyz) print u
运行的结果是：
[(1, 2, 3), (4, 5, 6), (7, 8, 9)]
一般认为这是一个unzip的过程，它的运行机制是这样的：
在运行zip(*xyz)之前，xyz的值是：[(1, 4, 7), (2, 5, 8), (3, 6, 9)]
那么，zip(*xyz) 等价于 zip((1, 4, 7), (2, 5, 8), (3, 6, 9))
所以，运行结果是：[(1, 2, 3), (4, 5, 6), (7, 8, 9)]
注：在函数调用中使用*list/tuple的方式表示将list/tuple分开，作为位置参数传递给对应函数（前提是对应函数支持不定个数的位置参数）
6.示例6：
x = [1, 2, 3] r = zip(* [x] * 3) print r
运行的结果是：
[(1, 1, 1), (2, 2, 2), (3, 3, 3)]
它的运行机制是这样的：
[x]生成一个列表的列表，它只有一个元素x
[x] * 3生成一个列表的列表，它有3个元素，[x, x, x]
zip(* [x] * 3)的意思就明确了，zip(x, x, x)
max(iterable, key, default) 求迭代器的最大值，其中iterable 为迭代器，max会for i in … 遍历一遍这个迭代器，然后将迭代器的每一个返回值当做参数传给key=func 中的func(一般用lambda表达式定义) ，然后将func的执行结果传给key，然后以key为标准进行大小的判断。
以下根据不同的判断条件返回最大值也不同
d1 = {‘name‘: ‘egon‘, ‘price‘: 100}
d2 = {‘name‘: ‘rdw‘, ‘price‘: 666}
d3 = {‘name‘: ‘zat‘, ‘price‘: 1}
l1 = [d1, d2, d3]
a = max(l1, key=lambda x: x[‘name‘])
print(a)
b = max(l1, key=lambda x: x[‘price‘])
print(b)
===================
{‘name‘: ‘zat‘, ‘price‘: 1}
{‘name‘: ‘rdw‘, ‘price‘: 666}people = [
{‘name‘: ‘zs‘, ‘age‘: 1},
{‘name‘: ‘ls‘, ‘age‘: 2},
{‘name‘: ‘ww‘, ‘age‘: 6},
{‘name‘: ‘cl‘, ‘age‘: 4}
]
a = max(people, key=lambda dic:dic[‘age‘])
print(a)
=================
{‘name‘: ‘ww‘, ‘age‘: 6}
标签：unzip 最大值 border 技术分享 padding 代码 ref 好用 组成
原文地址：http://www.cnblogs.com/freelandun/p/7290951.html
