给网站添加后台,郑州seo技术代理,如何免费做一个网站攻略,移动网站开发内容文章目录Python函数式编程1. 数据2. 推导式3. 函数式编程3.1. Lambda函数3.2. python内置函数3.3. 高阶函数4. 函数式编程的应用Python函数式编程 我的AI Studio项目#xff1a;【笔记】LearnDL第三课#xff1a;Python高级编程——抽象与封装 - 飞桨AI Studio (baidu.com) p… 文章目录Python函数式编程1. 数据2. 推导式3. 函数式编程3.1. Lambda函数3.2. python内置函数3.3. 高阶函数4. 函数式编程的应用Python函数式编程 我的AI Studio项目【笔记】LearnDL第三课Python高级编程——抽象与封装 - 飞桨AI Studio (baidu.com) python中函数式编程的一些技巧可以提升我们编写代码的效率写出更加清晰且高效的代码。
开发者关心两个效率
程序运行的效率程序用更少的计算资源完成更多的任务。编写代码的效率程序员在更少的时间实现更多的功能。
随着计算机算力的不断增长如今我们更加关心的往往是后者。
本文主要包含以下内容
函数应当如何使用数据使用列表推导式或字典推导式简化代码使用Lambda函数简化代码python中一些内置函数的使用技巧什么是高阶函数使用函数式编程的技巧完成一个小任务
最后一节“函数式编程的应用”中用到了一个图像数据集在AI Studio中可以使用它。
1. 数据
数据的状态——尤为重要 不修改外部环境不影响输入多次调用函数不会产生不同的结果 避免可变的状态 尽量使用不可变的数据结构。例如list可变而tuple不可变。
# 返回斐波那契数列的某一项
def fib(i):if i 1:return fib(i - 1) fib(i - 2)else:return 1
print(fib(5))8使用可变的数据结构例如list有时会踩坑例如作为函数的默认参数时下面是一个例子。
你惊讶地发现put(10)和put(5)竟然输出了一样的结果而你单独运行put(5)时又能得到正确的结果。
def put(n, x[1, 1]):while len(x) n:x.append(x[-1] x[-2])return xprint(put(10))
print(put(5))[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]原因就是两次调用put函数时默认参数[1, 1]都是同一个对象例如可以打印出对象的id相当于在内存中的地址看一下发现两次调用put函数都在直接操作同一个list对象。
def put(n, x[1, 1]):print(id(x))while len(x) n:x.append(x[-1] x[-2])return x
put(10), put(5)140357520173648
140357520173648
([1, 1, 2, 3, 5, 8, 13, 21, 34, 55], [1, 1, 2, 3, 5, 8, 13, 21, 34, 55])而使用不可变的数据对象作为函数的默认参数就不会出现该问题。之前因为默认参数list本身也是一个对象实例“可变”就是可以被篡改而元组对象本身是无法修改的后面代码怎么写都不会影响默认参数的值。
下面的例子中你发现两次调用时元组x的id还是相同的但是转换成的list的id就不同了put(5)也得到了正确的结果。
def put(n, x(1, 1)):print(tuple:, id(x))x list(x)print(list: , id(x))while len(x) n:x.append(x[-1] x[-2])return x
put(10), put(5)tuple: 140357563320112
list: 140357519739872
tuple: 140357563320112
list: 140357519346416
([1, 1, 2, 3, 5, 8, 13, 21, 34, 55], [1, 1, 2, 3, 5])2. 推导式
列表推导式与字典推导式可以提升我们编码的效率以及程序运行的效率。
例如前面的put函数使用推导式函数体仅需一行代码而且代码逻辑也清晰易懂。
# 列表推导式
def put(n):return [fib(i) for i in range(n)]
print(put(5))# 字典推导式
def put(n):return {i:fib(i) for i in range(n)}
print(put(5))[1, 1, 2, 3, 5]
{0: 1, 1: 1, 2: 2, 3: 3, 4: 5}3. 函数式编程
善用一些函数式编程技巧提高编程效率。
Lambda函数python内置函数
sum求和all有一个None就返回Falseany有一个不是None就返回Truereduce自定义求和方式
高阶函数
3.1. Lambda函数
Lambda定义的函数与def定义的函数是等价的但是在形式上更简单。
f lambda a, b : a b
print(f(1, 2))def f(a, b):return a b
print(f(1, 2))3
3Lambda与其它迭代器对象结合使用有时会十分方便。例如生成一个完全平方数列
# 生成一个完全平方数列
x list(map(lambda x : x * x, range(11)))
print(x)
# 找到数列中以‘1’结尾的数字组成一个新的数列
x list(filter(lambda x : str(x).endswith(1), x))
print(x)[0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
[1, 81]3.2. python内置函数
关于python内置函数下面给出几个示例代码。其中all和any常用于有效数据的筛选。
x [1, 2, 3, 4, 5]
print(sum(x))
x [1, 2, 3, None, 5]
print(all(x))
x [None, None, 3, None, None]
print(any(x))
x [a, b, c, d]
reduce(lambda x, y : x * 2 y, x)15
False
True
aabaabcaabaabcdreduce可能看起来不太好懂其实这里的“求和”对于字符串而言就是“连接”x作为之前的和传入y就是下一项其实和sum的求和还是很相似的可以仔细比较一下。过程如下
a * 2 b aabaab * 2 c aabaabcaabaabc * 2 d aabaabcaabaabcd
3.3. 高阶函数
在python中函数其实可以玩得挺花。例如函数可以作为返回值也可以作为函数的参数。
# 1. 函数作为返回值
# 这里例子中函数k()的定义受函数f()的控制
def f(n):def k(x):return n * xreturn kF f(3)
print(F(2)) # 2. 函数作为参数
def F(x, f):x f(x)return x * x
print(F(1, lambda x : x 1))
6
44. 函数式编程的应用
对于一个任务先梳理需求把共性、重复的地方抽象出来再统一安排。 例如下面的任务
将两个image文件夹归类至dataset/image文件夹并将文件按照顺序重新编号
待处理数据集结构
- PlantSegmentationDatasets- vinecuttings- images- masks- weeds- weed50images- weed50masksimages文件夹中都是.JPG后缀的文件weed50images中既有.JPG也有.png。
首先我们要得到待复制的所有文件
dir_1 /home/aistudio/PlantSegmentationDatasets/vinecuttings/images/
dir_2 /home/aistudio/PlantSegmentationDatasets/weeds/weed50images/# 1. glob模糊匹配
paths glob(dir_1 *.JPG)
for path in paths[:5]:print(path)# 2. 列表推导式 -- 匹配多种文件后缀
# 此时得到了一个两层嵌套的列表 [[], [], [], []]
ends [*.JPG, *.jpg, *.png, *.jpeg]
paths [glob(dir_2 end) for end in ends]
print(paths)# 3. reduce求和 -- 拼接嵌套列表为一层
paths reduce(lambda x, y : x y, paths)
for path in paths[:5]:print(path)输出
输出内容过长 已自动对输出内容进行截断
/home/aistudio/PlantSegmentationDatasets/vinecuttings/images/DSC00149.JPG
/home/aistudio/PlantSegmentationDatasets/vinecuttings/images/DSC00241.JPG
/home/aistudio/PlantSegmentationDatasets/vinecuttings/images/DSC00248.JPG
/home/aistudio/PlantSegmentationDatasets/vinecuttings/images/DSC00214.JPG
/home/aistudio/PlantSegmentationDatasets/vinecuttings/images/DSC00200.JPG[[/home/aistudio/PlantSegmentationDatasets/weeds/weed50images/08192020_NikonD3300_YL_SpurredAnoda_0026.JPG, /home/aistudio/PlantSegmentationDatasets/weeds/weed50images/08192020_NikonD3300_YL_SpurredAnoda_035.JPG], [], [/home/aistudio/PlantSegmentationDatasets/weeds/weed50images/08192020_NikonD3300_YL_Carpetweed_0035-YuzhenLu(C).png, /home/aistudio/PlantSegmentationDatasets/weeds/weed50images/08192020_NikonD3300_YL_Carpetweed_0021-YuzhenLu(B).png, /home/aistudio/PlantSegmentationDatasets/weeds/weed50images/08192020_NikonD3300_YL_Carpetweed_0031-YuzhenLu.png, /home/aistudio/PlantSegmentationDatasets/weeds/weed50images/08192020_NikonD3300_YL_Carpetweed_0035-YuzhenLu(A).png, /home/aistudio/PlantSegmentationDatasets/weeds/weed50images/08192020_NikonD3300_YL_Carpetweed_0017-YuzhenLu(B).png, /home/aistudio/PlantSegmentationDatasets/weeds/weed50images/08192020_NikonD3300_YL_Carpetweed_0042-YuzhenLu.png, /home/aistudio/PlantSegmentationDatasets/weeds/weed50images/08192020_Nikon/home/aistudio/PlantSegmentationDatasets/weeds/weed50images/08192020_NikonD3300_YL_SpurredAnoda_0026.JPG
/home/aistudio/PlantSegmentationDatasets/weeds/weed50images/08192020_NikonD3300_YL_SpurredAnoda_035.JPG
/home/aistudio/PlantSegmentationDatasets/weeds/weed50images/08192020_NikonD3300_YL_Carpetweed_0035-YuzhenLu(C).png
/home/aistudio/PlantSegmentationDatasets/weeds/weed50images/08192020_NikonD3300_YL_Carpetweed_0021-YuzhenLu(B).png
/home/aistudio/PlantSegmentationDatasets/weeds/weed50images/08192020_NikonD3300_YL_Carpetweed_0031-YuzhenLu.png下面是完整的代码
# 将in_dirs里每个目录的图片分别复制到同一个out_dir中并为它们重新编号
def copy_dir(in_dirs, out_dir):!mkdir $out_dir # 创建文件夹for j, in_dir in enumerate(in_dirs):ends [*.JPG, *.png, *.jpg, *.jpeg]paths reduce(lambda x, y : x y, [glob(in_dir end) for end in ends])for i, in_filename in enumerate(paths):out_filename out_dir str(j) _ str(i) .jpgprint(out_filename)!cp $in_filename $out_filename # 复制图片dir_1 /home/aistudio/PlantSegmentationDatasets/vinecuttings/images/
dir_2 /home/aistudio/PlantSegmentationDatasets/weeds/weed50images/
out_dir /home/aistudio/data/image/
in_dirs [dir_1, dir_2]
copy_dir(in_dirs, out_dir) 更多的应用就以后在实践中慢慢摸索咯。 完
