一、函数递归

1.什么是函数递归：函数的递归调用是函数嵌套的一种特殊形式，在调用一个函数的过程中又直接或者间接地调用该函数本身，称之为函数的递归调用

2.递归调用必须明确的两个阶段：

　　1.回溯：一次次递归调用下去，应该让每一次重复问题的规模有所减少，直到逼近最终的结果，即回溯阶段一定要有明确的结束条件

　　2.递推：往回一层一层推算结果

例子：

# def age(n):
#     if n == 1:
#         return 18
#     return age(n-1) + 2
#
#
# print(age(5))

思路：

# age(5)=age(4)+2
# age(4)=age(3)+2
# age(3)=age(2)+2
# age(2)=age(1)+2
# age(1)=18
#
# age(n)=age(n-1)+2 #n>1
# age(n)=18         #n=1

二分法：

# nums=[13,15,17,23,31,53,74,81,93,102,103,201,303,403,503,777]
# find_num=503
#
#
# def binary_search(nums,find_num):
#     print(nums)
#     if len(nums) == 0:
#         print('not exists')
#         return
#     mid_index=len(nums) // 2
#     if find_num > nums[mid_index]:
#         # in the right
#         nums=nums[mid_index+1:]
#         # 重新执行二分的逻辑
#         binary_search(nums,find_num)
#     elif find_num < nums[mid_index]:
#         #in the left
#         nums=nums[0:mid_index]
#         # 重新执行二分的逻辑
#         binary_search(nums,find_num)
#     else:
#         print('find it')

binary_search(nums,find_num)

二、三元表达式

三元表达式实现的效果就是：条件成立的情况下返回一个值，不成立的情况下返回另外一种值

# res=条件成立情况下返回的值  if 条件 else 条件不成立情况下返回的值
name=input('your name: ').strip()
res="SB" if name == 'lqz' else "NB"
print(res)

三、列表生成式

# l =[ i for i in range(10)]
# print(l)
# l = [i for i in range(10) if (i%2)==0]
# print(l)
names = ['alex_sb','lqz_sb','yyh_sb','fm_sb','egon']
l=[name for name in names if name.endswith('sb')]
print(l)

四、字典生成式

keys=[‘name‘,‘age‘,‘sex‘]
values=[‘egon‘,18,‘male‘]
res=zip(keys,values)
print(list(res))    #[(‘name‘, ‘egon‘), (‘age‘, 18), (‘sex‘, ‘male‘)]
方式一
d={ }
for k,v in zip(keys,values):
    d[k]=v
print(d)   #{‘name‘: ‘egon‘, ‘age‘: 18, ‘sex‘: ‘male‘}

方式二
d={k:v for k,v in zip(keys,values)}
print(d)   #{‘name‘: ‘egon‘, ‘age‘: 18, ‘sex‘: ‘male‘}
方式三
dic={k:values[i] for i,k in enumerate(keys)}
print(dic)

补充：zip（拉链函数）

s=‘hello‘
l=[1,2,3,]
res=zip(s,l)
print(list(res))    #[(‘h‘, 1), (‘e‘, 2), (‘l‘, 3)]

五、匿名函数

匿名函数就是没有名字的函数，用于仅仅临时使用一次的场景，没有重复使用的需求，一般和内置函数结合使用

# max,min,sorted,map,filter,reduce

常规函数使用 def 关键字定义，但匿名函数使用 lambda 关键字定义

语法格式为 lambda arguments：expression

  • lambda：定义匿名函数的关键字
  • arguments：函数的参数列表，参数之间用逗号（,）分割。
  • expression：被返回的表达式，且表达式只能有一个（注意： lambda 定义不包含 return语句）。
  • lambda 表达式构建的其实是一个函数对象

 内置函数和匿名函数搭配使用的例子：

salaries={
    'egon':300000,
    'alex':100000000,
    'wupeiqi':10000,
    'yuanhao':2000
}

# 求最大值
res=max(salaries,key=lambda name:salaries[name])  #'egon'
print(res)

# 求最小值
res=min(salaries,key=lambda name:salaries[name])  #'egon'
print(res)

注：max直接返回的是人名，需要使用里面的参数key，通过key指定的函数，将拿到的返回值当做比较依据。

map（）函数：

map(function, iterable, ...)

# map：把一个列表按照我们自定义的映射规则映射成一个新的列表
names=['alex','lxx','wxx','yxx']
# res=map(lambda name: name + "dSB", names)
# print(list(res))

filter(func, seq) 

该函数的目的是提取出seq中能使func为true的元素序列。func函数是一个布尔函数，filter()函数调用这个函数一次作用于seq中的每一个元素，筛选出符合条件的元素，并以列表的形式返回。

# names=['alex_sb','lxx_sb','wxx_sb','egon','yxx']
# res=filter(lambda name:name.endswith('sb'),names)
# print(list(res))

reduce() 
格式： 
reduce (func, seq[, init()]) 

# reduce: 把多个值合并成一个结果
from functools import reduce
l=['a','b','c','d']

res=reduce(lambda x,y:x+y,l,'A')
# 'A','a' => 'Aa'
# 'Aa','b'=>'Aab'
# 'Aab','c'=>'Aabc'
# 'Aabc','d'=>'Aabcd'
print(res)