Python中常用最神秘的函数! lambda 函数深度总结!

Python 进阶语法:lambda函数 使用lambda函数可以在对列表进行排序时自定义排序规则。print(sorted_numbers) # 输出:[-1, 2, -3, 4, -5]这段代码的目的是对一个数字列表 numbdrs ,用sorted() 函数进行排序,排序的依据是每个数字的绝对值。数字列表。使用sorted()函数对这个列表进行排序。为了按照每个数字的绝对值进行排序,我们使用了一个key参数,该参数是一个函数,用于提取用于排序的值。在这里,我们使用了一个lambda函数,该函数返回每个数字的绝对值。 阅读详情

d39bd15eea3edba4a1b703c678a8c6f9.png

今天我们来学习 Python 中的 lambda 函数,并探讨使用它的优点和局限性

Let's do it!

什么是 Python 中的 Lambda 函数

lambda 函数是一个匿名函数(即,没有名称定义),它可以接受任意数量的参数,但与普通函数不同,它只计算并返回一个表达式

Python 中的 lambda 函数使用以下语法表达:

lambda 参数:表达式

lambda 函数包括三个元素:

  • 关键字 lambda:与普通函数中 def 类似

  • 参数:支持传递位置和关键字参数,与普通函数一样

  • 正文:处理定参数的表达式

需要注意的是,普通函数不同,这里不需要用括号将 lambda 函数的参数括起来,如果 lambda 函数有两个或更多参数,我们用逗号列出它们

我们使用 lambda 函数只计算一个短表达式(理想情况下,单行)并且只计算一次,这意味着我们以后不会再复用这个函数。通常来说我们会将 lambda 函数作为参数传递给高阶函数(接受其他函数作为参数的函数),例如 Python 内置函数,如 filter()、map() 或 reduce()等

Python 中的 Lambda 函数如何工作

让我们看一个简单的 lambda 函数示例:

lambda x: x + 1

Output:

<function __main__.<lambda>(x)>

上面的 lambda 函数接受一个参数,将其递增 1,然后返回结果

它是以下带有 def 和 return 关键字的普通函数的更简单版本:

def increment_by_one(x):
    return x + 1

到目前我们的 lambda 函数 lambda x: x + 1 只创建一个函数对象,不返回任何内容,这是因为我们没有为其参数 x 提供任何值(参数)。让我们先分配一个变量,将它传递给 lambda 函数,看看这次我们得到了什么:

a = 2
print(lambda x: a + 1)

Output:

<function <lambda> at 0x00000250CB0A5820>

我们的 lambda 函数没有像我们预期的那样返回 3,而是返回了函数对象本身及其内存位置,可以看出这不是调用 lambda 函数的正确方法。要将参数传递给 lambda 函数,执行它并返回结果,我们应该使用以下语法:

(lambda x: x + 1)(2)

Output:

3

虽然我们的 lambda 函数的参数没有用括号括起来,但当我们调用它时,我们会在 lambda 函数的整个构造以及我们传递给它的参数周围添加括号

上面代码中要注意的另一件事是,使用 lambda 函数,我们可以在创建函数后立即执行该函数并接收结果。这就是所谓的立即调用函数执行(或 IIFE)

我们可以创建一个带有多个参数的 lambda 函数,在这种情况下,我们用逗号分隔函数定义中的参数。当我们执行这样一个 lambda 函数时,我们以相同的顺序列出相应的参数,并用逗号分隔它们:

(lambda x, y, z: x + y + z)(3, 8, 1)

Output:

12

也可以使用 lambda 函数来执行条件操作。下面是一个简单 if-else 函数的 lambda 模拟:

print((lambda x: x if(x > 10) else 10)(5))
print((lambda x: x if(x > 10) else 10)(12))

Output:

10
12

如果存在多个条件(if-elif-...-else),我们必须嵌套它们:

(lambda x: x * 10 if x > 10 else (x * 5 if x < 5 else x))(11)

Output:

110

但是上面的写法,又令代码变得难以阅读

在这种情况下,具有 if-elif-...-else 条件集的普通函数将是比 lambda 函数更好的选择。实际上,我们可以通过以下方式编写上面示例中的 lambda 函数:

def check_conditions(x):
    if x > 10:
        return x * 10
    elif x < 5:
        return x * 5
    else:
        return x

check_conditions(11)

Output:

110

尽管上面的函数比相应的 lambda 函数增加了更多行,但它更容易阅读

我们可以将 lambda 函数分配给一个变量,然后将该变量作为普通函数调用:

increment = lambda x: x + 1
increment(2)

Output:

3

但是根据 Python 代码的 PEP 8 样式规则,这是一种不好的做法

赋值语句的使用消除了 lambda 表达式相对于显式 def 语句所能提供的唯一好处(即,它可以嵌入到更大的表达式中)

因此如果我们确实需要存储一个函数以供进一步使用,我们最好定义一个等效的普通函数,而不是将 lambda 函数分配给变量

Lambda 函数在 Python 中的应用

带有 filter() 函数的 Lambda

Python 中的 filter() 函数需要两个参数:

  • 定义过滤条件的函数

  • 函数在其上运行的可迭代对象

运行该函数,我们得到一个过滤器对象:

lst = [33, 3, 22, 2, 11, 1]
filter(lambda x: x > 10, lst)

Output:

<filter at 0x250cb090520>

为了从过滤器对象中获取一个新的迭代器,并且原始迭代器中的所有项都满足预定义的条件,我们需要将过滤器对象传递给 Python 标准库的相应函数:list()、tuple()、set ()、frozenset() 或 sorted()(返回排序列表)

让我们过滤一个数字列表,只选择大于 10 的数字并返回一个按升序排序的列表:

lst = [33, 3, 22, 2, 11, 1]
sorted(filter(lambda x: x > 10, lst))

Output:

[11, 22, 33]

我们不必创建与原始对象相同类型的新可迭代对象,此外我们可以将此操作的结果存储在一个变量中:

lst = [33, 3, 22, 2, 11, 1]
tpl = tuple(filter(lambda x: x > 10, lst))
tpl

Output:

(33, 22, 11)

带有 map() 函数的 Lambda

我们使用 Python 中的 map() 函数对可迭代的每个项目执行特定操作。它的语法与 filter() 相同:一个要执行的函数和一个该函数适用的可迭代对象。

map() 函数返回一个 map 对象,我们可以通过将该对象传递给相应的 Python 函数来从中获取一个新的迭代:list()、tuple()、set()、frozenset() 或 sorted()

与 filter() 函数一样,我们可以从 map 对象中提取与原始类型不同类型的可迭代对象,并将其分配给变量。

下面是使用 map() 函数将列表中的每个项目乘以 10 并将映射值作为分配给变量 tpl 的元组输出的示例:

lst = [1, 2, 3, 4, 5]
print(map(lambda x: x * 10, lst))
tpl = tuple(map(lambda x: x * 10, lst))
tpl

Output:

<map object at 0x00000250CB0D5F40>

(10, 20, 30, 40, 50)

map() 和 filter() 函数之间的一个重要区别是第一个函数总是返回与原始函数相同长度的迭代。因此由于 pandas Series 对象也是可迭代的,我们可以在 DataFrame 列上应用 map() 函数来创建一个新列:

import pandas as pd
df = pd.DataFrame({'col1': [1, 2, 3, 4, 5], 'col2': [0, 0, 0, 0, 0]})
print(df)
df['col3'] = df['col1'].map(lambda x: x * 10)
df

Output:

col1  col2
0     1     0
1     2     0
2     3     0
3     4     0
4     5     0

   col1  col2  col3
0     1     0    10
1     2     0    20
2     3     0    30
3     4     0    40
4     5     0    50

当然要在上述情况下获得相同的结果,也可以使用 apply() 函数:

df['col3'] = df['col1'].apply(lambda x: x * 10)
df

Output:

col1  col2  col3
0     1     0    10
1     2     0    20
2     3     0    30
3     4     0    40
4     5     0    50

我们还可以根据某些条件为另一列创建一个新的 DataFrame 列,对于下面的代码,我们可以互换使用 map() 或 apply() 函数:

df['col4'] = df['col3'].map(lambda x: 30 if x < 30 else x)
df

Output:

col1  col2  col3  col4
0     1     0    10    30
1     2     0    20    30
2     3     0    30    30
3     4     0    40    40
4     5     0    50    50

带有 reduce() 函数的 Lambda

reduce() 函数与 functools Python 模块相关,它的工作方式如下:

  • 对可迭代对象的前两项进行操作并保存结果

  • 对保存的结果和可迭代的下一项进行操作

  • 以这种方式在值对上进行,直到所有项目使用可迭代的

该函数与前两个函数具有相同的两个参数:一个函数和一个可迭代对象。但是与前面的函数不同的是,这个函数不需要传递给任何其他函数,直接返回结果标量值:

from functools import reduce
lst = [1, 2, 3, 4, 5]
reduce(lambda x, y: x + y, lst)

Output:

15

上面的代码展示了我们使用 reduce() 函数计算列表总和时的作用

需要注意的是,reduce() 函数总是需要一个带有两个参数的 lambda 函数,而且我们必须首先从 functools Python 模块中导入它

Python 中 Lambda 函数的优缺点

优点

  • 它是评估单个表达式的理想选择,应该只评估一次

  • 它可以在定义后立即调用

  • 与相应的普通语法相比,它的语法更紧凑

  • 它可以作为参数传递给高阶函数,例如 filter()、map() 和 reduce()

缺点

  • 它不能执行多个表达式

  • 它很容易变得麻烦,可读性差,例如当它包括一个 if-elif-...-else 循环

  • 它不能包含任何变量赋值(例如,lambda x: x=0 将抛出一个语法错误)

  • 我们不能为 lambda 函数提供文档字符串

总结

总而言之,我们已经详细讨论了在 Python 中定义和使用 lambda 函数的许多方面:

  • lambda 函数与普通 Python 函数有何不同

  • Python 中 lambda 函数的语法和剖析

  • 何时使用 lambda 函数

  • lambda 函数的工作原理

  • 如何调用 lambda 函数

  • 调用函数执行(IIFE)的定义

  • 如何使用 lambda 函数执行条件操作,如何嵌套多个条件,以及为什么我们应该避免它

  • 为什么我们应该避免将 lambda 函数分配给变量

  • 如何将 lambda 函数与 filter() 函数一起使用

  • 如何将 lambda 函数与 map() 函数一起使用

  • 我们如何在 pandas DataFrame 中使用

  • 带有传递给它的 lambda 函数的 map() 函数 - 以及在这种情况下使用的替代功能

  • 如何将 lambda 函数与 reduce() 函数一起使用

  • 在普通 Python 上使用 lambda 函数的优缺点

希望今天的讨论可以使 Python 中看似令人生畏的 lambda 函数概念更清晰、更易于应用,更希望小伙伴们能够喜欢,喜欢就点个赞吧!


 

 

 

 

 

 
推荐阅读:
入门: 最全的零基础学Python的问题  | 零基础学了8个月的Python  | 实战项目 |学Python就是这条捷径
干货:爬取豆瓣短评,电影《后来的我们》 | 38年NBA最佳球员分析 |   从万众期待到口碑扑街!唐探3令人失望  | 笑看新倚天屠龙记 | 灯谜答题王 |用Python做个海量小姐姐素描图 |碟中谍这么火,我用机器学习做个迷你推荐系统电影
趣味:弹球游戏  | 九宫格  | 漂亮的花 | 两百行Python《天天酷跑》游戏!
AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火,我用机器学习做个迷你推荐系统电影
小工具: Pdf转Word,轻松搞定表格和水印! | 一键把html网页保存为pdf!|  再见PDF提取收费! | 用90行代码打造最强PDF转换器,word、PPT、excel、markdown、html一键转换 | 制作一款钉钉低价机票提示器! |60行代码做了一个语音壁纸切换器天天看小姐姐!|

年度爆款文案

点阅读原文,看B站我的视频!

Python lambda本质与高危场景避坑指南 Lambda在Python中常被误解为‘匿名函数’,实则是受严格约束的单表达式求值器——它不支持语句、无隐式返回、不可调试藏拙。其核心价值不在语法简洁,而在于暴露逻辑边界与容错盲区。从字节码层面看,lambda与def生成完全相同的指令,性能差异可忽略;真正影响工程稳定性的,是它在filter、map、sorted和reduce等高阶函数中的误用:如忽略None导致过滤失效、map未转列表引发TypeError、key函数调用外部慢函数拖垮排序、reduce缺乏可读性引发维护灾难。本文基于2.1亿行生产代码 阅读详情

相关推荐

Ruby方法对象、Proc/Lambda与Enumerable协议深度解析

在动态语言中,'方法'并非静态语法结构,而是可传递、可绑定、可序列化的运行时对象——这是Ruby元编程的根基。理解Method对象的owner与receiver分离机制、Proc与Lambda在闭包捕获和return语义上的本质差异、以及Enumerable如何通过each协议统一集合操作,是掌握Ruby函数式与面向对象融合范式的前提。这些概念共同支撑着Rails回调、事件驱动架构、流式数据处理等工业实践。本文聚焦Ruby核心元模型,结合IRB验证、生产级陷阱复现与重构方案,系统阐释Method绑定状态管理

diedangxiang4092的博客 340

Python 之 lambda 函数完整详解 & 巧妙运用

lambda 函数在 Python 编程语言中使用频率非常高,那么,什么是lambda?它有哪些用法? 本文参考: https://blog.youkuaiyun.com/zjuxsl/article/details/79437563 这里总结了关于 Python 中的 lambda 函数的“一个语法,三个特性,四个用法”。 一个语法: 在 Python 中,lambda 函数的语法是唯一的。其形式如...

Nick.Peng's Blogs 34万+

《Let Over Lambda》免费PDF:深入Common Lisp宏与闭包

在 Common Lisp 中,宏与闭包是两个极易被低估的核心机制。闭包通过让函数捕获外部变量形成持久环境,而宏本质上是接收源码、返回源码的代码生成函数,二者结合能帮助开发者定义新语法、实现领域专用语言,并消除重复模板代码。对于已有基础语法能力、希望深入代码生成与 DSL 设计的工程师,掌握宏展开原理是进阶的关键。《Let Over Lambda》正是这样一部聚焦宏编程的经典著作,作者 Doug Hoyte 在官网免费公开了完整 PDF,无需注册即可阅读。书中从 let 与 lambda 构造闭包讲起,逐步

weixin_33829657的博客 492

Python lambda(匿名函数),一文详解

​ 前面的文章里,我们讲了什么是函数(优快云函数详解),并且简单讲了一下什么是lambda(匿名函数)。 现在我们详细讲讲什么是 lambda 函数?lambda 函数的特点已经lambda 函数的应用。也算是完善之前的内容。

TiYong的博客 3万+

Python map()函数原理与实战避坑指南

map() 是 Python 中实现函数式数据转换的基础工具,其核心是将函数与可迭代对象解耦,通过惰性求值机制按需执行映射操作。它并非语法糖,而是体现‘声明式意图’的关键原语:强调‘对每个元素做什么’而非‘如何一步步做’。技术价值在于消除循环变量污染、降低内存峰值、精准控制错误时机,并天然支持链式数据流水线与并发加速(如 concurrent.futures.map)。典型应用场景包括日志清洗、API 批量调用、ETL 预处理等;但需警惕迭代器耗尽、副作用失效、闭包捕获异常等高频陷阱。理解 map() 的惰

weixin_33906657的博客 337

0基础学Python系列【23】Python必学技能:lambda函数深度剖析与实战

lambda函数,又称匿名函数,顾名思义,它没有名字!和普通的def函数相比,它简洁得像微博里的短句子。lambda 参数1, 参数2, ... : 表达式特点:匿名:不用给函数起名字,省事!简洁:一行代码搞定。灵活:常与内置函数(如mapfiltersorted)搭配使用。💡小贴士lambda只能写单个表达式,不能写多条语句!# 按照字符串长度排序print(sorted_words) # 输出:['is', 'python', 'awesome']lambda。

奔跑的蜗牛 222

python——lambda函数

lambda表达式,又称匿名函数,常用来表示内部仅包含 1 行表达式的函数。如果一个函数的函数体仅有 1 行表达式,则该函数就可以用lambda表达式来代替。其中,定义lambda表达式,必须使用lambda关键字;[list]作为可选参数,等同于定义函数是指定的参数列表;value为该表达式的名称。显然,使用普通方法定义此函数,需要 3 行代码,而使用lambda表达式仅需 1 行。举个例子,如果设计一个求 2 个数之和的函数,使用普通函数的方式,定义如下:可以这样理解lambda。

qq_55858843的博客 6万+

【Python进阶】10个Python函数技巧,你GET到了吗?

函数是一段可重复使用的代码块,用于执行特定的任务。函数可以接受输入参数,并返回结果。Python中的函数可以通过def关键字定义。函数的使用可以使代码更加模块化、易于维护和复用。通过今天的分享,相信小伙伴们已经掌握了10个Python函数的高级技巧。无论是默认参数值、可变参数、关键字参数、匿名函数、闭包、装饰器、递归函数、生成器函数、偏函数,还是内置高阶函数,都能帮助你在Python编程中更加得心应手。如果你还有其他关于Python函数的问题,欢迎在评论区留言交流哦!

java专栏 940

lanmbda表达式

lanmbda表达式及应用 参考:添加链接描述 关于lanmbda函数 -1.将lambda函数赋值给一个变量,通过这个变量间接调用该lambda函数。 *例如,add=lambda x, y: x+y   add(1,2),输出为3。 -2.将lambda函数赋值给其他函数,从而将其他函数用该lambda函数替换。 *例如,为了把标准库time中的函数sleep的功能屏蔽(Mock),我们可以在...

qq_45214489的博客 2430

15、Python 进阶:字典与函数的深度探索

本文深入探讨了Python中字典与函数的高级用法。内容涵盖多键字典的构建与操作、fromkeys和setdefault方法的应用、嵌套字典的设计与遍历,以及如何通过列表推导式和zip函数创建字典。在函数部分,详细介绍了函数的定义与调用、参数类型(位置参数、关键字参数、默认参数、可变参数)、局部作用域、返回值机制,并扩展至lambda匿名函数和递归调用的实现与优劣分析。文章结合代码示例与实际应用场景,帮助读者提升代码组织能力与编程思维,为后续学习面向对象编程和复杂程序设计打下坚实基础。

week9的博客 43

【Python深度学习】零基础掌握标准非线性激活函数

探索了PyTorch中多种激活函数的神奇世界后,就像完成了一场深度学习的美食之旅。从ELU到Mish,每种激活函数都像一道独特的调味料,赋予神经网络不同的特性和功能。有些激活函数帮助网络捕捉更细微的数据特征,有些则防止信息在训练过程中的丢失,还有些则在特定情况下提供更好的性能。理解这些激活函数不仅有助于构建更高效的神经网络模型,也像学习烹饪技巧一样,让人在解决实际问题时拥有更多的选择和灵活性。

Mr数据杨 331

Day06: Python魔法手册:函数与模块化的奥秘大揭秘

你将创造出改变数字世界的传奇!函数是施展魔法的咒语。模块是记载咒语的卷轴。

yezi1238的博客 576

混沌系统在图像加密中的应用(随机性测试之FIPS 140-2测试和SP800-22测试)

本节内容我们将学习混沌序列的随机性测试,那么前面讲了,混沌系统产生的随机序列,它的随机性到底好不好,除了看相图、分岔图、指数图以外,还有一个非常重要的指标,那就是FIPS 140-2测试和SP800-22测试。(1)保证密码学模块的安全性:密码学模块在加密和解密敏感信息时使用随机数生成器来增加对手动解密和猜测攻击的抵抗力。通过进行FIPS 140-2测试,可以验证密码学模块是否符合安全标准,确保其实施和设计的安全性,以有效地保护敏感信息。

weixin_42207434的博客 2085

Python函数从基础到实战:参数、作用域与递归全解析

函数是编程语言中最基础也最核心的抽象单元,它将一段可复用的逻辑封装起来,通过参数传递输入、返回值输出结果,从而让代码更清晰、更易维护。理解函数的定义与调用、参数传递机制、变量作用域以及递归思想,是开发者从脚本编写迈向工程化编程的关键一步。无论是处理数量不确定的参数、使用默认值简化调用,还是通过闭包保存状态,函数都提供了灵活而优雅的解决方案。在实际开发中,函数也被广泛应用于数据处理、算法实现和模块化组织等场景。基于Python的函数练习与解析,从def关键字出发,逐步拆解位置参数、关键字参数、可变参数、作用域

weixin_34210740的博客 435

论文理解【LLM-Clarification】—— 【QDrawer】Asking the Right Question at the Right Time: Human and Model Unce

本文基于 CoDraw 任务对 LLM 澄清提问的触发方式进行探索,发现模型内部不确定性与人类澄清决策相关性弱,使用不确定性阈值触发澄清提问相比模仿人类提问时机,性能和计算效率都更好

佚失的诗篇 771

避开这些坑!智鼎MAP性格测试高分指南(附互联网/国企/外企答题模板)

本文深入解析智鼎MAP职业性格测试的核心逻辑与常见陷阱,提供针对互联网、国企、外企三大行业的差异化答题策略与实战模板。帮助求职者理解测试本质,避开追求完美人设、忽视程度副词等心理陷阱,塑造与目标岗位高度匹配的职业画像,从而在招聘关键环节脱颖而出。

rainy的博客 1003

Python深度学习:从入门到实战

亲爱的读者,欢迎您翻开这本书。我们即将探索的,是深度学习的宇宙——一个由数据、算法与算力构筑的奇妙世界。它既是严谨的科学,也是创造的艺术,更是一条通往未来智慧的修行之路。本书将带您从最基础的数学原理出发,亲手搭建神经网络,驾驭Transformer等前沿模型,最终将智慧转化为现实世界的价值。请放下畏惧,保持好奇。这不仅是一次知识的学习,更是一场思维的远行。来,随我一起,开启这趟非凡的旅程吧。

weixin_45747731的博客 300

数据库decimal类型详解:精度、标度与金额计算避坑指南

在关系型数据库中,浮点数精度丢失是常见问题,尤其涉及金额计算时,一分钱误差都可能导致对账失败。decimal类型通过十进制存储方式,将小数当作定点数处理,避免了二进制转换误差,确保运算结果精确。其核心在于精度和标度的合理定义,以及运算舍入规则的控制。在电商订单、汇率转换、税务计算等场景中,decimal是保障数据准确性的关键技术。理解其存储原理和实操细节,能有效规避隐式转换、聚合函数精度等常见坑点,提升系统可靠性。

weixin_32050773的博客 276

别光抄答案!用Python函数通关Educoder计算思维训练,我总结了这3个实战技巧

本文分享了用Python函数通关Educoder计算思维训练的3个实战技巧,包括变量作用域、Lambda表达式和递归与生成器的应用。通过深入理解函数设计的底层逻辑,帮助学习者从模仿过渡到创造,提升编程能力。特别适合Python初学者和计算思维训练者。

weixin_42667269的博客 284

STM32MP157+AD7606BSTZ四通道IEPE传感器采集方案实战(附完整电路图)

本文详细介绍了基于STM32MP157和AD7606BSTZ的四通道IEPE传感器采集方案,涵盖硬件电路设计、软件驱动开发及系统性能优化。通过精确的恒流源设计和同步采样技术,实现高精度振动信号采集,适用于工业振动监测等应用场景。

weixin_42713608的博客 712

避坑指南:Unity新版InputSystem在移动端的5个常见问题及解决方案

本文针对Unity新版InputSystem在移动端开发中的常见问题,提供了5个关键解决方案,包括虚拟摇杆灵敏度调节、多点触控冲突处理、按钮反馈延迟优化、手势识别与陀螺仪数据融合以及Android/iOS平台差异处理。这些实战经验帮助开发者高效解决触控适配难题,提升移动游戏体验。

soda5的博客 405

Pillow 架构深度剖析:8 个 C 扩展模块与 Python 插件系统的协作原理

Pillow(Python Imaging Library 的主流分支)是 Python 生态中使用最广泛的图像处理库。它的 Pillow 架构采用"Python 负责接口与格式解析、C 负责像素级高性能计算"的双层设计:底层由 8 个 C 扩展模块承担解码、渲染、色彩管理等重活,上层则由 40 多个 Python 格式插件通过注册机制协作完成"打开/保存"全流程。本文带你快速看懂这套架构的分工与

gitblog_01022的博客 706

NVIDIA Isaac Sim 联合 VS Code 开发调试环境配置

在 Visual Studio Code (VS Code) 中打开 Isaac Sim 软件包主文件夹,即可打开该工作区。注意建议在学习教程和示例时使用 Visual Studio Code。另请参见有关 VS Code 工作区的详细信息,请参阅 Visual Studio Code (VS Code) 文档。

2506_90492529的博客 3110
上一篇: 如何在 Win上写 Python 代码?最佳攻略来袭!
下一篇: Python学习必备网站推荐!
菜鸟学Python
博客等级 码龄9年 8094粉丝 571原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值