python字符串反转 高阶函数 @property与sorted(八)

(1)字符串反转

1倒序输出

s = 'abcde' print(s[::-1]) #输出: 'edcba'

2 列表reverse()操作

s = 'abcde' lt = list(s) lt.reverse() print(''.join(lt)) #输出: 'edcba'

3 二分法交换位置

s = 'abcde' lt = list(s) for i in range(len(l) // 2): lt[i], lt[-(i+1)] = lt[-(i+1)], lt[i] print(''.join(lt)) #输出: 'edcba'

4 列表生成式

s = 'abcde' print(''.join([s[i-1] for i in range(len(s), 0, -1)])) #输出: 'edcba'

5 栈的思想

s = 'abcde' lt = list(s) res = '' while lt: res += lt.pop() print(res) #输出: 'edcba'

6 递归的思路

def res_str(s): if len(s) == 1: return s head = s[0] tail = s[1:] return res_str(tail)+head res_str('abcd') #输出: 'dcba'

(2)冒泡排序

采用循环

import numpy as np def bubble_sort(arr): for i in range(1,arr.size): for j in range(arr.size-1): if arr[j] > arr[j+1]: arr[j],arr[j+1] = arr[j+1],arr[j] print(arr) arr = np.array([4,7,8,9,3,6,7,9,4,0]) bubble_sort(arr)

采用数组中的partition,用递归实现

import numpy as np def quick_sort(arr): if arr.size == 1: return arr _arr = np.partition(arr,1) #在索引1前面的一定是最小值 return np.append(_arr[:1],quick_sort(_arr[1:])) quick_sort(arr) def quick_sort2(arr): if arr.size < 2: return arr _arr = np.partition(arr,1) #在索引2前面的一定是最小值 return np.append(_arr[:2],quick_sort2(_ar/r[2:])) quick_sort2(arr)

(3)高阶函数用法

map函数的用法

map : map()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。

>>> list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9])) ['1', '2', '3', '4', '5', '6', '7', '8', '9']

map()传入的第一个参数是f，即函数对象本身。由于结果r是一个Iterator，Iterator是惰性序列，因此通过list()函数让它把整个序列都计算出来并返回一个list。

reduce函数的用法

reduce把一个函数作用在一个序列[x1, x2, x3, ...]上，这个函数必须接收两个参数，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：

把序列[1, 3, 5, 7, 9]变换成整数13579，reduce就可以派上用场

from functools import reduce >>> def func(x, y): ...  return x * 10 + y ... >>> reduce(func, [1, 3, 5, 7, 9]) 13579

如果是完成字符串转数字了,那么就可以采用map与reduce组合

>>> from functools import reduce >>> def func(x, y): ...  return x * 10 + y ... >>> def tran(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(func, map(tran, '13579')) 13579 >>>reduce(lambda x,y:10*x+y, map(tran,'13579')) #字符串也是可迭代的 13579

对于一般的函数表达式我们建议采用lambda函数实现,下面我们用lambda函数改写

>>>reduce(lambda x,y: x*10+y , [1,3,5,7,9]) 13579 >>>reduce(lambda x,y:10*x+y, map(int,['1','3','5','7','9'])) 13579 >>>reduce(lambda x,y:10*x+y, map(int,['1','3','5','7','9'])) 13579

filter过滤函数

filter()也接收一个函数和一个序列。和map()不同的是，filter()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。

见用filter()这个高阶函数，关键在于正确实现一个“筛选”函数。

def not_empty(s): return s and s.strip() list(filter(not_empty, ['A', '', 'B', None, 'C', ' '])) # 结果: ['A', 'B', 'C']

注意到filter()函数返回的是一个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。

一般我们也会与lambda函数配合,非常方便的取代if判断效果.

class BookViewModel: self.publisher = book['publisher'] self.author = book['author'] self.price = book['price'] def intro(self): intros = filter(lambda x:True if x else False,[self.author,self.publisher,self.price]) return '/'.join(str(s) for s in intros)

lambda x:True if x else False可以实现对x是否为空的判定,X存在返回True,并保留,X不存在返回空并排除.

注意:

join函数组合可迭代对象时,当对象中存在数字与字符串类型不同时,需要转成统一格式再组合.一般采 取的做法是先遍历可迭代对象转统一格式后合并. '/'.join(str(s) for s in intros)

sorted函数

Python内置的sorted()函数

>>> sorted([36, 5, -12, 9, -21]) [-21, -12, 5, 9, 36]

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：

>>> sorted([36, 5, -12, 9, -21], key=abs) [5, 9, -12, -21, 36]

字符串的排序

>>> sorted(['bob', 'about', 'Zoo', 'Credit']) ['Credit', 'Zoo', 'about', 'bob']

默认情况下，对字符串排序，是按照ASCII的大小比较的，由于'Z' < 'a'，结果，大写字母Z会排在小写字母a的前面。

sorted函数中key可以实现用户自定义排序规则,而不仅仅限于简单排序

>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True) ['Zoo', 'Credit', 'bob', 'about']

key=str.lower 按照统一小写排序, reverse=True实现反向排序.

(4)@property

Python内置的@property装饰器就是负责把一个方法变成属性调用的：

class Student(object): @property def score(self): return self._score @score.setter def score(self, value): if not isinstance(value, int): raise ValueError('score must be an integer!') if value < 0 or value > 100: raise ValueError('score must between 0 ~ 100!') self._score = value

把一个getter方法变成属性，只需要加上@property就可以了，此时，@property本身又创建了另一个装饰器@score.setter，负责把一个setter方法变成属性赋值

>>> s = Student() >>> s.score = 60 # OK，实际转化为s.set_score(60) >>> s.score # OK，实际转化为s.get_score() 60 >>> s.score = 9999 Traceback (most recent call last): ... ValueError: score must between 0 ~ 100!

最经典的地方是对于私有变量的存储 , 例如密码

class User(Base): ''' 模型属性设置 ''' id = Column(Integer, primary_key=True) nickname = Column(String(24), nullable=False) _password = Column('password',String(64)) @property def password(self): #加上 @property类似将其变为getattr return self._password @password.setter #负责生成哈希加密 def password(self,raw): self._password = generate_password_hash(raw) 

@property本身又创建了另一个装饰器@score.setter，负责把一个setter方法变成属性赋值,因此@password.setter负责生成hash密文并设置给私有属性self._password,通过调用 xxx.password就可获取值

(5) setattr hasattr getattr 动态操作属性

hasattr(object, name)

判断一个对象里面是否有name属性或者name方法，返回BOOL值，有name特性返回True， 否则返回False。getattr(object, name[,default])

获取对象object的属性或者方法，如果存在打印出来，如果不存在，打印出默认值，默认值可选。
需要注意的是，如果是返回的对象的方法，返回的是方法的内存地址.

setattr(object, name, values)
给对象的属性赋值，若属性不存在，先创建再赋值

>>> hasattr(t, "name") #判断对象有name属性 True >>> hasattr(t, "run") #判断对象有run方法 True >>> class test(): ...  name="xiaohua" ...  def run(self): ...  return "HelloWord" ... >>> t=test() >>> getattr(t, "name") #获取name属性，存在就打印出来。 'xiaohua' >>> getattr(t, "run") #获取run方法，存在就打印出方法的内存地址。 <bound method test.run of <__main__.test instance at 0x0269C878>> >>> getattr(t, "age") #获取一个不存在的属性。 Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: test instance has no attribute 'age' >>> getattr(t, "age","18") #若属性不存在，返回一个默认值 '18' >>> >>> hasattr(t, "age") #判断属性是否存在 False >>> setattr(t, "age", "18") #为属相赋值，并没有返回值 >>> hasattr(t, "age") #属性存在了 True

例如我们有需求保存用户数据

user = User() user.name = form.name.data user.phone_number = form.name.data ....

实际应用中常常综合用来判断类实例对象是否含有某属性值 , 存在就获取 ,不存在就设置

#attrs_dict以字典的形式存储了用户的信息 def set_attrs(self, attrs_dict): for key, value in attrs_dict.items(): #判断用户是否含有该属性 if hasattr(self, key) and key != 'id': #设置属性值 setattr(self, key, value)