python中5个常用的内置高阶函数的介绍（附代码）
本篇文章给大家带来的内容是关于python中5个常用的内置高阶函数的介绍（附代码），有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。
python内置常用高阶函数:
一、函数式编程
函数本身可以赋值给变量，赋值后变量为函数；
允许将函数本身作为参数传入另一个函数；
允许返回一个函数。
1、map()函数
是 Python 内置的高阶函数，它接收一个函数 f 和一个 list，
并通过把函数 f 依次作用在 list 的每个元素上，得到一个新的 list 并返回
def add(x):
return x+x
print(map(add,[1, 2, 3]))
# Out:<map object at 0x00000239E833DE48>
print(list(map(add,[1, 2, 3])))
# Out:[2, 4, 6]2、reduce()函数
reduce()函数也是Python内置的一个高阶函数。
reduce()函数接收的参数和 map()类似，一个函数 f，一个list，但行为和 map()不同，reduce()传入的函数f必须接收两个参数，
reduce()对list的每个元素反复调用函数f，并返回最终结果值。
在 Python3 中，reduce() 函数已经被从全局名字空间里移除了，它现在被放置在 functools 模块里，如果想要使用它，
则需要通过引入 functools 模块来调用 reduce() 函数：
from functools import reduce
def prod(x, y):
return x*y
print(reduce(prod, [2, 4, 5, 7, 12]))
# Out:3360 # 2*4*5*7*12
# reduce()还可以接收第3个可选参数，作为计算的初始值。如果把初始值设为100
print(reduce(prod, [2, 4, 5, 7, 12], 100))
# Out:336000 # 2*4*5*7*12*1003、filter()函数
是 Python 内置的另一个有用的高阶函数，filter()函数接收一个函数 f 和一个list，
这个函数f的作用是对每个元素进行判断，返回 True或 False，filter()根据判断结果自动过滤掉不符合条件的元素，
返回由符合条件元素组成的新list。
import math
def is_sqr(x):
return math.sqrt(x) == int(math.sqrt(x))
print(list(filter(is_sqr, range(1, 101))))
# Out:[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]4、sorted() 函数
对所有可迭代的对象进行排序操作。
sort 与 sorted 区别：
sort 是应用在 list 上的方法，sorted 可以对所有可迭代的对象进行排序操作。
list 的 sort 方法返回的是对已经存在的列表进行操作，而内建函数 sorted 方法返回的是一个新的 list，而不是在原来的基础上进行的操作。
sorted(iterable, key=None, reverse=False)
iterable -- 可迭代对象。
key -- 主要是用来进行比较的元素，只有一个参数，具体的函数的参数就是取自于可迭代对象中，指定可迭代对象中的一个元素来进行排序。
reverse -- 排序规则，reverse = True 降序 ， reverse = False 升序（默认）。
返回重新排序的列表
print(sorted([5, 2, 3, 1, 4]))
# Out:[1, 2, 3, 4, 5]
print(sorted({1:'D', 2:'B', 3:'B', 4:'E', 5: 'A'}))
# Out:[1, 2, 3, 4, 5]利用key进行倒序排序
example_list = [5, 0, 6, 1, 2, 7, 3, 4] result_list = sorted(example_list, key=lambda x: x*-1) print(result_list)
要进行反向排序，也可以通过传入第三个参数 reverse=True：
example_list = [5, 0, 6, 1, 2, 7, 3, 4] print(sorted(example_list, reverse=True)) # Out:[7, 6, 5, 4, 3, 2, 1, 0]
5、Python的函数不但可以返回int、str、list、dict等数据类型，还可以返回函数！
请注意区分返回函数和返回值：
def my_abs():
return abs # 返回函数，返回函数可以把一些计算延迟
def my_abs2(x):
return abs(x) # 返回函数调用的结果，返回值是一个数值def calc_prod(lst):
def lazy_prod():
prod = 1
for i in lst:
prod = prod*i
return prod
return lazy_prod
f = calc_prod([1, 2, 3, 4])
print(f())
# Out:245.1、为什么定义lazy_prod()函数和返回函数cal_prod()?
python支持返回函数的基本语法
def f():
print('call f()...')
# 定义函数g:
def g():
print('call g()...')
# 返回函数g:
return g只返回函数的作用：
返回函数可以把一些计算延迟执行。例如，如果定义一个普通的求和函数：
def calc_sum(lst):
return sum(lst)
print(calc_sum([1,2,3,4]))
# Out:10
def calc_sum(lst):
def lazy_sum():
return sum(lst)
return lazy_sum
f = calc_sum([1, 2, 3, 4])
print(f) # 代码并没有对函数进行执行计算出结果，而是返回函数,所以打印出来的是类型
#Out: <function calc_sum.<locals>.lazy_sum at 0x000001FF43462E18>
print(f()) # 对返回的函数进行调用时，才计算出结果
# Out:10Atas ialah kandungan terperinci python中5个常用的内置高阶函数的介绍（附代码）. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!
Alat AI Hot
Undress AI Tool
Gambar buka pakaian secara percuma
Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik
AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.
Clothoff.io
Penyingkiran pakaian AI
Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!
Artikel Panas
Alat panas
Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma
SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan
Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa
Dreamweaver CS6
Alat pembangunan web visual
SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)
Contoh Python Shutil Rmtree
Aug 01, 2025 am 05:47 AM
shutil.rmtree () adalah fungsi dalam python yang secara rekursif memadam seluruh pokok direktori. Ia boleh memadam folder yang ditentukan dan semua kandungan. 1. Penggunaan Asas: Gunakan shutil.rmtree (Path) untuk memadam direktori, dan anda perlu mengendalikan fileNotFoundError, PermissionError dan pengecualian lain. 2. Aplikasi Praktikal: Anda boleh membersihkan folder yang mengandungi subdirektori dan fail dalam satu klik, seperti data sementara atau direktori cache. 3. Nota: Operasi penghapusan tidak dipulihkan; FileNotFoundError dilemparkan apabila jalan tidak wujud; Ia mungkin gagal kerana kebenaran atau pekerjaan fail. 4.
Cara mewujudkan persekitaran maya di python
Aug 05, 2025 pm 01:05 PM
Untuk mewujudkan persekitaran maya Python, anda boleh menggunakan modul VENV. Langkah-langkahnya adalah: 1. Masukkan direktori projek untuk melaksanakan persekitaran python-mvenvenv untuk mewujudkan persekitaran; 2. Gunakan Sourceenv/Bin/Aktifkan ke Mac/Linux dan Env \ Scripts \ Aktifkan ke Windows; 3. Gunakan Pakej Pemasangan Pipinstall, PipFreeze> Keperluan.txt untuk mengeksport kebergantungan; 4. Berhati -hati untuk mengelakkan menyerahkan persekitaran maya ke Git, dan mengesahkan bahawa ia berada dalam persekitaran yang betul semasa pemasangan. Persekitaran maya boleh mengasingkan kebergantungan projek untuk mencegah konflik, terutamanya sesuai untuk pembangunan pelbagai projek, dan editor seperti pycharm atau vscode juga
Bagaimana untuk melaksanakan pertanyaan SQL di Python?
Aug 02, 2025 am 01:56 AM
Pasang pemacu pangkalan data yang sepadan; 2. Gunakan Connect () untuk menyambung ke pangkalan data; 3. Buat objek kursor; 4. Gunakan melaksanakan () atau executemany () untuk melaksanakan SQL dan menggunakan pertanyaan parameter untuk mengelakkan suntikan; 5. Gunakan Fetchall (), dan sebagainya untuk mendapatkan hasil; 6. komit () diperlukan selepas pengubahsuaian; 7. Akhirnya, tutup sambungan atau gunakan pengurus konteks untuk mengendalikannya secara automatik; Proses lengkap memastikan operasi SQL selamat dan cekap.
Bagaimana untuk berkongsi data antara pelbagai proses dalam Python?
Aug 02, 2025 pm 01:15 PM
Gunakan multiprocessing.queue untuk selamat lulus data antara pelbagai proses, sesuai untuk senario pelbagai pengeluar dan pengguna; 2. Gunakan multiprocessing.pipe untuk mencapai komunikasi berkelajuan tinggi dua arah antara dua proses, tetapi hanya untuk sambungan dua mata; 3. Gunakan nilai dan array untuk menyimpan jenis data mudah dalam memori bersama, dan perlu digunakan dengan kunci untuk mengelakkan keadaan persaingan; 4. Pengurus Gunakan untuk berkongsi struktur data yang kompleks seperti senarai dan kamus, yang sangat fleksibel tetapi mempunyai prestasi yang rendah, dan sesuai untuk senario dengan keadaan kongsi yang kompleks; Kaedah yang sesuai harus dipilih berdasarkan saiz data, keperluan prestasi dan kerumitan. Baris dan pengurus paling sesuai untuk pemula.
Contoh muat naik Python Boto3 S3
Aug 02, 2025 pm 01:08 PM
Gunakan BOTO3 untuk memuat naik fail ke S3 untuk memasang BOTO3 terlebih dahulu dan mengkonfigurasi kelayakan AWS; 2. Buat pelanggan melalui boto3.client ('s3') dan hubungi kaedah upload_file () untuk memuat naik fail tempatan; 3. Anda boleh menentukan S3_Key sebagai laluan sasaran, dan menggunakan nama fail tempatan jika tidak ditentukan; 4. Pengecualian seperti FileNotFoundError, Nocredentialserror dan ClientError harus dikendalikan; 5. ACL, ContentType, StorageClass dan Metadata boleh ditetapkan melalui parameter extraargs; 6. Untuk data memori, anda boleh menggunakan Bytesio untuk membuat perkataan
Bagaimana untuk melaksanakan struktur data stack menggunakan senarai di Python?
Aug 03, 2025 am 06:45 AM
PythonListScani pelaksanaan tambahan () penouspop () popopoperations.1.useappend () dua -belief stotetopofthestack.2.usep op () toremoveandreturnthetop elemen, memastikantocheckifthestackisnoteptoavoidindexerror.3.pesensteHatoTeHateSerror.3.pasarceHatoTePelement.
Apakah rujukan lemah dalam Python dan kapan anda harus menggunakannya?
Aug 01, 2025 am 06:19 AM
LemahReferencesexisttoallowreferencingobjectswithoutpreventingtheirgarbagecollection, hantsavoidmemoryleaksandcircularararreferences.1.useweakkeydictionaryorweakvaledictionaryforcachesformappingstoletoletunusedObjectsbecrected.2.useReweakReferenceseSinCherenceSourseStoStoStoStoSbected.2.usreakReferenceseSinesinCherenceSinsenceStoStoSbected.2
Contoh Perpustakaan Jadual Python
Aug 04, 2025 am 10:33 AM
Gunakan perpustakaan Pythonschedule untuk melaksanakan tugas masa dengan mudah. Pertama, pasang perpustakaan melalui PipinstallSchedule, kemudian import modul jadual dan masa, tentukan fungsi yang perlu dilaksanakan dengan kerap, kemudian gunakan jadual.every () untuk menetapkan selang masa dan mengikat fungsi tugas. Akhirnya, panggilan jadual.run_pending () dan time.sleep (1) dalam beberapa gelung untuk terus menjalankan tugas; Sebagai contoh, jika anda melaksanakan tugas setiap 10 saat, anda boleh menulisnya sebagai jadual. Setiap (10) .seconds.do (pekerjaan), yang menyokong penjadualan oleh minit, jam, hari, minggu, dan lain -lain, dan anda juga boleh menentukan tugas tertentu.
