递归

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

递归的特点

函数内部⾃⼰调⽤⾃⼰

必须有出⼝

3以内数字累加和

  1. # 3 + 2 + 1
  2. def sum_numbers(num):
  3.  # 1.如果是1，直接返回1 -- 出⼝
  4.  if num == 1:
  5.  return 1
  6.  # 2.如果不是1，重复执⾏累加:
  7.  result = num + sum_numbers(num-1)
  8.  # 3.返回累加结果
  9.  return result
  10. sum_result = sum_numbers(3)
  11. # 输出结果为6
  12. print(sum_result)

lambda 表达式

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。

lambda语法

  1. lambda 参数列表 ： 表达式

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函数能接收任何数量的参数但只能返回⼀个表达式的值

  1. # 函数
  2. def fn1():
  3.  return 200
  4. print(fn1)
  5. print(fn1())
  6. # lambda表达式
  7. fn2 = lambda: 100
  8. print(fn2)
  9. print(fn2())

注意：直接打印lambda表达式，输出的是此lambda的内存地址

计算a + b

函数实现
  1. def add(a, b):
  2.  return a + b
  3. result = add(1, 2)
  4. print(result)

lambda实现
  1. print((lambda a, b: a + b)(1, 2))

lambda的参数形式

⽆参数
  1. print((lambda: 100)())

⼀个参数
  1. print((lambda a: a)('hello world'))

默认参数
  1. print((lambda a, b, c=100: a + b + c)(10, 20)) 1

可变参数：***args
  1. print((lambda *args: args)(10, 20, 30))

注意：这⾥的可变参数传⼊到lambda之后，返回值为元组

可变参数：***kwargs
  1. print((lambda **kwargs: kwargs)(name='python', age=20))

lambda的应⽤

带判断的lambda
  1. print((lambda a, b: a if a > b else b)(1000, 500))

列表数据按字典key的值排序
  1. students = [
  2.  {'name': 'TOM', 'age': 20},
  3.  {'name': 'ROSE', 'age': 19},
  4.  {'name': 'Jack', 'age': 22}
  5. ]
  7. # 按name值升序排列
  8. students.sort(key=lambda x: x['name'])
  9. print(students)
  10. # 按name值降序排列
  11. students.sort(key=lambda x: x['name'], reverse=True)
  12. print(students)
  13. # 按age值升序排列
  14. students.sort(key=lambda x: x['age'])
  15. print(students)

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

需求：⼀个函数完成计算任意两个数字的绝对值之和。

在Python中， abs() 函数可以完成对数字求绝对值计算

  1. abs(-10) # 10

⽅法1

  1. def add_num(a, b):
  2.  return abs(a) + abs(b)
  3. result = add_num(-1, 2)
  4. print(result) # 3

⽅法2

  1. def sum_num(a, b, f):
  2.  return f(a) + f(b)
  3. result = sum_num(-1, 2, abs)
  4. 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

内置⾼阶函数

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

  1. list1 = [1, 2, 3, 4, 5]
  2. def func(x):
  3.  return x ** 2
  4. result = map(func, list1)
  5. print(result) # <map object at 0x0000013769653198>
  6. print(list(result)) # [1, 4, 9, 16, 25]

reduce()

reduce(func(x,y)，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必须接受2个参数。

需求：计算 list1 序列中各个数字的累加和。

  1. import functools
  2. list1 = [1, 2, 3, 4, 5]
  3. def func(a, b):
  4.  return a + b
  5. result = functools.reduce(func, list1)
  6. print(result) # 15

fifilter()

fifilter(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 fifilter 对象,。如果要转换为列表,

可以使⽤ list() 来转换

  1. list1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
  2. def func(x):
  3.  return x % 2 == 0
  4. result = filter(func, list1)
  5. print(result) # <filter object at 0x0000017AF9DC3198>
  6. print(list(result)) # [2, 4, 6, 8, 10]