一、二分法
【案例解析】
# 需求：有一个按照从小到大顺序排列的数字列表
# 需要从该数字列表中找到我们想要的那个一个数字
# 如何做更高效？
nums=[-3,4,7,10,13,21,43,77,89]
find_num=10
nums=[-3,4,13,10,-2,7,89]
nums.sort() ==> 先进行排序
print(nums)
# 方案一：整体遍历效率太低
# for num in nums:
# if num == find_num:
# print('find it')
# break
# 方案二：二分法
# nums=[-3,4,7,10,13,21,43,77,89]
# find_num=8
# def binary_search(find_num,l):
# print(l)
# if len(l) == 0:
# print('找的值不存在')
# return
# mid_index=len(l) // 2
#
# if find_num > l[mid_index]:
# # 接下来的查找应该是在列表的右半部分
# l=l[mid_index+1:]
# binary_search(find_num,l)
# elif find_num < l[mid_index]:
# # 接下来的查找应该是在列表的左半部分
# l=l[:mid_index]
# binary_search(find_num,l)
# else:
# print('find it')
#
# binary_search(find_num,nums)
二、面向过程编程
# 面向过程的编程思想：
# 核心是"过程"二字，过程即流程，指的是做事的步骤：先什么、再什么、后干什么
# 基于该思想编写程序就好比在设计一条流水线
# 优点：复杂的问题流程化、进而简单化
# 缺点：扩展性非常差
# 面向过程的编程思想应用场景解析：
# 1、不是所有的软件都需要频繁更迭：比如编写脚本
# 2、即便是一个软件需要频繁更迭，也不并不代表这个软件所有的组成部分都需要一起更迭
三、函数式
# 1、def用于定义有名函数
# func=函数的内存地址
# def func(x,y):
# return x+y
# print(func)
# 2、lambda用于定义匿名函数
# print(lambda x,y:x+y)
# 3、调用匿名函数
# 方式一：
# res=(lambda x,y:x+y)(1,2)
# print(res)
# 方式二：不建议使用，为匿名函数指定名字有些多次一举
# func=lambda x,y:x+y
# res=func(1,2)
# print(res)
#4、匿名用于临时调用一次的场景
匿名函数与有名函数一样有相同的作用域，但它的引用计数为0，使用一次就被回收了，多用作临时调用
或与其他函数配合使用
【案例】
salaries={
'siry':3000,
'tom':7000,
'lili':10000,
'jack':2000
}
# 需求1：找出薪资最高的那个人==》lili
# res=max([3,200,11,300,399])
# print(res)
# res=max(salaries)
# print(res)==》结果为tom,缘由是我们比较的是value，但迭代的对象是key
# 迭代出的内容 比较的值
# 'siry' 3000
# 'tom' 7000
# 'lili' 10000
# 'jack' 2000
# def func(k):
# return salaries[k]
# max的应用
（max格式：max(对象，key=一个依据，不写默认为对象内的值)）
# res=max(salaries,key=func) # max会遍历对象salaries,key会得到func('k')的返回值
# print(res)
# res=max(salaries,key=lambda k:salaries[k])
# print(res) ==> 'lili'
# min的应用
# res=min(salaries,key=lambda k:salaries[k])
# print(res) ==>'jack'
# sorted排序
# salaries={
# 'siry':3000,
# 'tom':7000,
# 'lili':10000,
# 'jack':2000
# }
# res=sorted(salaries,key=lambda k:salaries[k],reverse=True)
# print(res) ==> ['lili', 'tom', 'siry', 'jack']
# 默认排序从小到大，reverse翻转，得到的结果依然是key,不是值，值只是判断依据
# map(映射)的应用(了解)
# l=['alex','lxx','wxx','薛贤妻']
# new_l=(name+'_dsb' for name in l)
# print(new_l) #得到的是生成器表达式类型
# 用map实现
# res=map(lambda name:name+'_dsb',l)
# print(res) # 生成器类型，需用.next()
# filter（过滤）的应用（了解）
# l=['alex_sb','lxx_sb','wxx','薛贤妻']
# res=(name for name in l if name.endswith('sb'))
# print(res)
# 用filter实现
# res=filter(lambda name:name.endswith('sb'),l)
# print(res)
# reduce（求和）的应用(了解)
格式：reduc(函数，可迭代对象，初始值)
from functools import reduce
res=reduce(lambda x,y:x+y,[1,2,3],10) # 16
print(res) ==> 16 # python3 中由于是生成器类型，需要next()多次取值
res=reduce(lambda x,y:x+y,['a','b','c']) # 'a','b'
print(res) ==> abc #同上
四、模块
1、什么是模块？
模块就是一系列功能的集合体,分为三大类
I：内置的模块
II：第三方的模块
III：自定义的模块
一个python文件本身就一个模块，文件名m.py，模块名叫m
ps：模块有四种形式
1、使用python编写的.py文件
2、已被编译为共享库或DLL的C或C++扩展
3、把一系列模块组织到一起的文件夹（注：文件夹下有一个__init__.py文件，该文件夹称之为包）
4、使用C编写并链接到python解释器的内置模块
2、为何要用模块？
I:内置与第三的模块拿来就用，无需定义，这种拿来主义，可以极大地提升自己的开发效率
II:自定义的模块
可以将程序的各部分功能提取出来放到一模块中为大家共享使用
好处是减少了代码冗余，程序组织结构更加清晰
3、如何用模块？
【案例】
y=333
z=444
import foo ==>导入模块foo
# 1、首次导入模块会发生3件事
# ①执行源文件代码foo.py
# ②产生一个foo.py的名称空间，将foo.py运行过程中产生的名字存放到foo的名称空间中
# ③在当前文件中产生的有一个名字foo，该名字指向2中产生的模块名称空间
# 注意：之后的导入，都是直接引用首次导入产生的foo.py名称空间,不会重复执行代码
# 2、引用：
# print(foo.x) ==> 引用模块foo中的变量
# print(foo.get()) ==> 引用foo模块中的get函数
# print(foo.change) ==> 引用foo模块中的change函数
# 强调1：模块名.名字，是指名道姓地问某一个模块要名字对应的值，不会与当前名称空间中的名字发生冲突
# x=1111111111111
# print(x)
# print(foo.x)
# 强调2：无论是查看还是修改操作的都是模块本身，与调用位置无关
# import foo
#
# x=3333333333
# # foo.get()
#
# foo.change()
# print(x)
#
# print(foo.x)
# foo.get()
# 3、可以以逗号为分隔符在一行导入多个模块
# 建议如下所示导入多个模块
# import time
# import foo
# import m
# 不建议在一行同时导入多个模块
import time,foo,m
# 4、导入模块的规范
#I. python内置模块
#II. 第三方模块
#III. 程序员自定义模块
# import time
# import sys
#
# import 第三方1
# import 第三方2
#
# import 自定义模块1
# import 自定义模块2
# import 自定义模块3
# 5、给模块起个别名import 。。。 as 。。。
# import foo as f # f=foo
# f.get()
# 6、模块是第一类对象
# import foo
# foo可被赋值、可以当参数传入、可以当返回值、可以当容器类型的元素（同函数）
# 7、自定义模块的命名应该采用纯小写+下划线的风格
# python3已经完成了规范化的命名
# 8、可以在函数内导入模块
# def func():
import foo