标签：筛选 区别 pytho 判断 war pat 不能 操作 **kwargs
*args 动态接收所有位置参数
**kwargs 动态接收关键字参数
动态接收参数的时候要注意: 动态参数必须在位置参数后?
def chi(*food, a, b):
print("我要吃", food, a, b)
chi("??饭", "??饭", a="??", b="茄?")
在python中可以动态的位置参数, 但是*这种情况只能接收位置参数?法接收关键字参数.在python中使? **来接收动态关键字参数
def func(**kwargs):
print(kwargs)
func(a=1, b=2, c=3)
func(a=1, b=2)
结果:
{‘a‘: 1, ‘b‘: 2, ‘c‘: 3}
{‘a‘: 1, ‘b‘: 2}
最终顺序(*):
位置参数 > *args > 默认值参数 > **kwargs
这四种参数可以任意的进行使用 . 如果想接收所有的参数:
def func(*args, **kwargs):
print(args, kwargs)
func("麻花藤","晕",wtf="胡辣汤")
结果:
(‘麻花藤‘, ‘晕‘) {‘wtf‘: ‘胡辣汤‘}
如果?个函数执?完毕. 则这个函数中的变量以及局部命名空间中的内容都将会被销毁. 在闭包中. 如果变量被销毁了. 那内部函数将不能正常执?. 所以. python规定. 如果你在内部函数中访问了外层函数中的变量. 那么这个变量将不会消亡.将会常驻在内存中.
闭包的作?就是让?个变量能够常驻内存. 供后?的程序使?. # 后?需要?到这??的内容就不需要在执??常耗时的?络连接操作了
好处: 1.安全 2.常驻内存. 提高效率
?前我们所熟知的可迭代对象 str, list, tuple, dict, set. 他们都遵循了可迭代协议.
原理:--iter-- 这个类的对象就是?个可迭代对象.
应用：比如我们用爬虫时就可以用迭代器，我感觉就像是for循环一样，内部加上函数可以调用里面的函数且保存常驻内存.
迭代器的特点: 1.省内存 2.惰性机制 3.只能向前.
什么是?成器. ?成器实质就是迭代器.
def func():
print("111")
yield 222
gener = func() # 这个时候函数不会执?. ?是获取到?成器
ret = gener.__next__() # 这个时候函数才会执?. yield的作?和return?样. 也是返回数据
print(ret)
结果:
111
222
?成器可以使?for循环来循环获取内部的元素:
def func():
print(111)
yield 222
print(333)
yield 444
print(555)
yield 666
#yield和return的效果是?样的. 有什么区别呢? yield是分段来执??个函数. return直接停?执?函数.
gen = func()
print(gen)
#结果：<generator object func at 0x000002F3C4B7D888>
for i in gen:
print(i)
# 结果:
# 111
# 222
# 333
# 444
# 555
# 666
?成器表达式和列表推导式的区别:
列表推导式比较耗内存. ?次性加载. ?成器表达式?乎不占?内存. 使?的时候才分配和使?内存
得到的值不?样. 列表推导式得到的是?个列表. ?成器表达式获取的是?个?成器.
lst = [i for i in range(1, 100) if i % 2 == 0]
print(lst)
#列表推导式
#?成器表达式和列表推导式的语法基本上是?样的. 只是把[]替换成()
函数的参数可以有多个. 多个参数之间?逗号隔开
匿名函数不管多复杂. 只能写??, 且逻辑结束后直接返回数据
返回值和正常的函数?样, 可以是任意数据类型
# 计算n的n次?
def func(n):
return n**n
print(func(10))
#lambda函数
f = lambda n: n**n
print(f(10))
排序函数: sorted(Iterable, key=None, reverse=False)
Iterable: 可迭代对象
key: 排序规则(排序函数), 在sorted内部会将可迭代对象中的每?个元素传递给这个函
数的参数. 根据函数运算的结果进?排序
reverse: 是否是倒叙. True: 倒叙, False: 正序
lst = ["麻花藤", "冈本次郎", "中央情报局", "狐仙"]
# 计算字符串?度
def func(s):
return len(s)
print(sorted(lst, key=func))
结果：[‘狐仙‘, ‘麻花藤‘, ‘冈本次郎‘, ‘中央情报局‘]
lst = [{"id":1, "name":‘alex‘, "age":18},
{"id":2, "name":‘wusir‘, "age":16},
{"id":3, "name":‘taibai‘, "age":17}]
# 按照年龄对学?信息进?排序
print(sorted(lst, key=lambda e: e[‘age‘]))
结果：[{‘id‘: 2, ‘name‘: ‘wusir‘, ‘age‘: 16}, {‘id‘: 3, ‘name‘: ‘taibai‘, ‘age‘: 17}, {‘id‘: 1, ‘name‘: ‘alex‘, ‘age‘: 18}]
筛选函数filter(function. Iterable)
function: ?来筛选的函数. 在filter中会?动的把iterable中的元素传递给function. 然后function返回的True或者False来判断是否保留此项数据
Iterable: 可迭代对象
lst = [{"id":1, "name":‘alex‘, "age":18},
{"id":2, "name":‘wusir‘, "age":16},
{"id":3, "name":‘taibai‘, "age":17}]
fl = filter(lambda e: e[‘age‘] > 16, lst) # 筛选年龄?于16的数据
print(list(fl))
结果：[{‘id‘: 1, ‘name‘: ‘alex‘, ‘age‘: 18}, {‘id‘: 3, ‘name‘: ‘taibai‘, ‘age‘: 17}]
映射函数: map(function, iterable ) 可以对可迭代对象中的每?个元素进?映射. 分别取执?
function
#计算列表中每个元素的平? ,返回新列表
def func(e):
return e*e
mp = map(func, [1, 2, 3, 4, 5])
print(mp)
print(list(mp))
# 改写成lambda
print(list(map(lambda x: x * x, [1, 2, 3, 4, 5])))
#在python中递归的深度最?到998
def foo(n):
print(n)
n += 1
foo(n)
foo(1)
#在函数中调?函数本?. 就是递归
递归的应?: 我们可以使?递归来遍历各种树形结构, 比如我们的?件夹系统. 可以使?递归来遍历该?件夹中的所有?件
import os
def read(filepath, n):
files = os.listdir(filepath) # 获取到当前?件夹中的所有?件
for fi in files: # 遍历?件夹中的?件, 这?获取的只是本层?件名
fi_d = os.path.join(filepath, fi) # 加??件夹 获取到?件夹+?件
if os.path.isdir(fi_d): # 如果该路径下的?件是?件夹
print("\t" * n, fi)
read( fi_d, n + 1) # 继续进?相同的操作
else:
print("\t" * n, fi) # 递归出?. 最终在这?隐含着return
# 递归遍历?录下所有?件
read(‘../1newpy/‘, 0)
标签：筛选 区别 pytho 判断 war pat 不能 操作 **kwargs
原文地址：https://www.cnblogs.com/wkjava/p/12652939.html
