| 匿名函数与函数递归 | 您所在的位置：网站首页 › r学院是什么 › 匿名函数与函数递归 |
匿名函数与函数递归
|
1、什么是匿名函数算法 匿名函数就是没有名字的函数，又叫lambda表达式。用于一些简单的须要用函数去解决的问题，特色是只能在定义时使用一次，且函数体只有一行app 匿名函数的定义就至关于只产生一个变量的值，而没有绑定任何名字，因此会在定义完以后就被回收，没法重复使用，只能在定义时使用一次ide 2、为什么要用匿名函数函数 当某一个功能仅使用一次就没有再重复使用的必要了，就能够定义成匿名函数spa 3、匿名函数的应用3d
参数能够有多个，用逗号隔开，返回值和正常的函数同样能够是任意的数据类型code 
# 把下面的函数转换成匿名函数
def add(x, y): return x + y s = add(5, 8) print(s) # 结果：
s = (lambda x, y: x + y)(5, 8) print(s)
匿名函数的应用
# 取出最大工资对应的人名
salaries = { 'qiu': 2000, 'xi': 30000, 'qiuxi': 2500, 'rufeng': 3000 } def func(k): return salaries[k] print(max(salaries,key=func)) # xi
# 1. 将可迭代对象salaries变成迭代器对象iter_obj # 2. next(iter_obj)获得一我的名，而后将该人名看成参数传给key指定的函数，而后调用函数将函数的返回值看成比较依据 # 3. 比较大小，取出最大值对应的人名
# 上面的函数还能够用匿名函数来实现
print(max(salaries, key=lambda k: salaries[k])) # 一样，取出最小的使用函数min
print(min(salaries, key=lambda k: salaries[k]))
max函数与匿名函数
# 将全部人的工资大小排序，输出排序后的人名
salaries = { 'qiu': 2000, 'xi': 30000, 'qiuxi': 2500, 'rufeng': 3000 } # 从大到小
print(sorted(salaries, key=lambda k: salaries[k], reverse=True)) # 从小到大
print(sorted(salaries, key=lambda k: salaries[k])) # 运行后
['xi', 'rufeng', 'qiuxi', 'qiu'] ['qiu', 'qiuxi', 'rufeng', 'xi']
sorted函数与匿名函数
# 为每一个名字加上一串字符
names = ['qiu', 'xi', 'ru', 'feng'] # 手动实现
new_names = [] for name in names: new_names.append(name+'_nice') print(new_names) # 列表生成式
new_names = [name+'_nice' for name in names] print(new_names) # map+匿名函数
res = map(lambda x: x+'_nice', names) print(res) # Python3里会打印函数地址
print(list(res)) # 运行后
['qiu_nice', 'xi_nice', 'ru_nice', 'feng_nice'] ['qiu_nice', 'xi_nice', 'ru_nice', 'feng_nice'] ['qiu_nice', 'xi_nice', 'ru_nice', 'feng_nice']
map函数与匿名函数
# 1到100的求和
# 手动实现
res = 0 for i in range(101): res += i print(res) # 列表生成式
print(sum([i for i in range(101)])) # reduce+匿名函数
from functools import reduce print(reduce(lambda x, y: x + y, [i for i in range(101)])) # 运行
5050
5050
5050
reduce函数和匿名函数
# 提取包含指定字符的元素并输出
names=['qiu_nice','xi_nice','ru_nice','feng'] # 方式一:手动实现
new_names = [] for name in names: if name.endswith('nice'): new_names.append(name) print(new_names) # 方式二:列表生成式
new_names = [name for name in names if name.endswith('nice')] print(new_names) # 方式三:filter+匿名函数
res = filter(lambda name: name.endswith('nice'),names) print(res) # Python3输出地址
print(list(res)) # 运行
['qiu_nice', 'xi_nice', 'ru_nice'] ['qiu_nice', 'xi_nice', 'ru_nice'] ['qiu_nice', 'xi_nice', 'ru_nice']
filter函数与匿名函数
4、什么是函数递归对象 函数的递归调用是函数嵌套调用的一种特殊形式，即在调用一个函数的过程当中又直接或者间接地调用了该函数自己blog 递归本质就是一个循环的过程，可是递归必须知足两个原则：排序 一、每进入下一层递归，问题的规模必须有所减小 二、递归必须有一个明确的结束条件或者说有一个明确的进入下一层递归的条件 而且递归有两个明确的阶段： 一、回溯：一层一层的递归调用下去 二、递推：在某一层结束掉递归，而后一层一层返回 5、为什么要用递归 在某些状况下，基于递归来使用重复的过程比循环更加简单 6、递归的使用 一、猜年龄 小明是新来的同窗，丽丽问他多少岁了。他说：我不告诉你，可是我比滔滔大两岁。滔滔说：我也不告诉你，我比晓晓大两岁。晓晓说：我也不告诉你，我比小星大两岁。小星也没有告诉他，说：我比小华大两岁。最后小华说，我告诉你，我今年18岁了 这个怎么办呢？固然，有人会说，这个很简单啊，知道小华的，就会知道小星的，知道小星的就会知道晓晓的，以此类推，就会知道小明的年龄啦。这个过程已经很是接近递归的思想了。 小华 18 小星 18+2 晓晓 20+2 滔滔 22+2 小明 24+2 age(5) = age(4)+2 age(4) = age(3) + 2 age(3) = age(2) + 2 age(2) = age(1) + 2 age(1) = 18
def calc_age(n): if n == 1: return 18
else: return calc_age(n-1)+2
print(calc_age(5)) # 26
代码实现
二、取元素 给定一个嵌套列表，取出列表中的每一个元素输出打印 li = [1, [2, [3, [4, [5, [6, [7, [8, [9, ]]]]]]]]]
li = [1, [2, [3, [4, [5, [6, [7, [8, [9, ]]]]]]]]] def func(l): for i in l: if type(i) is list: func(i) else: print(i) func(li)
代码实现
7、二分法查找 假设要在电话簿中找一个名字以K打头的人，能够从头开始翻页，直到进入以K打头的部分。但你极可能不这样作，而是从中间开始，由于你知道以K打头的名字在电话簿中间。这是一个查找问题，可使用二分查找算法来解决。而算法就是一组完成任务的指令，是高效解决问题的一种思路。 假设我从1到100随便想一个数字，你的目标是以最少的次数猜到这个数字。你每次猜想后，我会说小了、大了或对了。假设你从1开始依次往上猜，每次加一个数，这样每次猜想都只能排除一个数字。若是我想的数字是99，你得猜99次才能猜到！这是简单查找，更准确的说法是傻找，这显然是一种糟糕的猜数法。 假设你从50开始猜，若是小了，排除了一半的数字！至此，你知道1～50都小了。接下来，你猜75，大了，那余下的数字又排除了一半！！使用二分查找时，你猜想的是中间的数字，从而每次都将余下的数字排除一半。接下来，你猜63（50和75中间的数字），大了，猜57，对了，这就是二分查找。无论我内心想的是哪一个数字，你在7次以内都能猜到，由于每次猜想都将排除不少数字！
使用二分查找时，每次都排除一半的数字 使用二分法，数字列表是有序的
# 从小到大排列的数字列表
nums = [1, 13, 15, 23, 27, 31, 33, 57, 73, 81, 93, 94, 97, 101] def binary_search(find_num,nums): if len(nums) == 0: print('不存在') return mid_index = len(nums) // 2
if find_num > nums[mid_index]: # 在右边
nums = nums[mid_index + 1:] binary_search(find_num, nums) elif find_num |
【本文地址】