一、函数的定义
1、定义：函数是指将一组语句的集合通过一个名字(函数名)封装起来，要想执行这个函数，只需调用其函数名即可
2、特性：
（1）减少重复代码；
（2）使程序变的可扩展；
（3）使程序变得易维护。
3、函数的分类
（1）内置函数：为了方便我们的开发，针对一些简单的功能，python解释器已经为我们定义好了的函数即内置函数。对于内置函数，我们可以拿来就用而无需事先定义，如len(),sum(),max()
（2）自定义函数：很明显内置函数所能提供的功能是有限的，这就需要我们自己根据需求，事先定制好我们自己的函数来实现某种功能，以后，在遇到应用场景时，调用自定义的函数即可。
例子：打印佛祖
1 def print_buddha(): #def 函数名():定义函数名和变量名一样 2 print(" _ooOoo_ ") 3 print(" o8888888o ") 4 print(" 88 . 88 ") 5 print(" (| -_- |) ") 6 print(" O\ = /O ") 7 print(" ____/`---'\____ ") 8 print(" . ' \| |// `. ") 9 print(" / \||| : |||// \ ") 10 print(" / _||||| -:- |||||- \ ") 11 print(" | | \\\ - /// | | ") 12 print(" | \_| ''\---/'' | | ") 13 print(" \ .-\__ `-` ___/-. / ") 14 print(" ___`. .' /--.--\ `. . __ ") 15 print(" ."" '< `.___\_<|>_/___.' >'"". ") 16 print(" | | : `- \`.;`\ _ /`;.`/ - ` : | | ") 17 print(" \ \ `-. \_ __\ /__ _/ .-` / / ") 18 print(" ======`-.____`-.___\_____/___.-`____.-'====== ") 19 print(" `=---=' ") 20 print(" ") 21 print(" ............................................. ") 22 print(" 佛祖镇楼 BUG辟易 ") 23 print(" 佛曰: ") 24 print(" 写字楼里写字间，写字间里程序员； ") 25 print(" 程序人员写程序，又拿程序换酒钱。 ") 26 print(" 酒醒只在网上坐，酒醉还来网下眠； ") 27 print(" 酒醉酒醒日复日，网上网下年复年。 ") 28 print(" 但愿老死电脑间，不愿鞠躬老板前； ") 29 print(" 奔驰宝马贵者趣，公交自行程序员。 ") 30 print(" 别人笑我忒疯癫，我笑自己命太贱； ") 31 print(" 不见满街漂亮妹，哪个归得程序员？") 32 print_buddha() #执行函数，加（）就是执行，不加（）打印的是函数的内存地址
二、函数的定义和调用
1、定义函数
格式：
#语法def 函数名(参数1,参数2,参数3,...): '''注释''' 函数体 return 返回的值
注意：函数名要能反映其意义
demo：
def print_name(): #定义函数
print('-----------------------------') #代码块
print('my name is renyz.')
print('-----------------------------')
print_name() #调用函数
注意：函数在定义阶段只检测语法，不执行代码
也就是说，语法错误在函数定义阶段就会检测出来，而代码的逻辑错误只有在执行时才会知道。
2、调用函数
定义了函数之后，就相当于有了一个具有某些功能的代码，想要让这些代码能够执行，需要调用它调用函数很简单的，通过 函数名() 即可完成调用
函数的调用：先找到名字，根据名字调用代码（函数名加括号）
3、分析函数的执行过程
（1）回顾程序执行的三种流程
顺序执行、选择执行、循环执行
（2）函数的执行过程
# 定义函数
def print_info(): # 1、程序从第一行开始执行，发现定义一个函数print_info
# 函数功能代码
print ("-"*50) # 3、开始依次执行代码
print("名片管理系统...")
print ("人生苦短，我用python")
print(" 1:登录")
print(" 2:退出")
print ("-" * 50) # 4、执行到这一步，从哪里进去的从哪里出去
# 调用函数
print_info() # 2、加括号代表执行 # 最后函数print_info走到这里 开始调用里面的函数。
4、定义多个函数
5、定义函数的三种形式
（1）无参：应用场景仅仅只是执行一些操作，比如与用户交互、打印
1 def auth(): 2 name = input(">>>:").strip() 3 password = input("passwd>>>:").strip() 4 if name == "test" and password == "123": 5 print("login successfull") 6 else: 7 print("user or password error") 8 auth()
（2）有参：需要根据外部传进来的参数，才能执行相应的逻辑，比如统计长度，求最大值最小值
1 def my_max(x,y): 2 if x > y: 3 print(x) 4 else: 5 print(y) 6 my_max(1,3)
（3）空函数：设计代码结构
1 def placeholder(): 2 pass
pass，什么也不做，占位用
结论：
（1）定义时无参，意味着调用时也无需传入参数
（2）定义时有参，意味着调用时则必须传入参数
三、函数的参数与局部变量
1、形参变量只有在被调用时才分配内存单元，在调用结束时，即刻释放所分配的内存单元。因此，形参只在函数内部有效。函数调用结束返回主调用函数后则不能再使用该形参变量（在定义阶段函数名称括号内的参数叫做形参，可以给默认值）
2、实参可以是常量、变量、表达式、函数等，无论实参是何种类型的量，在进行函数调用时，它们都必须有确定的值，以便把这些值传送给形参。因此应预先用赋值，输入等办法使参数获得确定值（在执行阶段传入的参数叫做实参，可以是位置参数，也可以以键值对的形式传参，还可以传入函数的执行结果）
def sum(x,y): #x,y为形参 print(x) print(y) sum(10,20) #10,20代表实参
3、默认参数（缺省参数）
def stu_register(name, age, country, course):
print("注册学生信息".center(25,'-'))
print("姓名:", name)
print("age:", age)
print("国籍:", country)
print("课程:", course)
stu_register("王小二", 22, "CN", "python_devops")
stu_register("张吃货", 21, "CN", "linux")
stu_register("刘老根", 25, "CN", "linux")
发现 country 这个参数 基本都 是"CN", 就像我们在网站上注册用户，像国籍这种信息，你不填写，默认就会是 中国， 这就是通过默认参数实现的，把country变成默认参数非常简单
def stu_register(name, age, course, country='CN'):
这样，这个参数在调用时不指定，那默认就是CN，指定了的话，就用你指定的值。
4、关键参数
正常情况下，给函数传参数要按顺序，不想按顺序就可以用关键参数，只需指定参数名即可，但记住一个要求就是，关键参数必须放在位置参数之后。
5、非固定参数(不定长)（*args-元组;**kwargs-字典）
若函数在定义时不确定想传入多少个参数，就可以使用非固定参数
def stu_register(name, age, *args): # *args 会把多传入的参数变成一个元组形式 print(name, age, args) stu_register("Renyz", 22) # 输出 # Renyz 22 () #后面这个()就是args,只是因为没传值,所以为空 stu_register("Jack", 32, "CN", "Python") # 输出 # Jack 32 ('CN', 'Python')
还可以有一个**kwargs（key=values）
1 def stu_register(name, age, *args, **kwargs): # *kwargs 会把多传入的参数变成一个dict形式 2 print(name, age, args, kwargs) 3 stu_register("Renyz", 18) 4 # 输出 5 # Renyz 18 () {}#后面这个{}就是kwargs,只是因为没传值,所以为空 6 stu_register("Jack", 22, "CN", "Python", sex="Male", province="ShanDong") 7 # 输出 8 # Jack 22 ('CN', 'Python') {'province': 'ShanDong', 'sex': 'Male'}
6、全局与局部变量
1 name = "Renyz" 2 def change_name(name): 3 print("Old name:", name) 4 name = "任彦忠" 5 print("Change name:", name) 6 change_name(name) 7 print("在外面看看变量name改了么?", name) 8 ----------------------------------------------------------- 9 Old name: Renyz 10 Change name: 任彦忠 11 在外面看看变量name改了么? Renyz
#内置名称空间:（python启动时就有）python解释器内置的名字，print,max,min #全局名称空间:（执行python文件时启动）定投定义的变量 #局部名称空间:（调用函数时启动，调用结束失效）函数内部定义的变量 # 总结：三者的加载顺序 # 内置 --->全局 - -->局部 # 三者的访问顺序 # 局部 --->全局 - -->内置
四、返回值
要想获取函数的执行结果，就可以用return语句把结果返回
注意：
- 函数在执行过程中只要遇到return语句，就会停止执行并返回结果，so 也可以理解为 return 语句代表着函数的结束
- 如果未在函数中指定return,那这个函数的返回值为None
1 def test(): 2 a = 11 3 b = 12 4 c = 33 5 # return a 6 # return b 7 # return c #无法调用多个值 8 #调用多个值得方法： 9 # 第1种 ,用一个列表来封装3个变量的值 10 # d = [a,b,c] 11 # return d 12 # 第2种,第一种的另外写法 13 # return [a,b,c] 14 # 第3种 封装到元祖里面返回 15 return a,b,c 16 num = test() 17 print (num) 18 # return隐藏的功能结束函数的执行
无return->None；return 1个值->返回1个值；return 逗号分隔多个值->元组
什么时候该有返回值？
调用函数，经过一系列的操作，最后要拿到一个明确的结果，则必须要有返回值
通常有参函数需要有返回值，输入参数，经过计算，得到一个最终的结果
什么时候不需要有返回值？
调用函数，仅仅只是执行一系列的操作，最后不需要得到什么结果，则无需有返回值
通常无参函数不需要有返回值
注意：每次调用一次函数的时候都会从函数最开始的地方执行。想做到用生成器（yiled）
4种函数的类型：
无参数，无返回值；无参数，有返回值；有参数，无返回值；有参数，有返回值
def 函数名():
pass
def 函数名():
return xxx
def 函数名(参数):
pass
def 函数名(参数):
return xxx
五、嵌套函数
1、 函数可以嵌套调用：
def test1():
pass
def test2():
print ('-------2-1------')
print ('-------2-2------')
def test3():
print ("--------3-1-----")
test2() #在test3函数中调用test2函数
print ("--------3-2-----")
test3()
如果函数A中，调用了另外一个函数B，那么先把函数B中的任务都执行完毕之后才会回到上次 函数A执行的位置。
例子：
1 # 定义一个函数，这个函数接受三个参数，从键盘把这三个参数传递给函数， 让这个函数把这三个值的结果打印出来。 2 def sun_3_nums(a,b,c): 3 result = a+b+c 4 print ("%d+%d+%d=%d"%(a,b,c,result)) 5 # 获取三个数值 6 num1 = int(input("第一个值：")) 7 num2 = int(input("第二个值：")) 8 num3 = int(input("第三个值：")) 9 sun_3_nums(num1,num2,num3 ) 10 ----------------------------------------------------------------------- 11 第一个值：3 12 第二个值：4 13 第三个值：5 14 3+4+5=12
1 # 改需求；完成三个值的平均值的计算： 2 def sun_3_nums(a,b,c):#形参 3 result = a+b+c 4 # print ("%d+%d+%d=%d"%(a,b,c,result)) 5 return result 6 def average_3_nums(a1,a2,a3):# 表示接收传的3个值 ； 形参 # 和外层的 abc没有关系 7 result = sun_3_nums(a1,a2,a3) # a1,a2,a3保持三个值 ；实参 8 result = result/3 9 print ('平均值是：%d'%result) 10 # 获取三个数值 11 num1 = int(input("第一个值：")) 12 num2 = int(input("第二个值：")) 13 num3 = int(input("第三个值：")) 14 # sun_3_nums(num1,num2,num3 ) 15 average_3_nums(num1,num2,num3 )# 表示被调用给函数传的值；实参 16 #形参即变量名，实参即变量值，函数调用时，将值绑定到变量名上，函数调用结束，解除绑定
2、嵌套函数
name = 'Renyz'
def change_name1():
name = 'Yan12'
def change_name2():
name = 'Zhong12'
print("第三层的名字：%s"%name)
change_name2() #调用内层函数
print("第二层的名字：%s" % name)
change_name1()
print("最外层的名字：%s"%name)
六、递归函数
在函数内部，可以调用其他函数。如果一个函数在内部调用自己本身，这个函数就是递归函数。
例子1：计算阶乘n!=1x2x3x...xn
def factorial(n):
if n == 1:
return 1
return n * factorial(n-1)
fact = factorial(5)
print(fact)
--------------------------------------------
120
例子2：
def calc(n):
print(n)
if int(n / 2) == 0:
return n
return calc(int(n / 2))
calc(10)
---------------------------------------------
10
5
2
1
递归特性：
（1）必须有一个明确的结束条件
（2）每次进入更深一层递归时，问题规模相比上次递归都应有所减少
（3）递归效率不高，递归层次过多会导致栈溢出（在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出）
应用案例3：（二分查找）
data = [1, 3, 6, 7, 9, 12, 14, 16, 17, 18, 20, 21, 22, 23, 30, 32, 33, 35]
def binary_search(dataset, find_num):
print(dataset)
if len(dataset) > 1:
mid = int(len(dataset) / 2)
if dataset[mid] == find_num: # find it
print("找到数字", dataset[mid])
elif dataset[mid] > find_num: # 找的数在middle左面
print(" 33[31;1m找的数在middle[%s]左面 33[0m" % dataset[mid])
return binary_search(dataset[0:mid], find_num)
else: # 找的数在middle右面
print(" 33[32;1m找的数在middle[%s]右面 33[0m" % dataset[mid])
return binary_search(dataset[mid + 1:], find_num)
else:
if dataset[0] == find_num: # find it
print("找到数字啦", dataset[0])
else:
print("没的分了,要找的数字[%s]不在列表里" % find_num)
binary_search(data, 23)
七、匿名函数（lambda）
匿名函数就是不需要显式的指定函数
def test(x,y):
c = x*y
print(c)
test(2,5)
#换成匿名函数
# res = lambda x,y: x*y
# print(res(2,5))
print((lambda x,y: x*y)(2,5))
匿名函数主要是和其他函数搭配使用
res = map(lambda x:x**2,[1,5,7,4,8])
for i in res:
print(i)
print(list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9])))
有名字的函数与匿名函数的对比：
（1）有名函数：循环使用，保存了名字，通过名字就可以重复引用函数功能
（2）匿名函数：一次性使用，随时随地定义
#lambda的使用场景: #max sorted map filter
info = {
'li':2000,
'zhao':35000,
'wu': 34000,
'du': 40000
}
# max
# def func(k):
# return info[k]
# print(max(info,key=lambda k:info[k]))
# sorted
# print(sorted(info,key=lambda k:info[k],reverse=True))
# zip,拉链
# l1 = [1,2,3,4]
# l2 = ['a','b','c']
# print(list(zip(l1,l2)))
# map,映射
# names = ['zhao','wu','du']
# l1 = []
# for name in names:
# res = '%s_SB' % name
# l1.append(res)
# print(l1)
# print(list(map(lambda name:'%s_sb' % name,names)))
# filter,过滤
# names = ['zhao_sb', 'wu_sb', 'du_sb','li']
# print(list(filter(lambda i: not i.endswith('_sb'),names)))
八、函数式编程
函数是Python内建支持的一种封装，我们通过把大段代码拆成函数，通过一层一层的函数调用，就可以把复杂任务分解成简单的任务，这种分解可以称之为面向过程的程序设计。函数就是面向过程的程序设计的基本单元。
函数式编程中的函数这个术语不是指计算机中的函数（实际上是Subroutine），而是指数学中的函数，即自变量的映射。也就是说一个函数的值仅决定于函数参数的值，不依赖其他状态。比如sqrt(x)函数计算x的平方根，只要x不变，不论什么时候调用，调用几次，值都是不变的。
Python对函数式编程提供部分支持。由于Python允许使用变量，因此，Python不是纯函数式编程语言。
简单说，"函数式编程"是一种“编程范式”（programming paradigm），也就是如何编写程序的方法论。主要思想是把运算过程尽量写成一系列嵌套的函数调用。
九、高阶函数
变量可以指向函数，函数的参数能接受变量，那么一个函数就可以接受另一个函数作为参数，这种函数九称之为高阶函数。
def add(x,y,f):
return f(x) + f(y)
result = add(2,4,abs)
print(result)
1、map/reduce
map()[映射]函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回。
例子：有一个函数f(x)=x**2，要把这个函数作用在一个list[1,2,3,4,5,6,7,8,9]上
def f(x): return x*x r = map(f,[1,2,3,4,5,6,7,8,9]) print(r) print(list(r)) ---------------------------------------- <map object at 0x00000085DC852320> [1, 4, 9, 16, 25, 36, 49, 64, 81]
map()作为高阶函数，它把运算规则抽象了，它还可以计算任意复杂的函数，比如，把list所有数字转为字符串；
print(list(map(str,[1,2,3,4,5,6,7,8,9]))) -------------------------------------------------- ['1', '2', '3', '4', '5', '6', '7', '8', '9']
map()还可以结合lambda匿名函数使用：
names = ['ren','bi','li'] l1 = [] for name in names: res = '%s_NB'%name l1.append(res) print(l1) print(list(map(lambda name:'%s_nb'% name,names))) ------------------------------------------------------------------ ['ren_NB', 'bi_NB', 'li_NB'] ['ren_nb', 'bi_nb', 'li_nb']
reduce是把一个函数作用在一个序列[x1,x2,x3,...]上，这个函数必须接受两个参数，reduce把结果继续和序列的下一个元素做累积计算，其效果就是：
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
例如：一个序列求和，就可以用reduce实现：
from functools import reduce def add(x,y): return x + y print(reduce(add,[1,2,3,4,5])) ------------------------------------------ 15
在python中求和可以用sum()函数，但如果把序列[1,2,3,4,5]变换成整数12345，就可以用到reduce了：
rom functools import reduce def add(x,y): return x * 10 + y print(reduce(add,[1,2,3,4,5])) ------------------------------------------ 12345
如果考虑到字符串str也是一个序列，对上面的例子稍加改动，配合map()，就可以写出把str转换为int的函数：
from functools import reduce def add(x,y): return x * 10 + y def char2num(s): digits = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9} return digits[s] reduce(add, map(char2num, '12345')) -------------------------------------------------------------- 12345
整理成一个str_to_int的函数就是：
from functools import reduce DIGITS = {'0':0,'1':1,'2':2,'3':3,'4':4,'5':5,'6':6,'7':7,'8':8,'9':9} def str_to_int(s): def add(x,y): return x * 10 + y def char(s): return DIGITS[s] return reduce(add,map(char,s)) print(str_to_int('123')) ----------------------------------------------------------------------- 123
还可以用lambda函数进一步简化：
from functools import reduce DIGITS = {'0':0,'1':1,'2':2,'3':3,'4':4,'5':5,'6':6,'7':7,'8':8,'9':9} def char2num(s): return DIGITS[s] def char2int(s): return reduce(lambda x,y:x*10+y,map(char2num,s)) print(char2int('345')) ------------------------------------------------------------------------- 345
也就是说，假如python没有提供int()函数，也可以写一个字符串转化为整数的函数。
2、filter
filter()也接收一个函数和一个序列，它把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。
例子1：在一个list中，删掉偶数，只保留奇数：
def is_odd(n): return n % 2 == 1 print(list(filter(is_odd,[1,2,3,4,5,6,7,8]))) -------------------------------------------------------------- [1, 3, 5, 7]
例子2：把一个序列中的空字符串删掉：
def not_empty(s): return s and s.strip() print(list(filter(not_empty,['a','b',None,'d',' ',]))) ------------------------------------------------------------- ['a', 'b', 'd']
filter()这个高阶函数，关键在于正确实现一个“筛选”函数；并且它返回的是一个Iterator，也就是一个惰性序列，所以要强迫filter()完成计算结果，需要用list()函数获得所有结果并返回list。
例子3：用filter求素数
计算素数的一个方法时埃氏筛法，它的算法可以理解为：
首先，列出从2开始的所有自己数，构造一个序列：
2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, ...
取序列的第一个数2，它一定是素数，然后用2把序列的2的倍数筛掉：
3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, ...
取新序列的第一个数3，它一定是素数，然后用3把序列的3的倍数筛掉：
5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, ...
取新序列的第一个数5，然后用5把序列的5的倍数筛掉：
7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, ...
不断筛下去，就可以得到所有的素数。
用Python来实现这个算法，可以先构造一个从3开始的奇数序列：
def _odd_iter(): n = 1 while True: n = n + 2 yield n #注意：这是一个生成器，并且是一个无限序列
然后定义一个筛选函数：
def _not_divisible(n): return lambda x : x % n > 0
最后，定义一个生成器，不断返回下一个素数：
def primes(): yield 2 it = _odd_iter() while True: n = next(it) yield n it = filter(_not_divisible(n),it)
这个生成器先返回第一个素数2，然后，利用filter()不断产生筛选后的新的序列。
由于primes()也是一个无限序列，所以调用时需要设置一个退出循环的条件：
for n in primes(): if n < 1000: print(n) else: break
注意到Iterator是惰性计算的序列，所以我们可以用python表示“全体自然数”，“全体素数”这样的序列，二代吗非常简洁。
例子4：filter（过滤）搭配lambda函数使用
names = ['zhao_sb', 'wu_sb', 'du_sb','li'] print(list(filter(lambda i: not i.endswith('_sb'),names))) ---------------------------------------------------------------- ['li']
3、sorted
排序算法
排序也是在程序中经常用到的算法。无论使用冒泡排序还是快速排序，排序的核心是比较两个元素的大小。如果是数字，我们可以直接比较，但如果是字符串或者两个dict呢？直接比较数学上的大小是没有意义的，因此，比较的过程必须通过函数抽象出来。
Python内置的sorted()函数就可以对list进行排序：
l1 = [1,3,5,-2,-6,2] print(sorted(l1)) ------------------------------------ [-6, -2, 1, 2, 3, 5]
此外，sorted()函数也是一个高阶函数，它还可以接收一个key函数来实现自定义的排序，例如按绝对值大小排序：
l1 = [1,3,5,-2,-6,2] print(sorted(l1,key=abs)) -------------------------------------------------------- [1, -2, 2, 3, 5, -6]
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和经过key=abs处理过的list；
字符串排序的例子：
s1 = ['a','d','A','z','B'] print(sorted(s1)) -------------------------------------------------- ['A', 'B', 'a', 'd', 'z']
默认情况下，对字符串排序，是按照ASCII的大小比较的，由于'A' < 'a'，结果，大写字母A会排在小写字母a的前面。
现在，我们提出排序应该忽略大小写，按照字母序排序。要实现这个算法，不必对现有代码大加改动，只要我们能用一个key函数把字符串映射为忽略大小写排序即可。忽略大小写来比较两个字符串，实际上就是先把字符串都变成大写（或者都变成小写），再比较。
这样，我们给sorted传入key函数，即可实现忽略大小写的排序：
s1 = ['a','d','A','z','B'] print(sorted(s1,key=str.lower)) -------------------------------------------- ['a', 'A', 'B', 'd', 'z']
要进行反向排序，不必改动key函数，可以传入第三个参数reverse=True：
s1 = ['a','d','A','z','B'] print(sorted(s1,key=str.lower,reverse=True)) ---------------------------------------------------------- ['z', 'd', 'B', 'a', 'A']
结合lambda函数使用：
info = { 'li':2000, 'zhao':35000, 'wu': 34000, 'du': 40000 } print(sorted(info,key=lambda k:info[k],reverse=True)) -------------------------------------------------------------------- ['du', 'zhao', 'wu', 'li']
4、zip
#zip,拉链 l1 = [1,2,3,4] l2 = ['a','b','c'] print(list(zip(l1,l2))) ---------------------------------------------------- [(1, 'a'), (2, 'b'), (3, 'c')]
5、max
info = { 'li':2000, 'zhao':35000, 'wu': 34000, 'du': 40000 } # def func(k): # return info[k] # print(max(info,key=func)) print(max(info,key=lambda k:info[k])) #等于前面三行的内容
info2 = [2,3,412,5,23,1,53,123] print(max(info2)
详细讲解：https://www.liaoxuefeng.com/wiki/1016959663602400/1017328655674400
十、内置函数
详情参考：https://docs.python.org/3/library/functions.html?highlight=built#ascii
1、abs() #函数返回数字的绝对值。 a = 3 b = -5 print(abs(a)) #输出3 print(abs(b)) #输出5 2、eval() #将字符串str当成有效的表达式来求值并返回计算结果 s = "1+2*3" print(type(s)) print(eval(s)) 3、float() #将一个字符串或整数转换为浮点数 print(float()) print(float('123')) print(float('1')) 4、len() #返回对象长度 5、help() #返回对象的帮助文档 print(help()) 6、id() #返回对象的内存地址 7、input() #获取用户输入内容 8、range() #根据需要生成一个指定范围的数字，可以提供你需要的控制来迭代指定的次数 #用于创建包含连续算术值的列表(list)。 #常用于for循环。参数必须是普通整数。 for i in range(0,3): print(i) #第一个参数是起始数，第二个是终止数(不包含这个)，第三个数步数 for i in range(0,10,2): print(i) 匿名函数： my_func = lambda a, b, c: a * b print(my_func) print(my_func(1, 2, 3)) #结合map print('lambda结合map') l1 = [1, 3, 5, 7, 9] l2 = [2, 4, 6, 8, 10] result = map(lambda x, y: x * 2 + y, l1, l2) print(list(result)) 9、list函数() #方法用于将元组转换为列表。 atuple = ('q','w','e','r') l1 = list(atuple) print(l1) #输出['q', 'w', 'e', 'r'] 10、元组 tuple() #函数将列表转换为元组。 l1 = [1,2,3,4,5] t1 =tuple(l1) print(t1) #输出(1, 2, 3, 4, 5) 11、type函数() #返回对象类型 12、hash() #用于获取取一个对象（字符串或者数值等）的哈希值 hash 语法： hash(object) print(hash('set')) # # 字符串 print(hash(133)) # 数字 print( hash(str([1,2,3]))) ## 集合 print(hash(str(sorted({'1':1}))))# 字典 13、zip() #函数用于将可迭代对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的对象。 如果各个可迭代对象的元素个数不一致，则返回的对象长度与最短的可迭代对象相同。 利用 * 号操作符，与zip相反，进行解压。 v1 = [1, 2] v2 = [3, 4] v3 = [5, 6] v = zip(v1, v2, v3) # 压缩 print(list(v)) w = zip(*zip(v1, v2, v3)) # 解压 print(list(w)) 搭配for循环支持并行迭代： list1 = [2, 3, 4] list2 = [4, 5, 6] for x, y in zip(list1, list2): print(x, y, '--', x * y) # 例如，对于list [1, 2, 3, 4, 5, 6, 7, 8, 9] # 如果希望把list的每个元素都作平方，就可以用map()函数： def f(x): return x*x print(list(map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9]))) # 配合匿名函数使用: data = list(range(10)) print(list(map(lambda x: x * x, data))) 14、map函数案列2 map() li = [1,2,3] data = map(lambda x:x*2,li) print(type(data)) data = list(data) print(data)