匿名函数

一、匿名函数

匿名函数的定义

匿名函数就是没有名字的函数，用于临时使用一次的场景，用完该内存就会被回收，更多的是将它与其它函数配合使用

def foo(x,y):  # foo为函数名 x,y为参数
  return x+y  # 函数体代码


lambda x,y:x+y. # 匿名函数没有函数名直接写作一行
# 也没有return 直接返回该函数体代码的值

# 也可以将匿名函数赋值给变量名，赋值后变量名加括号就会触发函数体代码的运行，但这样就没了匿名函数的意义

匿名函数的应用

info = [{'name': 'egon', 'sex': 'male', 'age': '18', 'salary': '3000'}, {'name': 'alex', 'sex': 'male', 'age': '38', 'salary': '30000'}, {'name': 'wupeiqi', 'sex': 'female', 'age': '28', 'salary': '20000'}, {'name': 'yuanhao', 'sex': 'female', 'age': '28', 'salary': '10000'}]
# 1、取出薪资最高的人的信息
# 那肯定用到max函数 但max对字典肯定是不能直接比较的
# 首先定义个函数 
def func(info):
  return info[salary]  # 返回需要对比的值，salary的值
# 但是这个函数我们只是临时使用一次，那我们就可以将它变成匿名函数临时使用一下==>lambda info: info['salary']
print(max(info,key=lambda info: info['salary']))
# key赋值是max的内置用法
# 输出结果为  {'name': 'alex', 'sex': 'male', 'age': '38', 'salary': '30000'}
print(max(i['salary'] for i in info)) # 取出工资

# 2、取出最年轻的人的信息
print(min(info, key=lambda info: info['age']))
print(min(i['age'] for i in info)) # 取出最小年龄

map、filter 和 reduce

map() 会根据提供的函数对指定序列做映射

第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表

# map()函数语法
map(function,iterable,...) 
# function--函数    iterable--一个或多个序列

map() 应用

# python2返回的是列表  python3返回的是一个迭代器这时候需要list
list(map(lambda x: x ** 2, [1, 2, 3, 4, 5]))   # 计算列表各个元素的平方

# 输出结果 [1, 4, 9, 16, 25]

list(map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])) # 提供了两个列表，对相同位置的列表数据进行相加

# 输出结果 [3, 7, 11, 15, 19]

names = ['lxx', "hxx", "wxx"]
map(lambda name:name+"_vip",names)

# 将names列表后面加上"_vip" 输出为新列表

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断，然后返回 True 或 False，最后将返回 True 的元素放到新列表中

# filter 函数语法
# python2返回的是列表  python3返回的是一个迭代器
filter(function,iterable)
# function--判断函数    iterable--可迭代对象

filter()应用

# 过滤列表中所有的奇数
l = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
def is_odd(n): # 判断函数
	return n % 2 == 1
# 变成匿名函数 lambda n:n % 2 == 1

list(filter(lambda n:n % 2 ==1,l))
# 输出结果[1, 3, 5, 7, 9]

# 过滤列表中以‘_vip’结尾的
names = ['lxx', "hxx_vip", "wxx_vip"]
list(filter(lambda name:name.endswith('_vip'),names))

reduce()函数会对参数序列中元素进行累积

函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给 reduce 中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果

#  Python3.x reduce() 已经被移到 functools 模块里，如果我们要使用，需要引入 functools 模块来调用 reduce() 函数
# 语法
from functools import reduce

reduce(function, iterable[, initializer])

# function -- 函数，有两个参数
# iterable -- 可迭代对象
# initializer -- 可选，初始参数

reduce()应用

reduce(lambda x, y: x+y, [1,2,3,4,5]) # 计算列表和

# 输出结果为 15

面向过程编程思想

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：先做什么，再做什么，后做什么，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，牵一发而动全身

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