Python內置函數有很多，為大家推薦5個神仙級的內置函數：
在博羅等地區(qū)，都構建了全面的區(qū)域性戰(zhàn)略布局，加強發(fā)展的系統性、市場前瞻性、產品創(chuàng)新能力，以專注、極致的服務理念，為客戶提供成都網站建設、網站制作 網站設計制作定制制作,公司網站建設,企業(yè)網站建設,品牌網站設計,成都全網營銷推廣,外貿營銷網站建設,博羅網站建設費用合理。
(1)Lambda函數
用于創(chuàng)建匿名函數，即沒有名稱的函數。它只是一個表達式，函數體比def簡單很多。當我們需要創(chuàng)建一個函數來執(zhí)行單個操作并且可以在一行中編寫時，就可以用到匿名函數了。
Lamdba的主體是一個表達式，而不是一個代碼塊。僅僅能在lambda表達式中封裝有限的邏輯進去。
利用Lamdba函數，往往可以將代碼簡化許多。
(2)Map函數
會將一個函數映射到一個輸入列表的所有元素上，比如我們先創(chuàng)建了一個函數來返回一個大寫的輸入單詞，然后將此函數應有到列表colors中的所有元素。
我們還可以使用匿名函數lamdba來配合map函數，這樣可以更加精簡。
(3)Reduce函數
當需要對一個列表進行一些計算并返回結果時，reduce()是個非常有用的函數。舉個例子，當需要計算一個整數列表所有元素的乘積時，即可使用reduce函數實現。
它與函數的最大的區(qū)別就是，reduce()里的映射函數(function)接收兩個參數，而map接收一個參數。
(4)enumerate函數
用于將一個可遍歷的數據對象(如列表、元組或字符串)組合為一個索引序列，同時列出數據和數據下標，一般用在for循環(huán)當中。
它的兩個參數，一個是序列、迭代器或其他支持迭代對象;另一個是下標起始位置，默認情況從0開始，也可以自定義計數器的起始編號。
(5)Zip函數
用于將可迭代的對象作為參數，將對象中對應的元素打包成一個個元組，然后返回由這些元組組成的列表
當我們使用zip()函數時，如果各個迭代器的元素個數不一致，則返回列表長度與最短的對象相同。
你這是return了一個閉包函數，這個函數接收一個參數x，返回x+n的值。n是外層函數make_fun的參數。
f = make_fun(15)
調用make_fun函數，返回lambda函數
f(5)，調用lambda函數，返回x+n=5+15=20
print輸出20。
python用函數給不及格成績加分
Python的高級特征你知多少？來對比看看
機器之心
人工智能信息服務平臺
來自專欄機器之心
Python 多好用不用多說，大家看看自己用的語言就知道了。但是 Python 隱藏的高級功能你都 get 了嗎？本文中，作者列舉了 Python 中五種略高級的特征以及它們的使用方法，快來一探究竟吧！
選自towardsdatascience，作者：George Seif，機器之心編譯。
Python 是一種美麗的語言，它簡單易用卻非常強大。但你真的會用 Python 的所有功能嗎？
任何編程語言的高級特征通常都是通過大量的使用經驗才發(fā)現的。比如你在編寫一個復雜的項目，并在 stackoverflow 上尋找某個問題的答案。然后你突然發(fā)現了一個非常優(yōu)雅的解決方案，它使用了你從不知道的 Python 功能！
這種學習方式太有趣了：通過探索，偶然發(fā)現什么。
下面是 Python 的 5 種高級特征，以及它們的用法。
Lambda 函數
Lambda 函數是一種比較小的匿名函數——匿名是指它實際上沒有函數名。
Python 函數通常使用 def a_function_name() 樣式來定義，但對于 lambda 函數，我們根本沒為它命名。這是因為 lambda 函數的功能是執(zhí)行某種簡單的表達式或運算，而無需完全定義函數。
lambda 函數可以使用任意數量的參數，但表達式只能有一個。
x = lambda a, b : a * b print(x(5, 6)) # prints '30' x = lambda a : a*3 + 3 print(x(3)) # prints '12'
看它多么簡單！我們執(zhí)行了一些簡單的數學運算，而無需定義整個函數。這是 Python 的眾多特征之一，這些特征使它成為一種干凈、簡單的編程語言。
Map 函數
Map() 是一種內置的 Python 函數，它可以將函數應用于各種數據結構中的元素，如列表或字典。對于這種運算來說，這是一種非常干凈而且可讀的執(zhí)行方式。
def square_it_func(a): return a * a x = map(square_it_func, [1, 4, 7]) print(x) # prints '[1, 16, 47]' def multiplier_func(a, b): return a * b x = map(multiplier_func, [1, 4, 7], [2, 5, 8]) print(x) # prints '[2, 20, 56]'看看上面的示例！我們可以將函數應用于單個或多個列表。實際上，你可以使用任何 Python 函數作為 map 函數的輸入，只要它與你正在操作的序列元素是兼容的。
Filter 函數
filter 內置函數與 map 函數非常相似，它也將函數應用于序列結構（列表、元組、字典）。二者的關鍵區(qū)別在于 filter() 將只返回應用函數返回 True 的元素。
詳情請看如下示例：
# Our numbers numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15] # Function that filters out all numbers which are odd def filter_odd_numbers(num): if num % 2 == 0: return True else: return False filtered_numbers = filter(filter_odd_numbers, numbers) print(filtered_numbers) # filtered_numbers = [2, 4, 6, 8, 10, 12, 14]
我們不僅評估了每個列表元素的 True 或 False，filter() 函數還確保只返回匹配為 True 的元素。非常便于處理檢查表達式和構建返回列表這兩步。
Itertools 模塊
Python 的 Itertools 模塊是處理迭代器的工具集合。迭代器是一種可以在 for 循環(huán)語句（包括列表、元組和字典）中使用的數據類型。
使用 Itertools 模塊中的函數讓你可以執(zhí)行很多迭代器操作，這些操作通常需要多行函數和復雜的列表理解。關于 Itertools 的神奇之處，請看以下示例：
from itertools import * # Easy joining of two lists into a list of tuples for i in izip([1, 2, 3], ['a', 'b', 'c']): print i # ('a', 1) # ('b', 2) # ('c', 3) # The count() function returns an interator that # produces consecutive integers, forever. This # one is great for adding indices next to your list # elements for readability and convenience for i in izip(count(1), ['Bob', 'Emily', 'Joe']): print i # (1, 'Bob') # (2, 'Emily') # (3, 'Joe') # The dropwhile() function returns an iterator that returns # all the elements of the input which come after a certain # condition becomes false for the first time. def check_for_drop(x): print 'Checking: ', x return (x 5) for i in dropwhile(should_drop, [2, 4, 6, 8, 10, 12]): print 'Result: ', i # Checking: 2 # Checking: 4 # Result: 6 # Result: 8 # Result: 10 # Result: 12 # The groupby() function is great for retrieving bunches # of iterator elements which are the same or have similar # properties a = sorted([1, 2, 1, 3, 2, 1, 2, 3, 4, 5]) for key, value in groupby(a): print(key, value), end=' ') # (1, [1, 1, 1]) # (2, [2, 2, 2]) # (3, [3, 3]) # (4, [4]) # (5, [5])
Generator 函數
Generator 函數是一個類似迭代器的函數，即它也可以用在 for 循環(huán)語句中。這大大簡化了你的代碼，而且相比簡單的 for 循環(huán)，它節(jié)省了很多內存。
比如，我們想把 1 到 1000 的所有數字相加，以下代碼塊的第一部分向你展示了如何使用 for 循環(huán)來進行這一計算。
如果列表很小，比如 1000 行，計算所需的內存還行。但如果列表巨長，比如十億浮點數，這樣做就會出現問題了。使用這種 for 循環(huán)，內存中將出現大量列表，但不是每個人都有無限的 RAM 來存儲這么多東西的。Python 中的 range() 函數也是這么干的，它在內存中構建列表。
代碼中第二部分展示了使用 Python generator 函數對數字列表求和。generator 函數創(chuàng)建元素，并只在必要時將其存儲在內存中，即一次一個。這意味著，如果你要創(chuàng)建十億浮點數，你只能一次一個地把它們存儲在內存中！Python 2.x 中的 xrange() 函數就是使用 generator 來構建列表。
上述例子說明：如果你想為一個很大的范圍生成列表，那么就需要使用 generator 函數。如果你的內存有限，比如使用移動設備或邊緣計算，使用這一方法尤其重要。
也就是說，如果你想對列表進行多次迭代，并且它足夠小，可以放進內存，那最好使用 for 循環(huán)或 Python 2.x 中的 range 函數。因為 generator 函數和 xrange 函數將會在你每次訪問它們時生成新的列表值，而 Python 2.x range 函數是靜態(tài)的列表，而且整數已經置于內存中，以便快速訪問。
# (1) Using a for loopv numbers = list() for i in range(1000): numbers.append(i+1) total = sum(numbers) # (2) Using a generator def generate_numbers(n): num, numbers = 1, [] while num n: numbers.append(num) num += 1 return numbers total = sum(generate_numbers(1000)) # (3) range() vs xrange() total = sum(range(1000 + 1)) total = sum(xrange(1000 + 1))
def use_list(): str_before=input("請輸入明文：") str_change=str_before.lower() str_list=list(str_change) str_list_change=str_list i=0 whilei
重慶分公司
重慶分公司
