Python常用内置函数、方法、技巧汇总

1. 字典序与数字序

最常见的两种排序依据是字典序和数字序。

字典序就是按照字符在ASCII码值表中的排列方式进行排序。
其较为严格的定义是，对于两个字符串x和y，

• 譬如"abandon"和"an"的比较，存在"abandon" < “an”，因为第二个字符"n"在字符串排在"b"后面
• 譬如"10"和"2"的比较，存在"10" < “2”，因为第一个字符"1"在中排在"2"前面。
• 空字符串比一切字符都小，譬如"abc"和"abcd"的比较，存在"abc" < “abcd”，因为"abc"的第四位可以看作是一个空字符串"“，该空字符串”“小于"d”。
  可以简单理解为，字符串在现实中的字典里是怎么排布的，字典序就是怎么排布的。

数字序就是按照数字大小来进行排序。

• 譬如10和2的比较，显然10 > 2。

不管是字典序还是数字序，都有升序和降序两种排序形式，前者指从小到大排列，后者指从大到小排列。可以从下表的例子中看出他们之间的关系。

2. 稳定排序与不稳定排序

所谓稳定排序，是指key相同的元素在排序后的新数组中，其位置相对于原数组不发生改变。反之则成为不稳定排序。在常见的排序算法中，归并排序属于稳定排序，快速排序属于不稳定排序。

如题目：给定一个非空数组(列表)，其中元素数据类型为整型，请按照数组元素十进制最低位从小到大进行排序，
十进制最低位相同的元素，相对位置保持不变，当数组元素为负值时，十进制最低位等同于去除符号位后对应十进制值最低位。
输入描述
给定一个非空数组，其元素数据类型为32位有符号整数，数组长度为[1,1000]。
输出描述
输出排序后的数组
示例
输入

1,2,5,-21,22,11,55,-101,42,8,7,32

输出

1,-21,11,-101,2,22,42,32,5,55,7,8

我们做出了如下的排序操作。

nums.sort(key = lambda x: int(x[-1]))

指定了字符串x的最后一个字符来作为排序依据key。当key相等时，元素会维持在原数组中的相对位置保持不变，达到稳定排序的结果。达到如下的输入、输出结果。

>>> 1,2,5,-21,22,11,55,-101,42,8,7,32 # 输入
>>> 1,-21,11,-101,2,22,42,32,5,55,7,8 # 输出

3. 三目运算符/三元表达式

三目运算符（有些人也称三元表达式）可以看作是if语句的简写版本，其基本语法结构为：

• 语句1 if 条件 else 语句2
  其含义为：如果if后所带的条件满足，则会执行语句1，否则执行语句2。

ans = 1 if True else 0
print(ans)    # 得到1

ans = 1 if False else 0
print(ans)    # 得到0

print(1) if True else print(0)    # 输出1

4. lambda匿名函数

匿名函数，顾名思义就是不需要具体定义函数名的函数。我们首先抛开复杂的定义，看两个具体例子。

先看一个无参数函数的例子。假设我们需要一个return 1的函数，如果使用普通的函数定义方式，其代码为：

# 使用def关键字进行函数定义
def get_one():
    return 1

# 输出1
print(get_one())

如果我们使用lambda匿名函数，我们则不需要使用def关键字而改用lambda关键字，其代码为：

# 使用lambda匿名函数进行函数定义
# 注意这里的get_one_lambda看似是一个变量名
# 但实际上是一个函数名
get_one_lambda = lambda: 1

print(get_one_lambda)
# 输出形如 <function <lambda> at 0x00000249F7AD7B00> 的结果
# 这一长串复杂的十六进制数是函数get_one_lambda的内存地址
 
print(get_one_lambda())
# 在函数名get_one_lambda后面加上括号，才能正确地输出1

把上述代码进行合并操作，可以无需声明函数名get_one_lambda，直接得到结果：

# 这里的(lambda: 1)等价于上面的函数名get_one_lambda
# (lambda: 1)()等价于get_one_lambda()
# 显然get_one_lambda这个函数名是不必要的，故称之为"lambda匿名函数"

print(lambda: 1)        
# 输出形如 <function <lambda> at 0x00000249F7AD7B00> 的结果
# 这一长串复杂的十六进制数是该匿名函数的内存地址

print((lambda: 1)())
# 在匿名函数后面加上括号，才能正确地输出1

再看一个有参数函数的例子。假设我们需要一个计算两个参数x和y相加return x+y的函数，如果使用普通的函数定义方式，其代码为：

# 使用def关键字进行函数定义
def add(x, y):
    return x+y

# 输出30
print(add(10, 20))

如果我们使用lambda匿名函数，我们则不需要使用def关键字而改用lambda关键字，其代码为：

# 使用lambda匿名函数进行函数定义
# 注意这里的get_one_lambda看似是一个变量名
# 但实际上是一个函数名
add_lambda = lambda x,y: x+y

print(add_lambda)        
# 输出形如 <function <lambda> at 0x00000249F7AD7B00> 的结果
# 这一长串复杂的十六进制数是函数add_lambda的内存地址

print(add_lambda(10, 20))
# 在函数名add_lambda后面加上括号并传入参数，才能正确地输出结果

把上述代码进行合并操作，可以无需声明函数名add_lambda，直接传入两个数字10和20，得到结果：

# 这里的(lambda x,y: x+y)等价于上面的函数名add_lambda
# (lambda x,y: x+y)(10, 20)等价于add_lambda(10, 20)
# 显然add_lambda这个函数名是不必要的，故称之为"lambda匿名函数"

print(lambda x,y: x+y)        
# 输出形如 <function <lambda> at 0x00000249F7AD7B00> 的结果
# 这一长串复杂的十六进制数是该匿名函数的内存地址

print((lambda x,y: x+y)(10, 20))
# 在匿名函数后面加上括号并传入参数，才能正确地输出结果

根据上述两个例子已经能够看出端倪了，有以下重要结论：

1. lambda匿名函数本质上是一个函数，而不是一个变量，使用lambda匿名函数可以得到一个函数。
2. 定义lambda匿名函数的语法为：lambda [形参]: 返回值，形参的数量可以为0，即支持定义无参数匿名函数。
3. 使用lambda匿名函数的语法为：(lambda [形参]: 返回值) ([实参])，一般情况下，实参的数量应该和定义的形参数量一致。
   *注：上述语句中的中括号[]表示非必须结构。

最后我们来看lambda匿名函数在算法题中的几个经典用法。

1.defaultdict()

使用内置模块collections中的defaultdict(func)，能够将哈希表的值value的默认类型设置为func，其中func是某种数据类型初始化函数的函数名，如int，list，dict等等。

假设我们想要value的默认值为1，其中一种方法通过def关键字定义一个叫做get_one()的函数，并且将函数名get_one作为函数名传入defaultdict(func)中。

from collections import defaultdict

# 使用def关键字进行函数定义
def get_one():
    return 1

# 哈希表d的value的默认值即为1
# 注意这里传入的是函数名get_one，而不是调用函数get_one()
d = defaultdict(get_one)

# 输出1
print(d[0])

通过前面分析我们知道，get_one这个函数名实际上等同于lambda: 1，故我们不需要对get_one()显式地进行定义，使用lambda匿名函数能够使得代码更加整洁。

from collections import defaultdict

# 哈希表d1的value的默认值即为1
d_lambda = defaultdict(lambda: 1)

# 输出1
print(d_lambda[0])

2. sort()方法或内置函数sorted()

sort()方法和内置函数sorted()均包含key参数，用来指定排序的依据。key参数传入的也是一个函数名func，可以简单理解为对列表中的所有元素均使用函数func后，以得到的结果为依据对原列表进行排序。
假设我们想要对字符串按照长度来排序，可以指定len()内置函数为排序依据。

lst = ["123", "4567", "0", "12", "789"]

# 注意这里key参数传入是函数名len，而不是调用函数len()
lst.sort(key = len)

# 输出['0', '12', '123', '789', '4567']
print(lst)

上述代码也可以写成lambda匿名函数的形式。

lst = ["123", "4567", "0", "12", "789"]

# 注意这里key参数传入是函数名len，而不是调用函数len()
lst.sort(key = lambda x: len(x))

# 输出['0', '12', '123', '789', '4567']
print(lst)

如果对于长度相同的字符串，我们还想要按照数字序降序排列，那么仅用len()函数是无法完成的，只能通过进一步完善lambda匿名函数来完成。

lst = ["123", "4567", "0", "12", "789"]

# 注意这里key参数传入是函数名len，而不是调用函数len()
lst.sort(key = lambda x: (len(x), -int(x)))

# 输出['0', '12', '789', '123', '4567']
print(lst)

3. 内置函数map()

内置函数map(func, iter)包含两个参数，分别是函数名func和可迭代对象iter。这里的func参数不仅可以传入已有的内置函数或自定义函数的函数名，也可以直接用lambda匿名函数完成。

譬如想要对由二进制字符串组成的列表lst_bin中的每一个字符串用先导0填充至长度为4，如果我们使用def关键字定义一个叫做get_pre_0()的函数，可以这样实现：

# 使用def关键字进行函数定义
# (4-len(s))能够获得应该填充的先导零"0"的个数
def get_pre_0(s):
    return (4-len(s))*"0" + s

lst_bin = ["10", "101", "1100", "1", "0"]

# 注意这里key参数传入是函数名get_pre_0，而不是调用函数get_pre_0()
lst_with_pre_0 = list(map(get_pre_0, lst_bin))

# 输出['0010', '0101', '1100', '0001', '0000']
print(lst_with_pre_0)

使用lambda匿名函数，无需具体定义函数get_pre_0()，亦可完成同样操作。

lst_bin = ["10", "101", "1100", "1", "0"]

# 使用lambda匿名函数，无需具体定义函数get_pre_0()
lst_with_pre_0_lambda = list(map(lambda x: (4-len(x))*"0" + x, lst_bin))

# 输出['0010', '0101', '1100', '0001', '0000']
print(lst_with_pre_0_lambda)

5. 基于元素之间关系的排序

在对数据进行排序的时候，可能会遇到这样一种情况。
我们希望通过比较元素之间的关系来进行排序，而非基于元素自身相关的某个指标来进行排序。
那么单纯使用参数key和lambda匿名函数就无法满足我们的需求了。

譬如【贪心】2024E-卡片组成的最大数字（小组中每个人都有一张卡片，卡片上是6位以内的正整数，组员将卡片连起来可以组成多种数字。计算可以组成的最大数字。）中遇到的情形，我们希望字符串数组中，两两元素之间，按照能拼接出更大字典序的方式来排列。

在Python中我们可以通过导入functools中的cmp_to_key函数并结合传入函数名compare实现这样的排序。
其具体代码如下

from functools import cmp_to_key

# 用来作为cmp_to_key的比较函数
def compare(x, y):
    # x+y组成的数字更大，x应该排在y前面
    if x+y > y+x:
        return -1
    # y+x组成的数字更大，y应该排在x前面
    elif x+y < y+x:
        return 1
    # x+y和y+x组成的数字一样大，x和y之间的位置关系无关紧要
    else:
        return 0

# 对输入根据","进行切割，得到字符串数组lst
lst = input().split(",")
# 对lst根据compare的比较规则，调用cmp_to_key函数进行排序
lst.sort(key = cmp_to_key(compare))
# 对lst排序后的结果进行输出
print("".join(lst))

或者

from functools import cmp_to_key

# 用来作为cmp_to_key的比较函数
def compare(x, y):
    # x+y组成的数字更大，x应该排在y前面
    if x+y > y+x:
        return -1
    # y+x组成的数字更大，y应该排在x前面
    elif x+y < y+x:
        return 1
    # x+y和y+x组成的数字一样大，x和y之间的位置关系无关紧要
    else:
        return 0

# 对输入根据","进行切割，得到字符串数组lst
lst = input().split(",")
# 对lst根据构建的lambda匿名函数为比较规则，调用cmp_to_key函数进行排序
lst.sort(key = cmp_to_key(lambda x, y: int(y+x)-int(x+y)))
# 对lst排序后的结果进行输出
print("".join(lst))

6. ord()与chr()

这两个函数用于ASCII码值和对应字符之间的转化。

• ord(ch)可以将字符ch转化为对应ASCII码值。其中ord()表示的是order的意思。
• chr(num)可以将ASCII码值num转化为对应字符。其中chr()表示的是character的意思。

print(ord("0"))    # 得到48
print(ord("A"))    # 得到65
print(ord("B"))    # 得到66
print(ord("a"))    # 得到97
print(ord("b"))    # 得到98

print(chr(48))     # 得到"0"
print(chr(66))     # 得到"C"
print(chr(67))     # 得到"D"
print(chr(99))     # 得到"c"
print(chr(100))    # 得到"d"

一个常用的技巧是，如果有一个小写字母ch，想令其拥有形如"a": 0， “b”: 1，“c”: 2，…，“z”: 25这样的字母表顺序映射关系，我们可以通过以下代码得到。

# 假设字符ch是"c"，其映射在字母表中顺序的映射应该是2
ch = "c"                    

# ord(ch)是99，ord("a")是97，相减得到2
idx = ord(ch) - ord("a")

这个技巧常用于用列表表示已知范围的哈希表的操作。

关于ASCII码值更加详细的内容，可以看百度百科-ASCII码值。

7. all()与any()

内置函数all()与any()中传入的是一个可迭代对象iter（如一个列表lst），返回值为一个布尔类型。

• 对于all(iter)而言，如果可迭代对象iter中所有的值均为True，那么all(iter)会返回True，否则返回False
• 对于any(iter)而言，如果可迭代对象iter中任意的值满足True，那么any(iter)会返回True，否则返回False

print(all([True, True, True]))
print(all([True, True, False]))

print(any([False, False, False]))
print(any([True, True, False]))

注意这两个内置函数，经常搭配推导式一起使用。

8. 全局变量

如果在自定义函数体外声明了一个全局变量，可以用在函数体中用global关键字来修饰这个全局变量，那么该变量就可以在函数体中直接使用了。这个技巧在DFS题目中非常实用，用于避免写出逻辑复杂的return返回值。

def f():
    global ans
    ans += 1

ans = 0
print(ans)
f()
print(ans)

9. 最大递归深度

当我们在做DFS和回溯题目的时候，通常会使用递归来实现。Python中默认的最大递归深度是1000，但有时候由于用例本身的问题，程度的递归深度会超过1000，就会出现如下的报错

RecursionError: maximum recursion depth exceeded in comparison

在确认代码无误的情况下，我们可以使用sys内置库中的setrecursionlimit()方法，来重新设置最大递归深度，其具体代码如下

import sys
sys.setrecursionlimit(1000000)    # 这里不一定设置1000000，设置成一个很大的数即可

上述两行代码加在程序的最前方即可。