


Wir stellen sechs super einfach zu verwendende integrierte Python-Funktionen vor
Dieser Artikel vermittelt Ihnen relevantes Wissen über Python und stellt hauptsächlich verwandte Probleme zu integrierten Funktionen vor. Er stellt hauptsächlich sechs super einfach zu verwendende Funktionen vor, darunter Lambda, Map, Reduce, Zip, Filter, Enumerate-Funktion usw Schauen Sie es sich an, ich hoffe, es wird für alle hilfreich sein.
Empfohlenes Lernen: Python-Video-Tutorial
Lambda-Funktion
Lambda
-Funktion wird zum Erstellen anonymer Funktionen verwendet, d. h. Funktionen ohne Namen. Es ist nur ein Ausdruck und der Funktionskörper ist viel einfacher als def. Anonyme Funktionen werden verwendet, wenn wir eine Funktion erstellen müssen, die eine einzelne Operation ausführt und in einer Zeile geschrieben werden kann. Lambda
函数用于创建匿名函数,即没有名称的函数。它只是一个表达式,函数体比def简单很多。当我们需要创建一个函数来执行单个操作并且可以在一行中编写时,就可以用到匿名函数了。
lambda [arg1 [,arg2,.....argn]]:expression
lambda的主体是一个表达式,而不是一个代码块。仅仅能在lambda表达式中封装有限的逻辑进去。例如:
lambda x: x+2
如果我们也想像def定义的函数随时调用,可以将lambda函数
分配给这样的函数对象。
add2 = lambda x: x+2add2(10)
输出结果:
利用Lambda
函数,可以将代码简化很多,具体再举个例子。
如上图所示,结果列表newlist
是使用lambda函数用一行代码生成的。
Map 函数
map()
函数会将一个函数映射到一个输入列表的所有元素上。
map(function,iterable)
比如我们先创建了一个函数来返回一个大写的输入单词,然后将此函数应有到列表colors
中的所有元素。
def makeupper(word): return word.upper()colors=['red','yellow','green','black']colors_uppercase=list(map(makeupper,colors))colors_uppercase
此外,我们还可以使用匿名函数lambda
来配合map函数,这样可以更加精简。
colors=['red','yellow','green','black']colors_uppercase=list(map(lambda x: x.upper(),colors))colors_uppercase
如果我们不用Map函数的话,就需要使用for循环。
如上图所示,在实际使用中Map函数会比for循环依次列表元素的方法快1.5倍。
Reduce函数
当需要对一个列表进行一些计算并返回结果时,reduce()
是个非常有用的函数。举个例子,当需要计算一个整数列表所有元素的乘积时,即可使用reduce函数实现。[1]
它与函数的最大的区别就是,reduce()
里的映射函数(function)接收两个参数,而map接收一个参数。
reduce(function, iterable[, initializer])
接下来我们用实例来演示reduce()
的代码执行过程。
from functools import reducedef add(x, y) : # 两数相加 return x + y numbers = [1,2,3,4,5]sum1 = reduce(add, numbers) # 计算列表和
得到结果sum1 = 15
我们会看到,reduce将一个相加函数add()
作用在一个列表[1,2,3,4,5]上,映射函数接收了两个参数,reduce()
把结果继续和列表的下一个元素做累加计算。
此外,我们同样可以使用匿名函数lambda
来配合reduce函数,这样可以更加精简。
from functools import reducenumbers = [1,2,3,4,5]sum2 = reduce(lambda x, y: x+y, numbers)
得到输出sum2= 15
,与之前结果保持一致。
需要注意:Python3.x开始
reduce()
已经被移到functools模块里[2],如果我们要使用,需要用from functools import reduce
导入.
enumerate 函数
enumerate()
函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列,同时列出数据和数据下标,一般用在for循环当中。它的语法如下所示:
enumerate(iterable, start=0)
它的两个参数,一个是序列、迭代器或其他支持迭代对象;另一个是下标起始位置,默认情况从0开始,也可以自定义计数器的起始编号。
colors = ['red', 'yellow', 'green', 'black']result = enumerate(colors)
如果我们有一个存放colors的颜色列表,运行后就会得到一个enumerate(枚举) 对象。它可以直接在for循环中使用,也可以转换为列表,具体用法如下所示。
for count, element in result: print(f"迭代编号:{count},对应元素:{element}")
Zip 函数
zip()
函数用于将可迭代的对象作为参数,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列表[3]。
我们还是用两个列表作为例子演示:
colors = ['red', 'yellow', 'green', 'black']fruits = ['apple', 'pineapple', 'grapes', 'cherry']for item in zip(colors,fruits): print(item)
输出结果:
当我们使用zip()
prices =[100,50,120]for item in zip(colors,fruits,prices): print(item)
filter(function, iterable)

Lambda-Funktion
zuweisen. def is_odd(n): return n % 2 == 1old_list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] new_list = filter(is_odd, old_list)print(newlist)


map()
Die Funktion ordnet eine Funktion allen Elementen einer Eingabeliste zu. 🎜rrreee🎜Zum Beispiel erstellen wir zunächst eine Funktion, um ein Eingabewort in Großbuchstaben zurückzugeben, und wenden diese Funktion dann auf alle Elemente in der Liste colors
an. 🎜rrreee🎜Darüber hinaus können wir auch anonyme Funktion Lambda
verwenden, um mit der Kartenfunktion zusammenzuarbeiten, was rationalisiert werden kann. 🎜rrreee🎜Wenn wir die Map-Funktion nicht verwenden, müssen wir eine for-Schleife verwenden. 🎜🎜
reduce()
eine sehr nützliche Funktion. Wenn Sie beispielsweise das Produkt aller Elemente einer Liste von ganzen Zahlen berechnen müssen, können Sie die Funktion „Reduzieren“ verwenden. [1]🎜🎜Der größte Unterschied zu Funktionen besteht darin, dass die Mapping-Funktion (Funktion) in reduce()
zwei Parameter empfängt, während Map einen Parameter empfängt. 🎜rrreee🎜Als nächstes verwenden wir ein Beispiel, um den Codeausführungsprozess von reduce()
zu demonstrieren. 🎜rrreee🎜Erhalten Sie das Ergebnis sum1 = 15
🎜🎜Wir werden sehen, dass Reduce eine Additionsfunktion add()
auf eine Liste anwendet [1,2,3,4 ,5 ] empfängt die Zuordnungsfunktion zwei Parameter: reduce()
akkumuliert das Ergebnis weiterhin mit dem nächsten Element der Liste. 🎜🎜Darüber hinaus können wir auch anonyme Funktion Lambda
verwenden, um mit der Reduzierungsfunktion zusammenzuarbeiten, die rationalisiert werden kann. 🎜rrreee🎜Erhalten Sie die Ausgabe sum2= 15
, die mit dem vorherigen Ergebnis übereinstimmt. 🎜🎜Hinweis: Ab Python 3.x wurde🎜enumerate function🎜🎜reduce()
in das functools-Modul [2] verschoben. Wenn wir es verwenden möchten, müssen wirfrom verwenden functools import Reduce
Import.🎜
enumerate()
Die Funktion wird verwendet, um ein durchlaufbares Datenobjekt (z. B. eine Liste, ein Tupel oder eine Zeichenfolge) zu kombinieren eine Indexsequenz, während Listendaten und Datenindizes im Allgemeinen in for-Schleifen verwendet werden. Die Syntax lautet wie folgt: 🎜rrreee🎜 Die beiden Parameter sind eine Sequenz, ein Iterator oder ein anderes Objekt, das die Iteration unterstützt. Der andere ist die Startposition des Index. Standardmäßig beginnt er bei 0. Sie können auch den Startpunkt anpassen der Zähler Startnummer. 🎜rrreee🎜Wenn wir eine Farbliste haben, die Farben speichert, erhalten wir nach der Ausführung ein Aufzählungsobjekt. Es kann direkt in einer for-Schleife verwendet oder in eine Liste konvertiert werden. Die spezifische Verwendung ist wie folgt. 🎜rrreee🎜
Die Funktion zip()
wird verwendet, um ein iterierbares Objekt als Parameter zu verwenden, die entsprechenden Elemente im Objekt in Tupel zu packen und dann eine Liste aus diesen Tupeln zurückzugeben [3]. 🎜🎜Wir verwenden weiterhin zwei Listen als Beispiel zur Demonstration: 🎜rrreee🎜Ausgabeergebnis: 🎜🎜
zip()
verwenden und die Anzahl der Elemente in jedem Iterator inkonsistent ist, entspricht die Länge der zurückgegebenen Liste der kürzesten Objekt. 🎜rrreee🎜🎜🎜Filter 函数
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,其语法如下所示[4]。
filter(function, iterable)
比如举个例子,我们可以先创建一个函数来检查单词是否为大写,然后使用filter()
函数过滤出列表中的所有奇数:
def is_odd(n): return n % 2 == 1old_list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] new_list = filter(is_odd, old_list)print(newlist)
输出结果:
今天分享的这6个内置函数,在使用 Python 进行数据分析或者其他复杂的自动化任务时非常方便。
推荐学习:python视频教程
Das obige ist der detaillierte Inhalt vonWir stellen sechs super einfach zu verwendende integrierte Python-Funktionen vor. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



PHP und Python haben ihre eigenen Vor- und Nachteile, und die Wahl hängt von den Projektbedürfnissen und persönlichen Vorlieben ab. 1.PHP eignet sich für eine schnelle Entwicklung und Wartung großer Webanwendungen. 2. Python dominiert das Gebiet der Datenwissenschaft und des maschinellen Lernens.

Aktivieren Sie die Pytorch -GPU -Beschleunigung am CentOS -System erfordert die Installation von CUDA-, CUDNN- und GPU -Versionen von Pytorch. Die folgenden Schritte führen Sie durch den Prozess: Cuda und Cudnn Installation Bestimmen Sie die CUDA-Version Kompatibilität: Verwenden Sie den Befehl nvidia-smi, um die von Ihrer NVIDIA-Grafikkarte unterstützte CUDA-Version anzuzeigen. Beispielsweise kann Ihre MX450 -Grafikkarte CUDA11.1 oder höher unterstützen. Download und installieren Sie Cudatoolkit: Besuchen Sie die offizielle Website von Nvidiacudatoolkit und laden Sie die entsprechende Version gemäß der höchsten CUDA -Version herunter und installieren Sie sie, die von Ihrer Grafikkarte unterstützt wird. Installieren Sie die Cudnn -Bibliothek:

Python und JavaScript haben ihre eigenen Vor- und Nachteile in Bezug auf Gemeinschaft, Bibliotheken und Ressourcen. 1) Die Python-Community ist freundlich und für Anfänger geeignet, aber die Front-End-Entwicklungsressourcen sind nicht so reich wie JavaScript. 2) Python ist leistungsstark in Bibliotheken für Datenwissenschaft und maschinelles Lernen, während JavaScript in Bibliotheken und Front-End-Entwicklungsbibliotheken und Frameworks besser ist. 3) Beide haben reichhaltige Lernressourcen, aber Python eignet sich zum Beginn der offiziellen Dokumente, während JavaScript mit Mdnwebdocs besser ist. Die Wahl sollte auf Projektbedürfnissen und persönlichen Interessen beruhen.

Docker verwendet Linux -Kernel -Funktionen, um eine effiziente und isolierte Anwendungsumgebung zu bieten. Sein Arbeitsprinzip lautet wie folgt: 1. Der Spiegel wird als schreibgeschützte Vorlage verwendet, die alles enthält, was Sie für die Ausführung der Anwendung benötigen. 2. Das Union File System (UnionFS) stapelt mehrere Dateisysteme, speichert nur die Unterschiede, speichert Platz und beschleunigt. 3. Der Daemon verwaltet die Spiegel und Container, und der Kunde verwendet sie für die Interaktion. 4. Namespaces und CGroups implementieren Container -Isolation und Ressourcenbeschränkungen; 5. Mehrere Netzwerkmodi unterstützen die Containerverbindung. Nur wenn Sie diese Kernkonzepte verstehen, können Sie Docker besser nutzen.

Minio-Objektspeicherung: Hochleistungs-Bereitstellung im Rahmen von CentOS System Minio ist ein hochleistungsfähiges, verteiltes Objektspeichersystem, das auf der GO-Sprache entwickelt wurde und mit Amazons3 kompatibel ist. Es unterstützt eine Vielzahl von Kundensprachen, darunter Java, Python, JavaScript und Go. In diesem Artikel wird kurz die Installation und Kompatibilität von Minio zu CentOS -Systemen vorgestellt. CentOS -Versionskompatibilitätsminio wurde in mehreren CentOS -Versionen verifiziert, einschließlich, aber nicht beschränkt auf: CentOS7.9: Bietet einen vollständigen Installationshandbuch für die Clusterkonfiguration, die Umgebungsvorbereitung, die Einstellungen von Konfigurationsdateien, eine Festplattenpartitionierung und Mini

Pytorch Distributed Training on CentOS -System erfordert die folgenden Schritte: Pytorch -Installation: Die Prämisse ist, dass Python und PIP im CentOS -System installiert sind. Nehmen Sie abhängig von Ihrer CUDA -Version den entsprechenden Installationsbefehl von der offiziellen Pytorch -Website ab. Für CPU-Schulungen können Sie den folgenden Befehl verwenden: PipinstallTorChTorChVisionTorChaudio Wenn Sie GPU-Unterstützung benötigen, stellen Sie sicher, dass die entsprechende Version von CUDA und CUDNN installiert ist und die entsprechende Pytorch-Version für die Installation verwenden. Konfiguration der verteilten Umgebung: Verteiltes Training erfordert in der Regel mehrere Maschinen oder mehrere Maschinen-Mehrfach-GPUs. Ort

Bei der Installation von PyTorch am CentOS -System müssen Sie die entsprechende Version sorgfältig auswählen und die folgenden Schlüsselfaktoren berücksichtigen: 1. Kompatibilität der Systemumgebung: Betriebssystem: Es wird empfohlen, CentOS7 oder höher zu verwenden. CUDA und CUDNN: Pytorch -Version und CUDA -Version sind eng miteinander verbunden. Beispielsweise erfordert Pytorch1.9.0 CUDA11.1, während Pytorch2.0.1 CUDA11.3 erfordert. Die Cudnn -Version muss auch mit der CUDA -Version übereinstimmen. Bestimmen Sie vor der Auswahl der Pytorch -Version unbedingt, dass kompatible CUDA- und CUDNN -Versionen installiert wurden. Python -Version: Pytorch Official Branch

Die Installation von CentOS-Installationen erfordert die folgenden Schritte: Installieren von Abhängigkeiten wie Entwicklungstools, PCRE-Devel und OpenSSL-Devel. Laden Sie das Nginx -Quellcode -Paket herunter, entpacken Sie es, kompilieren Sie es und installieren Sie es und geben Sie den Installationspfad als/usr/local/nginx an. Erstellen Sie NGINX -Benutzer und Benutzergruppen und setzen Sie Berechtigungen. Ändern Sie die Konfigurationsdatei nginx.conf und konfigurieren Sie den Hörport und den Domänennamen/die IP -Adresse. Starten Sie den Nginx -Dienst. Häufige Fehler müssen beachtet werden, z. B. Abhängigkeitsprobleme, Portkonflikte und Konfigurationsdateifehler. Die Leistungsoptimierung muss entsprechend der spezifischen Situation angepasst werden, z. B. das Einschalten des Cache und die Anpassung der Anzahl der Arbeitsprozesse.
