算法之二分法算法：是高效解决问题的办法需求：有一个按照从小到大顺序排列的数字列表
需要从该数字列表中找到我们想要的那个一个数字
如何做更高效？？？方案一：整体遍历# 效率太低nums=[-3,4,13,10,-2,7,89]
nums.sort() # .sort 排序
find_num=10
for num in nums:
if num == find_num:
print('find it')
break
#find it
方案二：二分法
def func(要找的数字,列表):
if 列表长度==0:
print('要找的值不存在')
return
mid_val=列表长度//2 (找列表中间的索引)
if 要找的数字 > 列表中间的值:
# 接下来的查找应该是在列表的右半部分
列表=列表切片右半部分
func(要找的数字,列表)
elif 要找的数字 < 列表中间的值:
# 接下来的查找应该是在列表的左半部分
列表=列表切片左半部分
func(要找的数字,列表)
else:
print('find it')二分法思路
nums=[-3,4,13,10,-2,7,89]
nums.sort() # 排序
find_num=10
def binary_search(find_num,l):
print(l)
if len(l) == 0:
print('找的值不存在')
return
mid_index=len(l) // 2
if find_num > l[mid_index]:
# 接下来的查找应该是在列表的右半部分
l=l[mid_index+1:]
binary_search(find_num,l)
elif find_num < l[mid_index]:
# 接下来的查找应该是在列表的左半部分
l=l[:mid_index]
binary_search(find_num,l)
else:
print('find it')
binary_search(find_num,nums)
#[-3, -2, 4, 7, 10, 13, 89]
#[10, 13, 89]
#[10]
#find it面向过程编程思想
核心是"过程"二字，过程即流程，指的是做事的步骤：先什么、再什么、后干什么
基于该思想编写程序就好比在设计一条流水线
优点：复杂的问题流程化、进而简单化
缺点：扩展性非常差
面向过程的编程思想应用场景解析：
1、不是所有的软件都需要频繁更迭：比如编写脚本
2、即便是一个软件需要频繁更迭，也不并不代表这个软件所有的组成部分都需要一起更迭函数式
函数式编程并非用函数编程这么简单，而是将计算机的运算视为数学意义上的运算，比起面向过程，函数式更加注重的是执行结果而非执行的过程，代表语言有：Haskell、Erlang。而python并不是一门函数式编程语言，但是仍为我们提供了很多函数式编程好的特性，如lambda，map，reduce，filter
匿名函数
匿名用于临时调用一次的场景：更多的是将匿名与其他函数配合使用lamdab用于定义匿名函数# 1、def用于定义有名函数
# func=函数的内存地址
def func(x,y):
return x+y
print(func)
# 2、lamdab用于定义匿名函数
print(lambda x,y:x+y)匿名函数的调用# 方式一：
res=(lambda x,y:x+y)(1,2)
print(res)
# 方式二： # 不推荐
func=lambda x,y:x+y
res=func(1,2)
print(res)
匿名函数的应用
max 迭代取最大的值 min 迭代取最小的值salaries={
'siry':3000,
'tom':7000,
'lili':10000,
'jack':2000
}
def func(k):
return salaries[k]
res=max(salaries,key=func) # 返回值=func(max迭代的值 这里是指salaries的key) #max 会吧括号里逗号前的那个值迭代给key=函数的参数
print(res)
#lili
#匿名用于临时调用一次的场景：更多的是将匿名与其他函数配合使用
res=max(salaries,key=lambda k:salaries[k])
print(res)
#lili
sorted 排序salaries={
'siry':3000,
'tom':7000,
'lili':10000,
'jack':2000
}
res=sorted(salaries,key=lambda k:salaries[k],reverse=True) #True从大到小 False从小到大
print(res)
#['lili', 'tom', 'siry', 'jack']
map 映射l=['alex','lxx','wxx','jxy']
res=map(lambda name:name+'_dsb',l)#逗号左边是要做的事情 逗号右边是可迭代对象
print(next(res)) # 生成器
print(next(res)) # 生成器
#alex_dsb
#lxx_dsb
filter 过滤l=['alex_sb','lxx_sb','wxx','jxy']
res=filter(lambda name:name.endswith('sb'),l)#逗号左边是要过滤出来的条件 逗号右边是可迭代对象
print(next(res)) # 生成器
print(next(res))
#alex_sb
#lxx_sb
reduce 合并 #python3里已不是内置函数了 了解
from functools import reduce
res=reduce(lambda x,y:x+y,['a','b','c'],'cool') #？？？
print(res)
#coolabc模块1、什么是模块？
模块就是一系列功能的集合体,分为三大类
I：内置的模块
II：第三方的模块
III：自定义的模块
一个python文件本身就一个模块，文件名m.py，模块名叫m
ps：模块有四种形式
1 使用python编写的.py文件
2 已被编译为共享库或DLL的C或C++扩展
3 把一系列模块组织到一起的文件夹（注：文件夹下有一个__init__.py文件，该文件夹称之为包）
4 使用C编写并链接到python解释器的内置模块
2、为何有用模块
I:内置与第三的模块拿来就用，无需定义，这种拿来主义，可以极大地提升自己的开发效率
II:自定义的模块
可以将程序的各部分功能提取出来放到一模块中为大家共享使用
好处是减少了代码冗余，程序组织结构更加清晰3、如何用模块import foo首次导入模块会发生3件事
1、产生foo.py的名称空间，将foo.py运行过程中产生的名字都丢到foo的名称空间中
2、在当前文件中产生的有一个名字foo，该名字指向1中产生的名称空间
3、执行foo.py之后的导入，都是直接引用首次导入产生的foo.py名称空间,不会重复执行代码引用：强调1：模块名.名字，是指名道姓地问某一个模块要名字对应的值，不会与当前名称空间中的名字发生冲突强调2：无论是查看还是修改操作的都是模块本身为准的,即已定义阶段为准，与调用位置无关可以以逗号为分隔符在一行导入多个模块# 建议如下所示导入多个模块
import time
import foo
import m
# 不建议在一行同时导入多个模块
import time,foo,m
导入模块的规范#I. python内置模块
#II. 第三方模块
#III. 程序员自定义模块
import time
import sys
import 第三方1
import 第三方2
import 自定义模块1
import 自定义模块2
import 自定义模块3
import 模块名 as 要改的名字import foo as f # f=foo
f.get()模块是第一类对象 和 函数名一样1、对象可以赋值给变量
2、对象可以被当做参数传递
3、对象可以被当做函数的返回值返回
4、对象可以作为元素被添加到容器类型中
自定义模块的命名应该采用纯小写+下划线的风格可以在函数内导入模块def func():
import foo
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
