函数加强
目标
- 应用：学员管理系统
- 递归
- lambda 表达式
- 高阶函数
一、递归
1.1 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；
- 在后续的算法学习中，很多算法都离不开递归，例如：快速排序。
1.1.1 递归的特点
1.2 应用：3以内数字累加和
# 3 + 2 + 1
def test(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 + test(num-1)
sum_result = test(3)
# 输出结果为6
print(sum_result)
三、lambda 表达式
3.1 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。
3.2 lambda语法
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
3.3 示例：计算a + b
3.3.1 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？
3.3.2 lambda实现
fn1 = lambda a, b: a + b
print(fn1(1, 2))
3.4 lambda的参数形式
3.4.1.无参数
fn1 = lambda: 100
print(fn1())
3.4.2.一个参数
fn1 = lambda a: a
print(fn1('hello world'))
3.4.3.默认参数
fn1 = lambda a, b, c=100: a + b + c
print(fn1(10, 20))
3.4.4.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。
3.4.5.可变参数：kwargs**
fn1 = lambda **kwargs: kwargs
print(fn1(name='python', age=20))
3.5 lambda的应用
3.5.1. 带判断的lambda
fn1 = lambda a, b: a if a > b else b
print(fn1(1000, 500))
3.5.2. 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)
四、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。
4.1 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。
round()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。
def add_num(a, b):
return abs(a) + abs(b)
result = add_num(-1, 2)
print(result) # 3
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。
4.2 内置高阶函数
4.2.1 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]
4.2.2 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
4.2.3 filter()
filter(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 filter 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]
五、总结
