标签:style blog color io 使用 ar strong for 文件
‘‘‘ 时间: 9月5日 - 9月30日 要求: 1. 书本内容总结归纳,整理在博客园笔记上传 2. 完成所有课后习题 注:“#” 后加的是备注内容 (每天看42页内容,可以保证月底看完此书) “重点笔记”“本章习题” - 标题1,二级标题用- 标题2,笔记大纲标题、习题题目- 加粗,16px ‘‘‘
一. 函数设计概念
(注:耦合性 也叫块间联系。指软件系统结构中各模块间相互联系紧密程度的一种度量。模块之间联系越紧密,其耦合性就越强,模块的独立性则越差,模块间耦合的高低取决于模块间接口的复杂性,调用的方式以及传递的信息。)
二. 递归函数
递归可以要求遍历任意形状的结构。
def sumtree(L): total = 0 for x in L: if not isinstance(x,list): total += x else: total += sumtree(x) return total L = [1,[1,[2,3],4],5] print(sumtree(L))
注:
三. 匿名函数:lambda
lambda表达式创建了一个之后能够调用的函数,但是它返回了一个函数而不是将这个函数赋值给了一个变量名。
除了这些,def和lambda都能够做同样种类的工作。
四. 为什么使用lambda
lambda起到了函数速写的作用,允许在使用的代码内嵌入一个函数的定义。
五. 在序列中映射函数: map
map函数会对一个序列对象中的每一个元素应用被传入的函数,并且返回一个包含了所有函数调用结果的一个列表。
>>> l = [1,2,3] >>> def add(x): return x + 10 >>> list(map(add,l)) [11, 12, 13]
由于map期待传入一个函数,它恰好是lambda通常出现的地方之一:
>>> list(map(lambda x : x+10,l)) [11, 12, 13]
>>> list(map(pow,[1,2,3],[1,2,3]))
[1, 4, 27]
六. 函数式编程工具: filter 和reduce
map函数是用来进行函数式编程的这类工具中最简单的内置函数代表: 函数式编程的意思就是对序列应用一些函数的工具。
>>> list(filter((lambda x :x > 0), range(-5,5)))#return great more zero [1, 2, 3, 4]
reduce
>>> from functools import reduce >>> reduce((lambda x,y : x+y),[1,2,3,4,5]) 15
此外,内置的reduce还允许一个可选的第三个参数置于序列的各项之前,从而当序列为空时充当一个默认的结果。
>>> import operator,functools >>> functools.reduce(operator.add,[2,12,5]) 19
1. lambda表达式和def语句有什么关系?
答:lambda和def都会创建函数对象,以便稍后调用。但是,lambda是表达式,可以嵌入函数定义的def语法上无法出现的地方。
lambda的使用,总是可以用def来替代,并且通过变量名来引用函数。
语法上来看,lambda只允许单个返回值表达式,因为它不支持代码块,不适用于较大的函数。
2. 使用lambda的要点是什么?
答:lambda允许“内联”小单元可执行代码,推迟其执行,并且以默认参数和封闭作用域变量的形式为其提供状态。lambda不是必须的,总是可以被def替代。它通常出现在GUI这样的基于回调的程序中,并且它们与map和filter这些期待一个处理函数的函数工具密切相关。
3. 比较和对比map、filter和reduce
答:map把每一项传递给函数并收集结果
filter收集那些函数返回一个True值的项
reduce 通过对一个累加器和后续项应用函数来计算一个单个的值。
4. 什么是函数注解,如何使用它们?
答:Python为声明注解提供了特殊的语法,但是,它本身不做任何事情,注解完全是可选的,并且出现的时候只是直接附加到函数对象__annotations__属性以供其他用户使用。
5. 什么是递归函数,如何使用它们?
答:递归函数调用本身可以直接地或间接地进行,从而实现循环。它们可以用来遍历任意形状的结构,但是,也可以用来进行一般性迭代。
6. 编写函数的通用设计规则是什么?
答:函数通常应该较小,尽可能自包含,拥有单一的,统一的用途,并且与输入参数和返回值等其他部分通信。
标签:style blog color io 使用 ar strong for 文件
原文地址:http://www.cnblogs.com/wuzhiming/p/3981560.html