Python基础详解：内置函数、Lambda表达式与递归应用

一、内置函数

以下对部分常用内置函数进行简要介绍：

1. abs()：用于计算并返回数值的绝对值。

2. all()：接收一个可迭代对象（iterable）作为参数。若该对象中所有元素均为真值（truthy），或者该可迭代对象为空，则返回 True。

3. any()：接收一个可迭代对象作为参数。若该对象中至少有一个元素为真值，则返回 True；若可迭代对象为空，则返回 False。

4. callable()：用于检测对象是否可调用。如果参数 object 是可调用对象（如函数、类或实现了 __call__ 方法的实例），则返回 True，否则返回 False。

5. divmod()：接收两个非复数数字作为参数，返回一个包含商和余数的元组。对于整数运算，其结果等同于 (a//b, a%b)。对于浮点数运算，结果形式为 (q, a%b)，其中 q 通常等于 math.floor(a/b)，但在某些情况下可能小于 1。

6. enumerate()：接收一个可迭代对象作为参数，返回一个枚举对象（迭代器）。该迭代器输出元素及其对应的索引值，常用于需要同时获取索引和值的循环场景。

7. eval()：接收一个字符串参数，解析该字符串并将其作为 Python 表达式执行，返回执行结果。

8. frozenset()：用于创建一个不可变集合（frozenset）。与 set 不同，frozenset 定义后不支持添加或删除元素的操作，适用于需要集合不可变性的场景。

9. globals()：返回表示当前全局符号表的字典。该字典始终指向定义该函数的模块（即在函数或方法内部调用时，返回的是定义该函数所在的模块字典，而非调用它的模块）。

10. round()：对数值参数进行四舍五入处理，返回最接近的整数值或指定位数的小数值。

11. sorted()：对可迭代对象进行排序，返回一个新的已排序列表，原列表保持不变。

l=[1,2,4,9,-1]
print(sorted(l)) #从小到大
print(sorted(l,reverse=True)) #从大到小

12. zip()：拉链函数。

该函数创建一个迭代器，用于聚合来自多个可迭代对象的元素。

它返回一个元组迭代器，其中第 i 个元组包含来自每个参数序列或迭代器的第 i 个元素。当最短的输入可迭代对象耗尽时，迭代器停止生成。若仅提供一个可迭代参数，则返回包含 1 元组的迭代器；若无参数，则返回空迭代器。

13. max()：

该函数返回可迭代对象中的最大项，或返回两个及以上参数中最大的一个。

如果仅提供一个位置参数，该参数应为可迭代对象，函数返回该迭代中的最大项。如果提供两个或多个位置参数，则直接比较这些参数并返回最大值。

max() 函数支持指定 key 参数，用于指定比较时使用的键函数，从而自定义排序或比较逻辑。

14. map()：映射函数。

该函数返回一个迭代器，它将指定的 function 应用到 iterable 的每个项目上，并产生结果。

l=[1,2,3,4]
m=map(lambda x:x**2,l)
print(list(m))    ----->[1, 4, 9, 16]

15. reduce()：合并函数。

from functools import reduce

res=0
for i in range(100):
  res+=i
print(res)

16. filter()：过滤函数，用于保留布尔值为 True 的元素。

names=['alex_sb','yuanhao_sb','wupeiqi_sb','egon']
print(list(filter(lambda name:name.endswith('_sb'),names)))--->['alex_sb', 'yuanhao_sb', 'wupeiqi_sb']

如需查阅更详细的内置函数介绍，可参考以下文档：https://www.rddoc.com/doc/Python-3.6.0/library/functions/

二、匿名函数（lambda表达式）

def func(x):
  return x**2
print(func(2))

lambda x:x**2    #上边的函数就可以直接写成这种形式

lambda 函数默认自带返回值，无需显式使用 return 语句。

匿名函数通常仅用于替代逻辑非常简单的函数，且主要与其他高阶函数（如 map、filter）搭配使用。

此外，在某些场景下，若定义的函数仅使用一次且后续不再需要，不删除会占用内存空间，而显式删除又较为繁琐，此时使用匿名函数是一种简洁的处理方式。

三、递归

递归是指在调用一个函数的过程中，直接或间接地调用了函数本身。

递归的执行效率通常较低，因为在进入下一次递归时需要保留当前状态。与某些其他编程语言不同，Python 不支持尾递归优化，但为了防止无限递归导致栈溢出，Python 设置了递归深度限制。

递归具有以下几个主要特点：

1. 必须包含一个明确的结束条件（基准情况），否则递归将无法终止。

2. 每次进入更深一层的递归时，问题的规模应相比上一次递归有所减少，逐步逼近结束条件。

3. 递归效率相对较低，且递归层数过多会导致栈溢出（Stack Overflow）错误。

示例：

# 1 文件内容如下,标题为:姓名,性别,年纪,薪资
#
# egon male 18 3000
# alex male 38 30000
# wupeiqi female 28 20000
# yuanhao female 28 10000
#
# 要求:
# 从文件中取出每一条记录放入列表中,
# 列表的每个元素都是{'name':'egon','sex':'male','age':18,'salary':3000}的形式
#
# 2 根据1得到的列表,取出薪资最高的人的信息
# 3 根据1到的列表,取出最年轻的人的信息
# 4 根据1得到的列表,将每个人的信息中的名字映射成首字母大写的形式
# 5 根据1得到的列表,过滤掉名字以a开头的人的信息
# 6 使用递归打印斐波那契数列(前两个数的和得到第三个数)
#   0 1 1 2 3 4 7...

with open('b.txt',encoding='utf-8')as f:

  l=[{'name': line.split()[0], 'sex': line.split()[1], 'age': line.split()[2], 'salary': line.split()[3]} \
      for line in f]
#2.
print(max(l,key=lambda i:i['salary']))

#3.
print(min(l,key=lambda i:i['age']))

#4.
m=map(lambda x:x['name'].capitalize(),l)
print(list(m))
#5.
print(list(filter(lambda x:not(x['name'].startswith('a')),l)))
#6.
def f(n):
  if n==0:
    return 0
  elif n==1:
    return 1
  else:
    if n==1000:
      return f(1000)
    else:
      return f(n-2)+f(n-1)

for i in range(150):
  print(f(i))

以上关于Python基础内置函数与递归的介绍即为全部内容，希望能为读者提供参考，并欢迎大家支持本站。