### 递归函数

自己调用自己的函数

### eval()函数

功能将字符串str当成有效表达式来求职并返回计算结果

语法：

eval(source[,globals[,locals]])-->value

source：一个Python表达式或者函数compile（）返回的代码对象

globals:可选，必须是dictionary

locals:可选，任意映射对象

```python

b=2
c=eval("a+b")
print(c)

dict1=dict(a=100,b=200)#创建一个新的字典

d=eval("a+b",dict1)
print(d)

```

时间复杂度

### lambda表达式和匿名函数

语法：lambda arg1,arg2,arg3...:<表达式>

```python

f=(lambda a,b,c:a+b+c)
print(f(2,3,4))
g=[lambda a:a*2,lambda b:b**2,lambda c:c/3]
print(g[0](5),g[0](3),g[1](3),g[2](7))

```

### 可变参数

1.一个星号，将多个参数放入元组

2.两个星号，多个参数放入字典

### 强制命名参数

```python

def f1(*a,b,c):
    print(a,b,c)
f1(2,b=3,c=4)
f1(2,3,4)#会报错，因为，*a把2,3,4,都收入里面，导致b.c没有赋值

```

### 参数的几种类型

1.位置参数

2.默认值参数

3.命名参数

```python

def f1(a,b,c=10):
    print(a,b,c)

f1(8,9,19)#位置参数(同时有默认值参数，19优先与C原本的10)
f1(c=10,a=12,b=61)#命名参数，位置可以不同
运行结果：

8 9 19
12 61 10
```

传递不可变对象的时候是浅拷贝

#传递不可变对象时，如果发生拷贝，是浅拷贝

a=10
print("a:",id(a))

def test01(m):
    print("m:",id(m))
    m=20
    print(m)
    print("m:",id(m))

test01(a)

### 浅拷贝和深拷贝

浅拷贝：不拷贝对象的内容，只拷贝子对象的引用

深拷贝：会连子对象的内容也全部拷贝一份，对子对象的修改不会影响源对象

#测试浅拷贝和深拷贝

import copy
a=[10,20,[5,6]]
b=copy.copy(a)

print("a:",a)
print("b:",b)

b.append(30)
b[2].append(7)
print("浅拷贝。。。")
print("a:",a)
print("b:",b)

运行结果：

a: [10, 20, [5, 6]]
b: [10, 20, [5, 6]]
浅拷贝。。。
a: [10, 20, [5, 6, 7]]
b: [10, 20, [5, 6, 7], 30]

2.传递把不可变对象

不可变对象有字符串，数字，元组，function

传递不可变对象时，发生的运行逻辑，由于原对象不可变，会产生一个新的对象

### 参数的传递

1.对可变对象进行写操作

a=[10,20]

print(id(a))
print(a)
def test01(m):
    print(id(m))
    m.append(300)
    print(id(m))

test01(a)
print(a)

1.全局变量应尽量避免使用

2.局部比全局变量快

3.局部变量和全局变量一样是，系统自动使用局部变量

4.局部变量通过产生栈帧临时保存地址

5.在函数中用golbal声明，则局部变量变为全局变量

返回值

1.默认返回None

2.结束函数运行

printMax(a,b):

形参，在定义时使用

实参，在调用时会用

1.括号内是形参列表，有多个参数要用逗号隔开

2.形参不需要声明类型，也不需要指定函数返回值类型

3.无参数，也必须保留空的圆括号

4.实参列表必须与形参列表一一对应

import turtle

t=turtle.Pen()

t.circle(50)
t.penup()
t.goto(0,-50)
t.pendown()
t.circle(100)
t.penup()
t.goto(0,-100)
t.pendown()
t.circle(150)
turtle.done()

###  推导式创建序列

#### 列表推导式

[表达式 for item in 可迭代对象]

或者：{表达式 for item in 可迭代对象 if 条件判断}

也可以两个循环

```python

例子1：

y=[x*2 for x in range(1,50) if x%5==0]
print(y)

例子2：

cells=[(a,b) for a in range(1,10) for b in range(1,10)]
print(cells)

```

#### 字典推导式

{key_expression : value_expression for 表达式 in 可迭代对象}

```python

my_text="i love you,i love sxt,i love gaoqi"
char_count={c:my_text.count(c) for c in my_text}#count（）表示字符出现的次数
print(char_count)

```

#### 集合推导式

```python

b={x for x in range(1,100) if x%9==0}
print(b)

```

#### 生成器推导式

一个生成器只能运行一次，迭代第一次后，再迭代就没有数据了

```python

a=(x for x in range(4))
print(tuple(a))#tuple是生成元组的意思

```

用zip()并行迭代

### 循环代码的优化

原则：

1.尽量减少不必要的计算

2.尽可能把东西往循环外面放

3.尽量使用局部变量

```python

import time

start=time.time()
for i in range(3000):
    result=[]
    for m in range(10000):
        result.append(i*1000+m*100)
end=time.time()
print("耗时：{0}".format(end-start))


start2=time.time()
for i in range(3000):
    result=[]
    c=i*1000
    for m in range(10000):
        result.append(c+m*100)
end2=time.time()
print("耗时：{0}".format(end2-start2))

```

### 其他优化手段

1.连接多个字符，使用join（）而不使用+

2.列表进行元素插入和删除，尽量在列表尾部操作

3.zip（）

几何概率：与构成事件的长、面积、体积 成比例；

几何概率特点：基本事件 的无限性（抽象）、等可能性；

古典概型特点：基本事件 的有限性（具象）、等可能性；

del 删除变量