🍖匿名函数
引入
1.编程范式
- 编程范式指的是编程的套路
- 主要的套路有三种 : 命令式编程, 函数式编程, 逻辑式编程
- 常见的面向对象就是命令式编程, 常见的面向过程就是逻辑式编程
2.函数式
- 什么是函数式
🍋函数式编程中的函数指的并不是编程语言中的函数(或方法)
🍋它指的是数学意义上的函数,即映射关系(如:y = f(x)),就是 y 和 x 的对应关系
- 函数式与逻辑式
🍋比起逻辑式, 函数式更加注重的是执行结果并非执行的过程
- Python提供的函数式编程特性
🍋Python并不是一门函数式的编程语言,但却提供了很多函数式编程的特性
🍋比如 : lambda, max, min, map, reduce, filter
一.匿名函数
1.什么是匿名函数
- 没有名字的函数
2.应用场景
- 临时用一次, 通常用于与其他函数配合使用
3.匿名函数的强调点
- 匿名函数的目的就是要没有名字, 给匿名函数赋值一个名字是没有意义的
- 匿名函数的参数规则, 作用域关系与有名函数是一样的
- 匿名函数的函数体通常应该是一个表达式, 该表达式必须要有一个返回值
4.匿名函数与有名函数的对比
- 有名函数
🍋有函数名,循环使用,保存了名字,通过名字就可以重复引用函数
def foo(x,y):
return x**y
foo(2,3) # 8
- 匿名函数
🍋没有函数名,一次性使用,随时随地定义
f = lambda x,y:x ** y
print(f(2,4)) # 16
# 一般配合应用 : max, min, sorted, map, reduce, filter
5.匿名函数的调用方式
- 方式一 : 直接加括号执行
res = (lambda x, y: x + y)(7,8)
print(res) # 15
- 方式二 : 给函数指定名字
f = lambda x,y:x ** y
print(f(2,4)) # 16
🍋匿名函数的本质就是没有名字,这里指定名字是没有意义的(匿名函数只用于临时调用一次)
🍋匿名函数一般用来与其他函数配合使用,以下来展开介绍
二.匿名函数的应用
1.max( ) : 最大值
- 接收两个参数 :
([可迭代对象],[函数])
2.min( ) : 最小值
- 接收两个参数 :
([可迭代对象],[函数])
3.sorted( ) : 排序
-
接收三个参数 :
([可迭代对象],[函数],[排列顺序])
-
如果传入的可迭代对象是字典, 默认是按照字典的 "key" 来进行排序的
- sorted 函数会迭代可迭代对象中的每个元素, 把迭代后得到的值依次传给匿名函数
- 如果是字典,那么迭代以后传给字典的就是 key, 最终,以匿名函数的返回值作为比较依据
- 比如传入的是字典, 默认迭代的就是字典的 key, 那么返回的只就是字典的 key, 虽然你是用 value来进行比较的
-
reverse参数 : "False"代表从小到大, "True"代表的是从大到小
🍋以每个人的薪资来做比较
salaries = {
'song' : 1000,
'hai' : 10000,
'xing' : 100000,
'shawn' : 1000000,
}
🍋"max"接收两个参数([可迭代对象],[函数]),函数循环取的是"salaries[k]",然后进行比较,返回的是"key"
🔰key(实参)指定排序的参照值。key可以是函数名,也可以是lambda匿名函数
🔰min会每次迭代一个值传入key指定的函数中,根据得到的返回值作为比较依据来比大小
print(max(salaries,key=lambda k:salaries[k])) # shawn
🍋"min"接收两个参数([可迭代对象],[函数]),函数循环取的是"salaries[k]",然后进行比较,返回的是"key"
print(min(salaries,key=lambda k:salaries[k])) # song
🍋"sorted"接收三个参数([可迭代对象],[函数],[排列顺序]),函数循环取的是"salaries[k]",然后进行排序,默认排序从小到大
print(sorted(salaries,key=lambda k:salaries[k])) # ['song', 'hai', 'xing', 'shawn']
🍋排序加上顺序参数"reverse","False"代表从小到大,"True"代表的是从大到小
print(sorted(salaries,key=lambda k:salaries[k],reverse=True)) # ['shawn', 'xing', 'hai', 'song']
4.map( ) : 映射
- 接收两个参数 :
([函数],[可迭代对象])
- 运行原理 : map 函数遍历可迭代对象中的每个元素, 把遍历得到的值当做参数传给匿名函数, 以返回值的处理结果当做返回值返回
- map 得到的结果是迭代器对象
🍋将"nums"里面的只都进行平方计算
nums = [1,2,3,4,5,6,7]
res = map(lambda x:x**2,nums)
print(res.__next__()) # 这是迭代器对象的一个方法,每次 next 都取出一个值(说明了得到的结果是一个迭代器)
print(list(res)) # [1, 4, 9, 16, 25, 36, 49]
🍋生成器表达式来替代"map"
nums = [1,2,3,4,5,6,7]
res = (i ** 2 for i in nums)
print(res) # 得到的是一个生成器 <generator object <genexpr> at 0x0000015FD8EDAAC8>
print(res.__next__()) # 1
print(res.__next__()) # 4
print(res.__next__()) # 9
print(res.__next__()) # 16
...
🍋需求 : "song"加上"_hp"结尾,其他的加上"_np"结尾
names = ["song","hai","xing","shawn"]
res = map(lambda i:i+"_hp" if i == "song" else i + "_np", names) # 三元表达式
print(res) # 迭代器对象 <map object at 0x000001A1C34DFBC8>
print(list(res)) # ['song_hp', 'hai_np', 'xing_np', 'shawn_np']
5.reduce( ) : 合并
-
接收三个参数 :
([函数],[可迭代对象],[初始值])
-
**reduce **在python2中是内置函数, 在python3中被集成到模块 functools 中, 需要导入使用
-
运行原理 : 以初始值作为第一个参数传给 x , 然后迭代传入的可迭代对象, 拿到的值 y 与 x 相加重新赋值给 x , 再次迭代取值, 周而复始, 直到迭代器被迭代完
🍋需求 : 求和
from functools import reduce
res1 = reduce(lambda x,y: x + y , range(1,10),0) # 从 0 开始,迭代相加(9)次
res2 = reduce(lambda x,y: x + y , range(1,10),1) # 从 1 开始,迭代相加(9)次
res3 = reduce(lambda x,y: x + y , range(1,100)) # 不写初始值默认就是 0
print(res1) # 0+1+2+3+4+5+6+7+8+9=45
print(res2) # 1+1+2+3+4+5+6+7+8+9=46
print(res3) # 45
🍋列表求和
array = [1, 4, 9, 16, 25]
res = reduce(lambda x, y: x + y, array)
print(res) # 55
6.filter( ) : 过滤
- 接收两个参数 :
([函数],[可迭代对象])
- 遍历可迭代对象, 过滤出结果为真的元素, 如果是字典, 最终返回的结果是字典的 key
- filter 返回的结果是迭代器
🍋需求 : 返回以"_sb"结尾的元素
names = ['song', 'hai_sb', 'xing','shi_sb','nb_sb']
res = filter(lambda x:True if x.endswith('sb') else False,names) #三元表达式
res = filter(lambda x:x.endswith('sb'),names)
print(res) # <filter object at 0x000001445164FC08>
print(list(res)) # ['hai_sb', 'shi_sb', 'nb_sb']
🍋过滤大于或等于 23 的数
l = [12,23,45,10,25,58,47,69]
res = filter(lambda x:x >= 23,l)
print(res) # <filter object at 0x00000227F5510708>
print(list(res)) # [23, 45, 25, 58, 47, 69]
🍋过滤薪资大于 30000 的小伙
salaries = {
'song' : 1000,
'hai' : 10000,
'xing' : 100000,
'shawn' : 1000000,
}
res = filter(lambda k:salaries[k] >30000 ,salaries)
print(res) # <filter object at 0x000001CFC1138F48>
print(list(res) # ['xing', 'shawn']