python有趣的函数 Python有趣的函数

python有什么用？能做哪些有趣的事情？

现在越来越多的人开始学习python语言，好像不会点编程都不好意思说是混互联网的；那python到底是干嘛的呢？有哪些具体用途呢？下面我就为你简单罗列一下：

创新互联是专业的修水网站建设公司，修水接单;提供成都做网站、网站设计,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行修水网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!

1.网站开发：

网站开发即Web开发，Python是一种解释型的脚本语言，无需编译，开发效率高，语法相对简单，非常适合做web开发及入门，常用的web开发框架有Django、Flask、Tornado 等。

2.爬虫开发：

爬虫可以说是python发展起来的基础，全球最大搜索引擎google最初就是用python爬取网站，丰富资源的。爬虫目前用得比较多的场景有比价网站、信息收集、数据统计等。

3.数据分析：

python在数据处理方面，有大量库供你使用， 数据分析中涉及到的分布式计算引擎hadoop、spark、flink等、数据可视化；另外对数据库mysql、Oracle、sqlService、clickhouse等，Python都有成熟的模块可以选择。

4.人工智能：

因为Python有很多库很方便做人工智能，比如NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库；Pandas可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征，scipy做数值计算的，sklearn、XGBoost、CatBoost做机器学习的，ChainerCV、pybrain、Hebel做神经网络的，matplotlib将数据可视化的。

在人工智能大范畴领域内的 数据挖掘、机器学习、神经网络、深度学习 等方面都是主流的编程语言，得到广泛的支持和应用。

5.图形处理：

图像处理中的基本操作（如裁剪、翻转、旋转等）、图像分割、分类和特征提取，图像恢复和图像识别等，有PIL、Pillow、Tkinter、scikit-image、scipy、OpenCV等图形库支持，能方便进行图形处理。

6.神经科学与心理学：

Python具有获取和分析数据以及通过建模和仿真测试假设的能力，使其非常适合计算神经科学和实验心理学研究。使用Pygame和Psychopy生成和控制复杂视觉刺激。开源软件包PsychoPy在全球范围内的实验室中用于认知神经科学，实验心理学和心理物理学。

python生成金字塔

人生苦短，我用python！

本文将介绍三种使用python实现生成金字塔的方法，文末归纳了知识点。

本方法使用print打印出每一个字符，通过for循环计算每一次需要输出的空格和星号。

print语句中，end=''表示不换行。

本方法利用了一个有趣的规律：

在程序中表达为 m += pow(10,i) ，即 m = m + pow(10,i) ，例如：

通过运行我们发现输出数字的时候，由于每行数字是一次性输出，而非每个数字输出一次，相比方法一效率有了提升。

pow(10,i) 表示 10 i 。

本方法在方法二的基础上再次改进空格的输出方式，print(b*a)语句中，a表示输出的次数。

当我把层数n设置为100的时候，发生了壮观的一幕，感兴趣的朋友欢迎自己试试。

文中同时使用了 range 数列，range[10] 表示：0 ,1 ,2 ,3 ,4 ,5 ,6 ,7 ,8 ,9 。

以下是 print() 方法的语法:

参数

pow() 方法返回 x y （x的y次方） 的值。语法为：

参考文献：

[1] Python for 循环语句

[2] Python print() 函数

[3] Python pow() 函数

[4] Number Pyramid

python用函数给不及格成绩加分

python用函数给不及格成绩加分

Python的高级特征你知多少？来对比看看

机器之心

人工智能信息服务平台

来自专栏机器之心

Python 多好用不用多说，大家看看自己用的语言就知道了。但是 Python 隐藏的高级功能你都 get 了吗？本文中，作者列举了 Python 中五种略高级的特征以及它们的使用方法，快来一探究竟吧！

选自towardsdatascience，作者：George Seif，机器之心编译。

Python 是一种美丽的语言，它简单易用却非常强大。但你真的会用 Python 的所有功能吗？

任何编程语言的高级特征通常都是通过大量的使用经验才发现的。比如你在编写一个复杂的项目，并在 stackoverflow 上寻找某个问题的答案。然后你突然发现了一个非常优雅的解决方案，它使用了你从不知道的 Python 功能！

这种学习方式太有趣了：通过探索，偶然发现什么。

下面是 Python 的 5 种高级特征，以及它们的用法。

Lambda 函数

Lambda 函数是一种比较小的匿名函数——匿名是指它实际上没有函数名。

Python 函数通常使用 def a_function_name() 样式来定义，但对于 lambda 函数，我们根本没为它命名。这是因为 lambda 函数的功能是执行某种简单的表达式或运算，而无需完全定义函数。

lambda 函数可以使用任意数量的参数，但表达式只能有一个。

x = lambda a, b : a * b print(x(5, 6)) # prints '30' x = lambda a : a*3 + 3 print(x(3)) # prints '12'

看它多么简单！我们执行了一些简单的数学运算，而无需定义整个函数。这是 Python 的众多特征之一，这些特征使它成为一种干净、简单的编程语言。

Map 函数

Map() 是一种内置的 Python 函数，它可以将函数应用于各种数据结构中的元素，如列表或字典。对于这种运算来说，这是一种非常干净而且可读的执行方式。

def square_it_func(a): return a * a x = map(square_it_func, [1, 4, 7]) print(x) # prints '[1, 16, 47]' def multiplier_func(a, b): return a * b x = map(multiplier_func, [1, 4, 7], [2, 5, 8]) print(x) # prints '[2, 20, 56]'看看上面的示例！我们可以将函数应用于单个或多个列表。实际上，你可以使用任何 Python 函数作为 map 函数的输入，只要它与你正在操作的序列元素是兼容的。

Filter 函数

filter 内置函数与 map 函数非常相似，它也将函数应用于序列结构（列表、元组、字典）。二者的关键区别在于 filter() 将只返回应用函数返回 True 的元素。

详情请看如下示例：

# Our numbers numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15] # Function that filters out all numbers which are odd def filter_odd_numbers(num): if num % 2 == 0: return True else: return False filtered_numbers = filter(filter_odd_numbers, numbers) print(filtered_numbers) # filtered_numbers = [2, 4, 6, 8, 10, 12, 14]

我们不仅评估了每个列表元素的 True 或 False，filter() 函数还确保只返回匹配为 True 的元素。非常便于处理检查表达式和构建返回列表这两步。

Itertools 模块

Python 的 Itertools 模块是处理迭代器的工具集合。迭代器是一种可以在 for 循环语句（包括列表、元组和字典）中使用的数据类型。

使用 Itertools 模块中的函数让你可以执行很多迭代器操作，这些操作通常需要多行函数和复杂的列表理解。关于 Itertools 的神奇之处，请看以下示例：

from itertools import * # Easy joining of two lists into a list of tuples for i in izip([1, 2, 3], ['a', 'b', 'c']): print i # ('a', 1) # ('b', 2) # ('c', 3) # The count() function returns an interator that # produces consecutive integers, forever. This # one is great for adding indices next to your list # elements for readability and convenience for i in izip(count(1), ['Bob', 'Emily', 'Joe']): print i # (1, 'Bob') # (2, 'Emily') # (3, 'Joe') # The dropwhile() function returns an iterator that returns # all the elements of the input which come after a certain # condition becomes false for the first time. def check_for_drop(x): print 'Checking: ', x return (x 5) for i in dropwhile(should_drop, [2, 4, 6, 8, 10, 12]): print 'Result: ', i # Checking: 2 # Checking: 4 # Result: 6 # Result: 8 # Result: 10 # Result: 12 # The groupby() function is great for retrieving bunches # of iterator elements which are the same or have similar # properties a = sorted([1, 2, 1, 3, 2, 1, 2, 3, 4, 5]) for key, value in groupby(a): print(key, value), end=' ') # (1, [1, 1, 1]) # (2, [2, 2, 2]) # (3, [3, 3]) # (4, [4]) # (5, [5])

Generator 函数

Generator 函数是一个类似迭代器的函数，即它也可以用在 for 循环语句中。这大大简化了你的代码，而且相比简单的 for 循环，它节省了很多内存。

比如，我们想把 1 到 1000 的所有数字相加，以下代码块的第一部分向你展示了如何使用 for 循环来进行这一计算。

如果列表很小，比如 1000 行，计算所需的内存还行。但如果列表巨长，比如十亿浮点数，这样做就会出现问题了。使用这种 for 循环，内存中将出现大量列表，但不是每个人都有无限的 RAM 来存储这么多东西的。Python 中的 range() 函数也是这么干的，它在内存中构建列表。

代码中第二部分展示了使用 Python generator 函数对数字列表求和。generator 函数创建元素，并只在必要时将其存储在内存中，即一次一个。这意味着，如果你要创建十亿浮点数，你只能一次一个地把它们存储在内存中！Python 2.x 中的 xrange() 函数就是使用 generator 来构建列表。

上述例子说明：如果你想为一个很大的范围生成列表，那么就需要使用 generator 函数。如果你的内存有限，比如使用移动设备或边缘计算，使用这一方法尤其重要。

也就是说，如果你想对列表进行多次迭代，并且它足够小，可以放进内存，那最好使用 for 循环或 Python 2.x 中的 range 函数。因为 generator 函数和 xrange 函数将会在你每次访问它们时生成新的列表值，而 Python 2.x range 函数是静态的列表，而且整数已经置于内存中，以便快速访问。

# (1) Using a for loopv numbers = list() for i in range(1000): numbers.append(i+1) total = sum(numbers) # (2) Using a generator def generate_numbers(n): num, numbers = 1, [] while num n: numbers.append(num) num += 1 return numbers total = sum(generate_numbers(1000)) # (3) range() vs xrange() total = sum(range(1000 + 1)) total = sum(xrange(1000 + 1))

Python中range()函数的用法

Python range()函数可创建一个整数列表，一般用在for循环中。

注意：Python3 range()返回的是一个可迭代对象，类型是对象，而不是列表类型，所以打印的时候不会打印列表。

函数语法：

range(start,stop[,step])

参数说明：

start：计数从start开始。默认是从0开始。例如range(5)等价于range(0,5);

stop：计数到stop结束，但不包括stop。例如：range(0,5)是[0,1,2,3,4]没有5;

step：步长，默认为1。例如：range(0,5)等价于range(0,5,1)。

实例：

range(10) # 从 0 开始到 9

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

range(1, 11) # 从 1 开始到 10

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

range(0, 30, 5) # 步长为 5

[0, 5, 10, 15, 20, 25]

range(0, 10, 3) # 步长为 3

[0, 3, 6, 9]

range(0, -10, -1) # 负数

[0, -1, -2, -3, -4, -5, -6, -7, -8, -9]

range(0)

[]

range(1, 0)

[]

以下是range在for中的使用，循环出runoob的每个字母：

x = 'runoob'

for i in range(len(x)) :

... print(x[i])

...

r

u

n

o

o

b