sorted
排序算法
Python的内置sorted()函数可以对list进行排序:
>>> sorted([1,10,2,5,42,6])[1, 2, 5, 6, 10, 42]
此外,sorted()函数也是一个高阶函数,他还可以接受一个key函数来实现自定义的排序,例如按绝对值大小排序:
>>> sorted([36,5,-12,9,-21],key=abs)[5, 9, -12, -21, 36]
key指定的函数将作用于list的每一个元素上,并根据key函数返回的结果进行排序。对比原始的list和进过key=abs 处理的list:
list = [36, 5, -12, 9, -21]keys = [36, 5, 12, 9, 21]
然后sorted()
函数按照keys进行排序,并按照对应关系返回list相应的元素:
keys排序结果 => [5, 9, 12, 21, 36] | | | | | 最终结果 => [5, 9, -12, -21, 36]
字符排序:
>>> sorted(['bob','about','Zoo','Credit']) #根据ASCII的大小比较。['Credit', 'Zoo', 'about', 'bob']
忽略大小写的字符串排序:
>>> sorted(['bob','about','Zoo','Credit'],key=str.lower)['about', 'bob', 'Credit', 'Zoo']
要进行反向排序,不必改动key函数,可以传入第三个函数reverse=True:
>>> sorted(['bob','about','Zoo','Credit'],key=str.lower,reverse=True)['Zoo', 'Credit', 'bob', 'about']
L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]
请用sorted()
对上述列表分别按名字排序:
>>> L=[('Bob',75),('Adam',92),('Bart',66),('Lisa',88)]>>> def by_name(t): return t[0].lower()
>>> L2=sorted(L,key=by_name)>>> L2[('Adam', 92), ('Bart', 66), ('Bob', 75), ('Lisa', 88)]
再按成绩从高到低排序:
>>> L=[('Bob',75),('Adam',92),('Bart',66),('Lisa',88)]>>> def by_score(t): return t[1]>>> L2=sorted(L,key=by_score,reverse=True)>>> L2[('Adam', 92), ('Lisa', 88), ('Bob', 75), ('Bart', 66)]
返回函数--->函数作为返回值
高阶函数除了可以接受函数作为参数外,还可以把函数作为结果返回。
普通情况下的求和函数:
>>> def calc_sum(*args): ax=0 for n in args: ax=ax+n return ax>>> calc_sum(1,2,3,5,4)15
把函数作为返回值。( 如果不需要立刻求和,而是在后面的代码中,根据需要再计算怎么办?可以不返回求和的结果,而是返回求和的函数: )
>>> def lazy_sum(*args): def sum(): ax=0 for n in args: ax=ax+n return ax return sum>>> f=lazy_sum(1,2,3,4,5)>>> f<function lazy_sum.<locals>.sum at 0x026BBA08>>>> f()15
在上面的例子中,在函数 lazy_sum 中有定义了函数 sum ,并且,内部函数 sum 可以引用外部函数 lazy_sum 的参数和局部变量,当 laizy_sum 返回函数 sum 时, 相关参数和变量都保存在返回的函数中,这种称为 ‘闭包(Closure)’的程序结构拥有极大的威力。
当我们调用lazy_sum()
时,每次调用都会返回一个新的函数,即使传入相同的参数:
>>> def lazy_sum(*args): def sum(): ax=0 for n in args: ax=ax+n return ax return sum>>> f1=lazy_sum(1,2,3,4,5)>>> f2=lazy_sum(1,2,3,4,5)>>> f1 == f2False
f1()和 f2()的调用结果互不影响。
闭包
注意到返回的函数在其定义内部引用了局部变量args
,所以,当一个函数返回了一个函数后,其内部的局部变量还被新函数引用,所以,闭包用起来简单,实现起来可不容易。
另一个需要注意的问题是,返回的函数并没有立刻执行,而是直到调用了f()
才执行。我们来看一个例子:
>>> def count(): fs=[] for i in range(1,4): def f(): return i*i fs.append(f) return fs>>> f1,f2,f3 = count()
每次循环,都创建了一个新的函数,然后,把创建的3个函数都返回了。
调用f1( ),f2( )和f3( )的结果应该是1,4,9,但实际:
>>> f1()9>>> f2()9>>> f3()9
结果全部都是9,原因在于返回的函数引用了变量 i ,但它并非立刻执行。等到3个函数都返回是,它们所引用的变量 i 应经变成了
3,因此最终结果为 9
返回闭包时牢记的一点就是:返回函数不要引用任何循环变量,或者后续会发生变化的变量。
如果一定要引用循环变量怎么办?方法就是在创建一个函数,用该函数的参数绑定循环变量当前的值,无论该循环变量后续如何改变更改,已绑定到函数参数的值不变:
>>> def count(): def f(j): def g(): return j*j return g fs=[] for i in range(1,4): fs.append(f(i)) return fs
>>> f1,f2,f3=count()>>> f1()1>>> f2()4>>> f3()9
缺点就是 代码较长,可以利用lambda 函数缩短代码:
>>> def count(): def f(j): return lambda :j*j fs = [] for i in range(1,4): fs.append(f(i)) return fs
>>> f1,f2,f3=count()>>> f1()1>>> f2()4>>> f3()9
匿名函数
在Python中,对匿名函数提供了有限支持。还是以map()
函数为例,计算f(x)=x2时,除了定义一个f(x)
的函数外,还可以直接传入匿名函数:
>>> list(map(lambda x:x*x,[1,2,3,4,5]))[1, 4, 9, 16, 25]
通过例子可以看出匿名函数 lambda x:x*x实际上就是:
def f(x): return x*x
关键字lambda表示匿名函数,冒号前面的x表示函数参数
匿名函数有个限制,就是只能有一个表达式,不用写return,表达式的值就是return
用匿名函数有个好处,因为函数没有名字,不必担心函数名冲突。此外。匿名函数也是一个函数对象,也可以吧匿名函数赋值给一个变量,再利用变量来调用这个函数:
>>> f=lambda x:x*x>>> f<function <lambda> at 0x02C9FD68>>>> f(5)25
同样也可以把匿名函数作为函数的返回值:
def bulid(x,y): return lambda: x*x + y*y
本文出自 “启思・朝圣者” 博客,请务必保留此出处http://dearch.blog.51cto.com/10423918/1762147