7. Python的内置函数

布满荆棘的人生 2024-03-23 18:28 67阅读 0赞

Hi，大家好。我是茶桁。

讲完了基础函数和高阶函数之后，我们这一节来研究下Python的内置函数，看看Python在安装完毕之后的解释器里，到底都预先给我们提供好了哪些可用的函数。

本节内容着重介绍一些常用函数，并且会做一些应用上的示例。当然，对于Python的内置函数，我们还可以查询官方文档，我这节参照的为[3.10版本文档][3.10]

### `range()`函数 ###

这几节课中，我们频繁使用并且着重介绍过这个函数，那我们就从它开始介绍吧。

一般我们需要遍历一个数值序列的时候，`range()`函数就会派上用场，它生成算数级数。

'''
    range() 函数
    功能： 能够生成一个置顶的数值序列
    参数：
        start: 开始的值，默认为0
        stop: 结束的值
        [, step]: 可选，步进值， 默认为1
    返回值： 可迭代的对象，数字序列
    '''
    range(start, stop, [, step])

让我们来看一下：

res = range(10)
    print(res, type(res))
    
    -----------------------------
    range(0, 10) <class 'range'>

可以看到这其实就是一个`range`的类，其实在我们Python中，任何数据都是一个对象而已。

来看案例：

# range函数的使用方式
    res = range(11)
    print(list(res))
    
    -----------------------------
    [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

当我们的`range`内只写一个参数时，这个参数就是`stop`值，也就是从`start`的默认值0开始到输入的参数值（`stop`）之前为止，比如这段代码中，`stop`会结束到`11`之前，也就是`10`。

我们在这段代码中，将`range`的内容转化成一个`list`并打印了出来。当然，我们也可以使用循环，依次去除`range`内的内容：

for i in res:
      print(i, end=" ")
      
    -----------------------------
    0 1 2 3 4 5 6 7 8 9 10

记得上节课我们提到过，`range()`是不支持`next()`函数的，不过如果我们将其转成迭代器，就可以使用`next()`函数调用：

res = iter(range(11))
    print(next(res))
    print(next(res))
    print(list(res))
    
    -----------------------------
    0
    1
    [2, 3, 4, 5, 6, 7, 8, 9, 10]

可以看到，使用`iter`转成迭代器之后，可以正常使用`next()`函数，并且我们再次查看`res`的内容，`0,1`已经被拿走，只将剩余内容转化为`list`打印了出来。

当我们在`range`中添加两个参数的时候，`start`就是第一个参数，第二个参数就是`stop`值。

# 添加两个参数
    for i in range(5, 10):
        print(i, end=" ")
    
    -----------------------------
    5 6 7 8 9

当我们输入三个参数的时候，第一个参数为`start`, 第二个参数为`stop`, 第三个参数就是`[, step]`， 比如：

# 添加三个参数
    for i in range(1, 10, 3):
        print(i, end=" ")
        
    -----------------------------
    1 4 7

这段代码的含义就是从`1`开始, 以`3`为步进来提取数字，并打印出来，一直到`10`之前的数字为止。

如果不太理解步进值的可以执行数一遍就理解了，比如我们从`1`开始顺序往后数`3`个数，那就是2、3、`4`，数到了`4`, 再继续往后数`3`个数，就是5、6、`7`，数到了`7`。再继续往后就是8、9、`10`。但是，我们代码中的`stop`值为`10`，所以到`9`就结束了，也就是说，我们这段代码就只取出了`1, 4, 7`三个值。

三种参数值的情况我们都了解之后我们可以思考下，难道我们只能选择顺序取值吗？其实不然，我们还可以倒叙取值，聪明的小伙伴可能想到了，调换一下`start`和`stop`值不就可以了嘛？我们从`10`开始取值，取到`0`为止：

for i in range(10, 0):
        print(i, end=" ")

执行一下，哎，似乎什么都没打印出来。这又是为什么呢？是不是出BUG了？

其实，什么都没打印出来才是正确的，这是因为，虽然我们给了开始和结束值，但是我们遗忘了一个重要的参数，那就是步进值`step`，这个值默认可是`1`，从`10`开始`+1`来计数，无论如何也算不到`0`。所以，我们将步进值改成负数，也就是倒着数了:

for i in range(10, 0, -1):
        print(i, end=" ")
        
    -----------------------------
    10 9 8 7 6 5 4 3 2 1

至此，我们可以得到结论，是否倒叙取值除了开始和结束值，更重要的是看`step`是正数还是负数。

res = range(-10,-20,-1) 
    # [-10, -11, -12, -13, -14, -15, -16, -17, -18, -19]
    res = range(-20,-10) 
    # [-20, -19, -18, -17, -16, -15, -14, -13, -12, -11]
    res = range(-10,10)
    # [-10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

### `zip()`函数 ###

`zip()` 函数可以接受多个可迭代的对象，然后把每个可迭代对象中的第i隔元素组合在一起，形成一个新的迭代器。

'''
    参数： *iterables, 任意个的可迭代对象
    返回值： 返回一个元组的迭代器
    '''
    zip(*iterables)

让我们来直接看示例：

n1 = '1234'
    n2 = ['a', 'b', 'c']
    n3 = ['A', 'B', 'C', 'D']
    # 调用zip函数，合成新的元组迭代器
    res = zip(n1, n2, n3)
    print(list(res))
    
    -----------------------------
    [('1', 'a', 'A'), ('2', 'b', 'B'), ('3', 'c', 'C')]

我知道你们看到这个执行结果会有很多疑问，先别着急，我们先看一下它是否包含迭代器的特性：

for i in res:
      print(i)

当你执行这段代码的时候就会发现，似乎什么都没发生。

那到底是怎么回事？我们不用`for`，让我们再转换一次`list`之后看看里边有什么：

print(list(res))
    
    -----------------------------
    []

列表居然是空的。是不是瞬间想到了什么？

没错，这个似乎就是迭代器的特性之一，当其中元素被使用之后，会删掉使用过的元素。而我们之前在执行`print(list(res))`的时候，已经将内部元素都转成`list`并展现过，所以现在`res`内的元素都被删掉了。

没事，让我们再重新来定义一次，也就是重新给`res`内填满元素然后直接`for`循环一次看看：

n1 = '1234'
    n2 = ['a', 'b', 'c']
    n3 = ['A', 'B', 'C', 'D']
    # 调用zip函数，合成新的元组迭代器
    res = zip(n1, n2, n3)
    
    for i in res:
      print(i)
      
    -----------------------------：
    ('1', 'a', 'A')
    ('2', 'b', 'B')
    ('3', 'c', 'C')

我们可以看到，每次打印`i`的时候都打印了一个元组，而这个元组就是一个新元素，比如第一行`('1', 'a', 'A')`, 这整个元组就是一个新元素。

让我们再用`next`试试（当然我又重新填满了`res`）：

print(next(res))
    print(next(res))
    
    -----------------------------
    ('1', 'a', 'A')
    ('2', 'b', 'B')

`next`函数也能正常执行，那可以说明，`zip`确实组合成了一个新的迭代器。

现在我们返回来再看一遍代码中的`n1,n2,n3`, 分别是`1234`, `[‘a’, 'b', 'c']`, `['A', 'B', 'C', 'D']`。最后组成的迭代器对象为：`[('1', 'a', 'A'), ('2', 'b', 'B'), ('3', 'c', 'C')]`。

通过分析可以看出来，`zip`的工作原理是先分别取可迭代对象的第一个元素组合成一个元组，然后再分别取第二个元素组合成一个元组，依次往后取…

可是`n1, n3`分别都是四个元素，为什么我们最后只组合成了三个元组？那是因为`n2`中只包含了三个元素，当在其中找不到第四个元素的时候，就会放弃组合。

来，让我们在看一个示例：

n1 = [1, 2, 3, 4]
    n2 = [22, 33, 44, 55]
    res = zip(n1, n2)
    print(list(res))
    
    -----------------------------
    [(1, 22), (2, 33), (3, 44), (4, 55)]

大家看到最后的执行结果有没有觉得很眼熟？可能很多小伙伴一时间想不到，我们来调整一下：

[
    	(1, 22), 
    	(2, 33), 
    	(3, 44), 
    	(4, 55)
    ]

记住这个数据结构，我们在后期做数据分析的时候， 当我们做矩阵运算的时候用的非常多。

不知道大家是否都学过高等数学里的线性代数、微积分，包括概率统计。这些在我们之后做数据分析，数据挖掘，包括机器学习、人工智能这些科学运算里面，非常重要的一些数学功底。

不太记得了也没关系，这些我后面将会专门拿几节出来给大家补一下这方面。

让我们继续，`zip`还有一种应用方式，当其与`*`运算符结合使用的时候，可以用来拆解列表：

# zip 与 * 运算符相结合使用
    x = [1, 2, 3]
    y = [4, 5, 6]
    
    print(zip(x, y))
    print(*zip(x, y))
    
    -----------------------------
    <zip object at 0x107b8d200>
    (1, 4) (2, 5) (3, 6)

可以看到，`zip`是一个迭代器，`*zip`这生成了组合好的多个元组数据。

比如：

x1 = [1, 2, 3]
    y1 = [4, 5, 6]
    
    x2, y2 = zip(*zip(x, y))
    print(x2, y2)
    
    -----------------------------
    (1, 2, 3) (4, 5, 6)

这样，我们就将两个列表转换成了两个元组。当然，其实我们这样操作还不如直接使用`tuple`函数来的方便快捷一点。

那下面，我们就看看都有哪些数据类型转换相关的内置函数。

### 数据类型转换相关的内置函数 ###

这些函数的功能非常简单和单一，属于拿来就用的函数，我们就仅列出来，不多做介绍了。

*  `int()` 将其它类型数据转为整型
 *  `float()`转为浮点类型
 *  `bool()`转为布尔类型
 *  `complex()`转为复数
 *  `str()`转为字符串类型
 *  `list` 转为列表类型
 *  `tuple`转为元组类型
 *  `dict` 转为字典类型
 *  `set` 转为集合类型

### 变量相关函数 ###

*  `id()` 获取当前数据的ID标识
 *  `type()` 获取当前数据的类型字符串
 *  `print()`数据的打印
 *  `input()`获取输入的数据
 *  `isinstance()`检测是否为指定的数据类型

### 数学相关函数 ###

`abs()`获取一个数的绝对值

print(abs(-99.99))
    
    -----------------------------
    99.99

`sum()`求和 从 start 开始自左向右对 iterable 中的项求和并返回总计值

print(sum([1,2,3]))
    
    -----------------------------
    6

`max()` 获取最大值

print(max([1,2,3]))
    print(max(99,12,45))
    
    -----------------------------
    3
    99

`min()` 获取最小值

print(min([2,1,6,-9]))
    print(min(6,7,1,0,-2))
    
    -----------------------------
    -9
    -2

`pow(x, y)`幂运算 返回 x 的 y 次幂

print(pow(2,3))
          
    -----------------------------
    8

`round(x, n)` 对x四舍五入，小数点保留n位

print(round(3.1415926))
    print(round(3.1415926,2))
    
    -----------------------------
    3
    3.14

> `round`这个函数不是绝对意义上的四舍五入，在取整这个问题是是奇进偶退：

print(round(3.5))
    print(round(4.5))
    
    -----------------------------：
    4
    4

### 进制函数及字符集 ###

`bin()` 将数值类型转为二进制

print(bin(123)) 
    
    -----------------------------
    0b1111011

`int()` 将二进制转化为整型

print(int(0b1111011))
    
    -----------------------------
    123

`oct()` 转为八进制数

print(oct(123))
    
    -----------------------------
    0o173

`hex()` 转为十六进制数

print(hex(123))
    
    -----------------------------
    0x7b

### ASCII及字符集 ###

ASCII，全称为美国信息互换标准代码。是一套基于拉丁字母的字符编码，共收录了 128 个字符，用一个字节就可以存储，它等同于国际标准 ISO/IEC 646。它一共有128个支付，最后更新是1986年。

我们要知道的是，ASCII 编码是美国人给自己设计的，他们并没有考虑欧洲那些扩展的拉丁字母，也没有考虑韩语和日语，我大中华几万个汉字更是不可能被重视。计算机也是美国人发明的，起初使用的就是 ASCII 码，只能显示英文字符。各个国家为了让本国公民也能正常使用计算机，开始效仿 ASCII 开发自己的字符编码，例如 ISO/IEC 8859（欧洲字符集）、shift\_Jis（日语字符集）、GBK（中文字符集）等。

从65开始到90为止，是大写字母（A ~ Z), 97到122是小写字母(a ~ z)，48到57是0 ~ 9。

而我们经常使用的是GB2312-80, GBK和GBK18030以及Unicode字符集。

GB2312-80 是 1980 年制定的中国汉字编码国家标准。共收录 7445 个字符，其中汉字 6763 个。

GBK 于1995年制定 收录了 21003 个汉字。GBK向下与 GB 2312 编码兼容，

GBK18030 2001年的1月正式强制执行，是我国制订的以汉字为主并包含多种我国少数民族文字（如藏、蒙古、傣、彝、朝鲜、维吾尔文等）的超大型中文编码字符集强制性标准，其中收入汉字70000余。

Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准，包括字符集、编码方案等。

*  它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。
 *  UTF-8 以字节为单位对Unicode进行编码。

> 我们现在写代码的时候基本遵循UTF-8编码为主。

有的时候，我们是需要将字符转为ASCII， 也有对应的方法：

print(ord('a'))
    
    -----------------------------
    a

将ASCII转为字符也一样：

print(chr(65))
    
    -----------------------------
    A

### 高阶函数 ###

和上一节课不同，我们现在要讲的高阶函数，是Python解释器里的内置高阶函数。

#### `sorted()` ####

很多时候，我们在处理数据的时候都需要对数据进行排序。不管是以序号，名称还是日期的方式。`sorted()`就是我们最常用的排序函数：

sorted(iterable, [reverse, key])
    ‘’‘
    运行原理：把可迭代数据里面的元素，一个一个的取出来，放到key这个函数中进行处理，并按照函数中return的结果进行排序，返回一个新的列表
    功能：排序
    参数：
        iterable:可迭代的数据 （容器类型数据，range数据序列，迭代器）
        reverse:可选，是否反转，默认为False，不反转， True反转
        key:可选， 函数，可以是自定义函数，也可以是内置函数
    返回值：排序后的结果
    ’‘’

我们来看几个示例，首先我们先来看看默认的排序方式：从小到大：

arr = [3,7,1,-9,20,10]
    res = sorted(arr) 
    print(res)
    
    -----------------------------
    [-9, 1, 3, 7, 10, 20]

当然，既然我们能从小到大来进行排序，那就可以用从大到小的方式：

arr = [3,7,1,-9,20,10]
    print(sorted(arr,reverse=True))
    
    -----------------------------
    [20, 10, 7, 3, 1, -9]

现在我们得到了从小到大排序，也得到了从大到小排序。然后我们再来作妖：能不能按照所有数字的绝对值大虾哦进行排序呢？哎，还记得我们刚讲过的数学相关的函数里有一个求绝对值的函数嘛？既然`sorted()`这个函数里的参数`key`可以接收函数，那让我们结合在一起试试看：

arr = [3,7,1,-9,20,10]
    res = sorted(arr,key=abs)
    print(res)
    
    -----------------------------
    [1, 3, 7, -9, 10, 20]

果然，我们得到了想要的结果。来分析下内部到底做了什么：

[3,7,1,-9,20,10] # 原始列表
    3 7 1 9 20 10  # 求绝对值
    1 3 7 9 10 20 # 给绝对值进行排序
    1 3 7 -9 10 20  # 转换成原本的值

那现在，我再多尝试一下，我试试看自己定义一个函数：

def func(num):
        return num % 2

函数定义好了，让我们尝试使用自定义函数对数据进行排序：

arr = [3,2,4,6,5,7,9]
    print(sorted(arr, key = func))
    
    -----------------------------
    [2, 4, 6, 3, 5, 7, 9]

看似起结果了。那到底函数内干了些什么呢？让我们在其中多打印一点东西出来，看个明白：

def func(num):
        print(num, num % 2, end=" ")
        print()
        return num % 2
      
    arr = [3,2,4,6,5,7,9]
    print(sorted(arr, key = func))
    
    -----------------------------
    3 1 
    2 0 
    4 0 
    6 0 
    5 1 
    7 1 
    9 1 
    [2, 4, 6, 3, 5, 7, 9]

这样我们就很清晰的看到了对原数字和取余结果，在对取余进行排序之后，再在取余的结果上进行默认的从小到大进行排序，就得到了最后的结果`[2, 4, 6, 3, 5, 7, 9]`

不过，这种功能大多数时候我们基本是临时用一下，特意写一个方法似乎有点多余。还记得咱们之前讲的匿名函数吧？让我们用匿名函数优化一下：

# 用匿名函数优化
    arr = [3,2,4,6,5,7,9]
    res = sorted(arr, key=lambda num:num%2)
    print(res)
    
    -----------------------------
    [2, 4, 6, 3, 5, 7, 9]

正是我们所要的结果。

从这就能看出来，高阶函数`sorted()`的`key`因为能接收自定义函数，所以给了我们很大的可玩空间。小伙伴们还能想到哪些方法，快去做做实验。

#### `map()` ####

这个函数在对传入的可迭代数据中的每一个元素进行处理，然后返回一个新的迭代器：

map(func, *iterables)
    '''
    功能： 对传入的可迭代数据中的每个元素放入到函数中进行处理，返回一个新的迭代器
    参数：
        func 函数  自定义函数|内置函数
        iterables：可迭代的数据
    返回值：迭代器
    '''

让我们先来看一个普通的函数：

# 把一个字符串数字的列表转为整型列表
    items = ['1', '2', '3', '4']
    new_list = []
    for i in items:
        new_list.append(int(i))
    
    print(new_list)
    
    -----------------------------
    [1, 2, 3, 4]

我们将一个内部元素均为字符串的列表，转成了一个整型列表。

不过这个函数看起来似乎还是有些麻烦，让我们再用`map`试试看：

items = ['1', '2', '3', '4']
    res = map(int, items)
    print(list(res))
    
    -----------------------------
    [1, 2, 3, 4]

看，是不是简便多啦？当然，最后`map`最后生成的是迭代器而并不是列表，我们还是需要转化一下数据类型。

这段代码中`map`的处理方式其实非常简单，它将`items`里的每一个元素用`int`方法转换成整型，转换完之后形成一个新的迭代器，然后返回。

再让我们看一个示例感受一下, 这次我们将两段对比写在一起：

# 普通方法进行实现
    items = [1, 2, 3, 4]
    res = []
    for i in items:
        x = i ** 2
        res.append(x)
    print(res)
    
    # 使用map函数处理
    items = [1, 2, 3, 4]
    def func(x):
        return x ** 2
    res = map(func, items)
    print(res, list(res))
    
    -----------------------------
    [1, 4, 9, 16]
    <map object at 0x107ea5030> [1, 4, 9, 16]

我们看到执行结果完全一样，不过使用`map()`的方式更简洁，逻辑也更清晰。我们要知道，Python本身是自带幂次方方法的。即便是我们自己来实现，其实我们还可以把代码写的更简洁：

items = [1, 2, 3, 4]
    res = map(lambda x:x**2, items)
    print(res,list(res))
    
    -----------------------------
    <map object at 0x107c98610> [1, 4, 9, 16]

基于`map`的应用，我们来个**小作业**吧：

> 我们现在有这样一个列表：`['a','b','c','d']`
> 
> 要求将其转换成：`[65,66,67,68]`

最后，再给大家留个课后作业， 我给大家两个函数及其功能介绍，大家自己去尝试看看，然后自己琢磨下其用法。

`reduce(func, iterable)`

功能：每一次从 iterable 拿出两个元素，放入到func函数中进行处理，得出一个计算结果，然后把这个计算结果和iterable中的第三个元素，放入到func函数中继续运算，得出的结果和之后的第四个元素，加入到func函数中进行处理，以此类推，直到最后的元素都参与了运算

`filter(func, iterable)`

功能：过滤数据，把 iterable 中的每个元素拿到 func 函数中进行处理，如果函数返回True则保留这个数据，返回False则丢弃这个数据。

这两个函数在处理数据上作用都非常大。

好了，下课。大家有问题记得留言。

[3.10]: https://docs.python.org/zh-cn/3.10/