lambda函数用法

匿名函数lambda：是指一类无需定义标识符（函数名）的函数或子程序。
所谓匿名函数，通俗地说就是没有名字的函数，lambda函数没有名字，是一种简单的、在同一行中定义函数的方法。
lambda函数一般功能简单：单行expression决定了lambda函数不可能完成复杂的逻辑，只能完成非常简单的功能。由于其实现的功能一目了然，甚至不需要专门的名字来说明。
lambda 函数可以接收任意多个参数 (包括可选参数) 并且返回单个表达式的值。
lambda 表达式只允许包含一个表达式，不能包含复杂语句，该表达式的运算结果就是函数的返回值。
lambda 函数实际生成了一个lambda对象。
lambda 表达式的基本语法如下：
lambda arg1,arg2,arg3… :<表达式> arg1/arg2/arg3为函数的参数（函数输入），表达式相当于函数体，运算结果是表达式的运算结果。
例如：
lambda x, y: xy；函数输入是x和y，输出是它们的积xy
lambda:None；函数没有输入参数，输出是None
lambda *args: sum(args); 输入是任意个数的参数，输出是它们的和(隐性要求是输入参数必须能够进行加法运算)
lambda **kwargs: 1；输入是任意键值对参数，输出是1
由于lambda语法是固定的，其本质上只有一种用法，那就是定义一个lambda函数。
在实际中，根据这个lambda函数应用场景的不同，可以将lambda函数的用法扩展为以下几种：
1.将lambda函数赋值给一个变量，通过这个变量间接调用该lambda函数。
例如，执行语句add=lambda x, y: x+y，定义了加法函数lambda x, y: x+y，并将其赋值给变量add，这样变量add便成为具有加法功能的函数。
例如，执行add(1,2)，输出为3。
2.将lambda函数赋值给其他函数，从而将其他函数用该lambda函数替换。
例如，为了把标准库time中的函数sleep的功能屏蔽(Mock)，我们可以在程序初始化时调用：time.sleep=lambda x:None。
这样，在后续代码中调用time库的sleep函数将不会执行原有的功能。
例如，执行time.sleep(3)时，程序不会休眠3秒钟，而是什么都不做。
3.将lambda函数作为参数传递给其他函数。
函数的返回值也可以是函数。例如return lambda x, y: x+y返回一个加法函数。
这时，lambda函数实际上是定义在某个函数内部的函数，称之为嵌套函数，或者内部函数。
对应的，将包含嵌套函数的函数称之为外部函数。内部函数能够访问外部函数的局部变量，这个特性是闭包(Closure)编程的基础，在这里我们不展开。
部分Python内置函数接受函数作为参数,典型的此类内置函数有这些:
filter函数 此时lambda函数用于指定过滤列表元素的条件。
例如filter(lambda x: x % 3 == 0, [1, 2, 3])指定将列表[1,2,3]中能够被3整除的元素过滤出来，其结果是[3]。
sorted函数 此时lambda函数用于指定对列表中所有元素进行排序的准则。
例如sorted([1, 2, 3, 4, 5, 6, 7, 8, 9], key=lambda x: abs(5-x))将列表[1, 2, 3, 4, 5, 6, 7, 8, 9]
按照元素与5距离从小到大进行排序，其结果是[5, 4, 6, 3, 7, 2, 8, 1, 9]。
map函数 此时lambda函数用于指定对列表中每一个元素的共同操作。
例如map(lambda x: x+1, [1, 2,3])将列表[1, 2, 3]中的元素分别加1，其结果[2, 3, 4]。
reduce函数 此时lambda函数用于指定列表中两两相邻元素的结合条件。
例如reduce(lambda a, b: '{}, {}'.format(a, b), [1, 2, 3, 4, 5, 6, 7, 8, 9])
将列表 [1, 2, 3, 4, 5, 6, 7, 8, 9]中的元素从左往右两两以逗号分隔的字符的形式依次结合起来，其结果是’1, 2, 3, 4, 5, 6, 7, 8, 9’。

Tkinter

# coding=utf-8
import Tkinter
top=Tkinter.Tk()
label=Tkinter.Label(top,text='Hello World')
label.pack()
Tkinter.mainloop()

1.文件操作[处理一个大小10G的文件，但内存只有4G如何实现---生成器的好处]
 

def get_lines():l=[]with open('file.txt','rb') as f:data=f.readlines(60000)   # 设置读取的行数l.append(data)yield l
if __name__=='__main__':for e in get_lines():process(e)  # 处理每一行数据

时间 # # 输入日期， 判断这一天是这一年的第几天？

import datetime
def dayofyear():year,month,day=input(),input(),input()date1=datetime.date(year=int(year),month=int(month),day=int(day))date2=datetime.date(year=int(year),month=1,day=1)return (date1-date2).days+1

文件获取

#设计实现遍历目录与子目录，抓取.pyc文件
import os
def get_files(dir,suffix):res = []for root,dirs,files in os.walk(dir):  # 输出在文件夹中的文件名for filename in files:name,suf = os.path.splitext(filename)  # 分离文件名与扩展名；默认返回(fname,fextension)元组if suf == suffix:res.append(os.path.join(root,filename))  #os.path.join('c:\\', 'csv', 'test.csv')    'c:\\csv\\test.csvprint(res)        
get_files("./",'.pyc')

字典排序

#现有字典 d= {'a':24,'g':52,'i':12,'k':33}请按value值进行排序?
sorted(d.items(),key=lambda x:x[1])
#x[0] 代表key排序，x[1] 代表value排序d={key:value for (key,value) in iterable} # 字典推导式#请按alist中元素的age由大到小排序alist = [{'name':'a','age':20},{'name':'b','age':30},{'name':'c','age':25}]
def sort_by_age(alist):return sorted(alist,key=lambda x:x['age'],reverse=True)# 字典
# 将字符串 "k:1 |k1:2|k2:3|k3:4"，处理成字典 {k:1,k1:2,...}
str1 = "k:1|k1:2|k2:3|k3:4"
def str2dict(str1):dict1 = {}for iterms in str1.split('|'):key,value = iterms.split(':')    dict1[key] = valuereturn dict1    
#字典推导式
d = {k:int(v) for t in str1.split("|") for k, v in (t.split(":"), )} 1. 用两个元素之间有对应关系的list构造一个dict
答：
a =['study', 'learn']    
b = [1,2]    
m =dict(zip(a,b))

排序

# 打乱排序
import random
alist=[1,2,3,4]
random.shuffle(alist)
print(alist)

集合

# 给定两个list A，B ,请用找出A，B中相同与不同的元素
A,B 中相同元素： print(set(A)&set(B))
A,B 中不同元素: print(set(A)^set(B))

正则

a = “abbbccc”，用正则匹配为abccc,不管有多少b，就出现一次？思路：不管有多少个b替换成一个
re.sub(r'b+', 'b', a)
re.sub(pat,newpat,s)
对字符串中s的包含的所有符合pat的连续字符串进行替换，如果newpat为str,那么就是替换为newpat,
如果newpat是函数，那么就按照函数返回值替换。
sub函数两个有默认值的参数分别是count表示最多只处理前几个匹配的字符串，默认为0表示全部处理；
最后一个是flags，默认为0

队列

队列
特征：先进先出 FIFO（First in First out）只能从队头离开队列只能从队尾进入队列缺点：队列的查找慢，从头到尾一个一个查找
python队列的三种实现队列：Queue列表：list双端队列：deque性能：list最慢，Queue较慢，deque比Queue快10倍以上Queue的操作q.put() 从队尾插入 q.get() 从队头删除，并返回 q.qsize() 队列大小 q.empty() 队列是否为空 

优先队列

定义：一种特殊的队列，特点是最优数据（最大值或最小值）始终位于队列头部。
特点：效率高。新数据插入队列后，计算新的最优队头，计算复杂度是O(logn);弹出最优队头后，计算新的最优队头，计算复杂度也是O(logn).python优先队列PriorityQueue
基本操作：pq=queue.PriorityQueue() #定义 pq.put([priority,value]) #进队列 pq.get() #取出队首 pq.empty() #判断空 pq.qsize() #队列大小 注意：put()的第一个参数priority表示数据的优先级，第二个参数value是值，如果只有一个参数，同时表示优先级和值，值越小优先级越高，队首总是最小值
# 代码 如下:
import queue
pq=queue.PriorityQueue()
pq.put(1)
pq.put(7)
pq.put(5)
print(pq.qsize())
while not pq.empty():print(pq.get(),end=' ')#输出结果： 只一个参数，同时代表优先级和值，依次输出队首，从小到大
3
1 5 7 # 代码如下：
import queue
pq=queue.PriorityQueue()
pq.put([1,'abc'])
pq.put([7,998])
pq.put([5,True])
print(pq.qsize())
while not pq.empty():print(pq.get(),end=' ')#输出结果：  两个参数，value可以是各种数据类型
3
[1, 'abc'] [5, True] [7, 998] 

+=和=+的区别

n,m=1,2
n+=m
print(n)
n=+m
print(n)# 输出
3
2总结：+=简单的说就是累加，=+就是赋值

map reduce filter 三兄弟

map

对可迭代对象中的每个元素进行相同的操作

elist=map(int,['1','2','3'])
print(elist)

reduce

从左到右对一个序列的项累计地应用有两个参数的函数，以此合并序列到一个单一值。（例如累加或累乘列表元素等等）

def fn(x,y):return x*y
print(reduce(fn,[1,2,3]))

filter

filter函数用于过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表。该接收两个参数: 第一个为函数，第二个为序列，序列的每个元素作为参数传递给函数进行判，然后返回 True 或 False，最后将返回 True 的元素放到新列表

a = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
def fn(a):return a%2 == 1newlist = filter(fn, a)
newlist = [i for i in newlist]
print(newlist)
## 输出: [1, 3, 5, 7, 9]