day25 map,filter,reduce 内置函数,作业

本文通过具体的Python编程案例,展示了如何使用map、filter和reduce等高级函数处理数据。包括修改字符串列表中的元素、筛选股票价格以及计算投资总额等实用场景。

=====================作业一
#用map来处理字符串列表啊,把列表中所有人都变成sb,比方alex_sb
name=['alex','wupeiqi','yuanhao']
#######################################################
def name_sb(x):
return x+'_sb'#加 _sb 的函数
res=map(name_sb,name)
print(list(res))
#######################################################
res=(list(map(lambda x:x+'_sb',name)))
print(res)
#######################################################

 

#用map来处理下述l,然后用list得到一个新的列表,列表中每个人的名字都是sb结尾
l=[{'name':'alex'},{'name':'y'}]
#######################################################
l=[{'name':'alex'},{'name':'y'}]
def name_sb(x):
return x['name'] + '_sb'
res=list(map(name_sb,l))
print(res)
#######################################################
res=(list(map(lambda x:x['name']+'_sb',l)))
print(res)
#######################################################

 


=====================作业二
#用filter来处理,得到股票价格大于20的股票名字
shares={
'IBM':36.6,
'Lenovo':23.2,
'oldboy':21.2,
'ocean':10.2,
}
##################################################
res=list(filter(lambda d:shares[d]>20,shares))
print(res)
##################################################


=====================作业三
#如下,每个小字典的name对应股票名字,shares对应多少股,price对应股票的价格
portfolio = [
{'name': 'IBM', 'shares': 100, 'price': 91.1},
{'name': 'AAPL', 'shares': 50, 'price': 543.22},
{'name': 'FB', 'shares': 200, 'price': 21.09},
{'name': 'HPQ', 'shares': 35, 'price': 31.75},
{'name': 'YHOO', 'shares': 45, 'price': 16.35},
{'name': 'ACME', 'shares': 75, 'price': 115.65}
]

1:map来得出一个包含数字的迭代器,数字指的是:购买每支股票的总价格
########################################
res=list(map(lambda x:x['shares'] * x['price'],portfolio))
print(res)
#############################################

2:基于1的结果,用reduce来计算,购买这些股票总共花了多少钱
#########################################
from functools import reduce
res=reduce(lambda x,y:x+y,res)
print(res)
#########################################
3:用filter过滤出,单价大于100的股票有哪些

res=filter(lambda x:x['price']>100 ,portfolio)
print(list(res))

转载于:https://www.cnblogs.com/pyyu/p/6705414.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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