7. Python的内置函数
Hi，大家好。我是茶桁。
讲完了基础函数和高阶函数之后，我们这一节来研究下Python的内置函数，看看Python在安装完毕之后的解释器里，到底都预先给我们提供好了哪些可用的函数。
本节内容着重介绍一些常用函数，并且会做一些应用上的示例。当然，对于Python的内置函数，我们还可以查询官方文档，我这节参照的为3.10版本文档
range()函数
这几节课中，我们频繁使用并且着重介绍过这个函数，那我们就从它开始介绍吧。
一般我们需要遍历一个数值序列的时候，range()函数就会派上用场，它生成算数级数。
'''
range() 函数
功能： 能够生成一个置顶的数值序列
参数：
start: 开始的值，默认为0
stop: 结束的值
[, step]: 可选，步进值， 默认为1
返回值： 可迭代的对象，数字序列
'''
range(start, stop, [, step])
让我们来看一下：
res = range(10)
print(res, type(res))
-----------------------------
range(0, 10) <class 'range'>
可以看到这其实就是一个range的类，其实在我们Python中，任何数据都是一个对象而已。
来看案例：
# range函数的使用方式
res = range(11)
print(list(res))
-----------------------------
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
当我们的range内只写一个参数时，这个参数就是stop值，也就是从start的默认值0开始到输入的参数值（stop）之前为止，比如这段代码中，stop会结束到11之前，也就是10。
我们在这段代码中，将range的内容转化成一个list并打印了出来。当然，我们也可以使用循环，依次去除range内的内容：
for i in res:
print(i, end=" ")
-----------------------------
0 1 2 3 4 5 6 7 8 9 10
记得上节课我们提到过，range()是不支持next()函数的，不过如果我们将其转成迭代器，就可以使用next()函数调用：
res = iter(range(11))
print(next(res))
print(next(res))
print(list(res))
-----------------------------
0
1
[2, 3, 4, 5, 6, 7, 8, 9, 10]
可以看到，使用iter转成迭代器之后，可以正常使用next()函数，并且我们再次查看res的内容，0,1已经被拿走，只将剩余内容转化为list打印了出来。
当我们在range中添加两个参数的时候，start就是第一个参数，第二个参数就是stop值。
# 添加两个参数
for i in range(5, 10):
print(i, end=" ")
-----------------------------
5 6 7 8 9
当我们输入三个参数的时候，第一个参数为start, 第二个参数为stop, 第三个参数就是[, step]， 比如：
# 添加三个参数
for i in range(1, 10, 3):
print(i, end=" ")
-----------------------------
1 4 7
这段代码的含义就是从1开始, 以3为步进来提取数字，并打印出来，一直到10之前的数字为止。
如果不太理解步进值的可以执行数一遍就理解了，比如我们从1开始顺序往后数3个数，那就是2、3、4，数到了4, 再继续往后数3个数，就是5、6、7，数到了7。再继续往后就是8、9、10。但是，我们代码中的stop值为10，所以到9就结束了，也就是说，我们这段代码就只取出了1, 4, 7三个值。
三种参数值的情况我们都了解之后我们可以思考下，难道我们只能选择顺序取值吗？其实不然，我们还可以倒叙取值，聪明的小伙伴可能想到了，调换一下start和stop值不就可以了嘛？我们从10开始取值，取到0为止：
for i in range(10, 0):
print(i, end=" ")
执行一下，哎，似乎什么都没打印出来。这又是为什么呢？是不是出BUG了？
其实，什么都没打印出来才是正确的，这是因为，虽然我们给了开始和结束值，但是我们遗忘了一个重要的参数，那就是步进值step，这个值默认可是1，从10开始+1来计数，无论如何也算不到0。所以，我们将步进值改成负数，也就是倒着数了:
for i in range(10, 0, -1):
print(i, end=" ")
-----------------------------
10 9 8 7 6 5 4 3 2 1
至此，我们可以得到结论，是否倒叙取值除了开始和结束值，更重要的是看step是正数还是负数。
res = range(-10,-20,-1)
# [-10, -11, -12, -13, -14, -15, -16, -17, -18, -19]
res = range(-20,-10)
# [-20, -19, -18, -17, -16, -15, -14, -13, -12, -11]
res = range(-10,10)
# [-10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
zip()函数
zip() 函数可以接受多个可迭代的对象，然后把每个可迭代对象中的第i隔元素组合在一起，形成一个新的迭代器。
'''
参数： *iterables, 任意个的可迭代对象
返回值： 返回一个元组的迭代器
'''
zip(*iterables)
让我们来直接看示例：
n1 = '1234'
n2 = ['a', 'b', 'c']
n3 = ['A', 'B', 'C', 'D']
# 调用zip函数，合成新的元组迭代器
res = zip(n1, n2, n3)
print(list(res))
-----------------------------
[('1', 'a', 'A'), ('2', 'b', 'B'), ('3', 'c', 'C')]
我知道你们看到这个执行结果会有很多疑问，先别着急，我们先看一下它是否包含迭代器的特性：
for i in res:
print(i)
当你执行这段代码的时候就会发现，似乎什么都没发生。
那到底是怎么回事？我们不用for，让我们再转换一次list之后看看里边有什么：
print(list(res))
-----------------------------
[]
列表居然是空的。是不是瞬间想到了什么？
没错，这个似乎就是迭代器的特性之一，当其中元素被使用之后，会删掉使用过的元素。而我们之前在执行print(list(res))的时候，已经将内部元素都转成list并展现过，所以现在res内的元素都被删掉了。
没事，让我们再重新来定义一次，也就是重新给res内填满元素然后直接for循环一次看看：
n1 = '1234'
n2 = ['a', 'b', 'c']
n3 = ['A', 'B', 'C', 'D']
# 调用zip函数，合成新的元组迭代器
res = zip(n1, n2, n3)
for i in res:
print(i)
-----------------------------：
('1', 'a', 'A')
('2', 'b', 'B')
('3', 'c', 'C')
我们可以看到，每次打印i的时候都打印了一个元组，而这个元组就是一个新元素，比如第一行('1', 'a', 'A'), 这整个元组就是一个新元素。
让我们再用next试试（当然我又重新填满了res）：
print(next(res))
print(next(res))
-----------------------------
('1', 'a', 'A')
('2', 'b', 'B')
next函数也能正常执行，那可以说明，zip确实组合成了一个新的迭代器。
现在我们返回来再看一遍代码中的n1,n2,n3, 分别是1234, [‘a’, 'b', 'c'], ['A', 'B', 'C', 'D']。最后组成的迭代器对象为：[('1', 'a', 'A'), ('2', 'b', 'B'), ('3', 'c', 'C')]。
通过分析可以看出来，zip的工作原理是先分别取可迭代对象的第一个元素组合成一个元组，然后再分别取第二个元素组合成一个元组，依次往后取...
可是n1, n3分别都是四个元素，为什么我们最后只组合成了三个元组？那是因为n2中只包含了三个元素，当在其中找不到第四个元素的时候，就会放弃组合。
来，让我们在看一个示例：
n1 = [1, 2, 3, 4]
n2 = [22, 33, 44, 55]
res = zip(n1, n2)
print(list(res))
-----------------------------
[(1, 22), (2, 33), (3, 44), (4, 55)]
大家看到最后的执行结果有没有觉得很眼熟？可能很多小伙伴一时间想不到，我们来调整一下：
[
(1, 22),
(2, 33),
(3, 44),
(4, 55)
]
记住这个数据结构，我们在后期做数据分析的时候， 当我们做矩阵运算的时候用的非常多。
不知道大家是否都学过高等数学里的线性代数、微积分，包括概率统计。这些在我们之后做数据分析，数据挖掘，包括机器学习、人工智能这些科学运算里面，非常重要的一些数学功底。
不太记得了也没关系，这些我后面将会专门拿几节出来给大家补一下这方面。
让我们继续，zip还有一种应用方式，当其与*运算符结合使用的时候，可以用来拆解列表：
# zip 与 * 运算符相结合使用
x = [1, 2, 3]
y = [4, 5, 6]
print(zip(x, y))
print(*zip(x, y))
-----------------------------
<zip object at 0x107b8d200>
(1, 4) (2, 5) (3, 6)
可以看到，zip是一个迭代器，*zip这生成了组合好的多个元组数据。
比如：
x1 = [1, 2, 3]
y1 = [4, 5, 6]
x2, y2 = zip(*zip(x, y))
print(x2, y2)
-----------------------------
(1, 2, 3) (4, 5, 6)
这样，我们就将两个列表转换成了两个元组。当然，其实我们这样操作还不如直接使用tuple函数来的方便快捷一点。
那下面，我们就看看都有哪些数据类型转换相关的内置函数。
数据类型转换相关的内置函数
这些函数的功能非常简单和单一，属于拿来就用的函数，我们就仅列出来，不多做介绍了。
int()将其它类型数据转为整型float()转为浮点类型bool()转为布尔类型complex()转为复数str()转为字符串类型list转为列表类型tuple转为元组类型dict转为字典类型set转为集合类型
变量相关函数
id()获取当前数据的ID标识type()获取当前数据的类型字符串print()数据的打印input()获取输入的数据isinstance()检测是否为指定的数据类型
数学相关函数
abs()获取一个数的绝对值
print(abs(-99.99))
-----------------------------
99.99
sum()求和 从 start 开始自左向右对 iterable 中的项求和并返回总计值
print(sum([1,2,3]))
-----------------------------
6
max() 获取最大值
print(max([1,2,3]))
print(max(99,12,45))
-----------------------------
3
99
min() 获取最小值
print(min([2,1,6,-9]))
print(min(6,7,1,0,-2))
-----------------------------
-9
-2
pow(x, y)幂运算 返回 x 的 y 次幂
print(pow(2,3))
-----------------------------
8
round(x, n) 对x四舍五入，小数点保留n位
print(round(3.1415926))
print(round(3.1415926,2))
-----------------------------
3
3.14
round这个函数不是绝对意义上的四舍五入，在取整这个问题是是奇进偶退：
print(round(3.5))
print(round(4.5))
-----------------------------：
4
4
进制函数及字符集
bin() 将数值类型转为二进制
print(bin(123))
-----------------------------
0b1111011
int() 将二进制转化为整型
print(int(0b1111011))
-----------------------------
123
oct() 转为八进制数
print(oct(123))
-----------------------------
0o173
hex() 转为十六进制数
print(hex(123))
-----------------------------
0x7b
ASCII及字符集
ASCII，全称为美国信息互换标准代码。是一套基于拉丁字母的字符编码，共收录了 128 个字符，用一个字节就可以存储，它等同于国际标准 ISO/IEC 646。它一共有128个支付，最后更新是1986年。
我们要知道的是，ASCII 编码是美国人给自己设计的，他们并没有考虑欧洲那些扩展的拉丁字母，也没有考虑韩语和日语，我大中华几万个汉字更是不可能被重视。计算机也是美国人发明的，起初使用的就是 ASCII 码，只能显示英文字符。各个国家为了让本国公民也能正常使用计算机，开始效仿 ASCII 开发自己的字符编码，例如 ISO/IEC 8859（欧洲字符集）、shift_Jis（日语字符集）、GBK（中文字符集）等。
从65开始到90为止，是大写字母（A ~ Z), 97到122是小写字母(a ~ z)，48到57是0 ~ 9。
而我们经常使用的是GB2312-80, GBK和GBK18030以及Unicode字符集。
GB2312-80 是 1980 年制定的中国汉字编码国家标准。共收录 7445 个字符，其中汉字 6763 个。
GBK 于1995年制定 收录了 21003 个汉字。GBK向下与 GB 2312 编码兼容，
GBK18030 2001年的1月正式强制执行，是我国制订的以汉字为主并包含多种我国少数民族文字（如藏、蒙古、傣、彝、朝鲜、维吾尔文等）的超大型中文编码字符集强制性标准，其中收入汉字70000余。
Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准，包括字符集、编码方案等。
- 它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。
- UTF-8 以字节为单位对Unicode进行编码。
我们现在写代码的时候基本遵循UTF-8编码为主。
有的时候，我们是需要将字符转为ASCII， 也有对应的方法：
print(ord('a'))
-----------------------------
a
将ASCII转为字符也一样：
print(chr(65))
-----------------------------
A
高阶函数
和上一节课不同，我们现在要讲的高阶函数，是Python解释器里的内置高阶函数。
sorted()
很多时候，我们在处理数据的时候都需要对数据进行排序。不管是以序号，名称还是日期的方式。sorted()就是我们最常用的排序函数：
sorted(iterable, [reverse, key])
‘’‘
运行原理：把可迭代数据里面的元素，一个一个的取出来，放到key这个函数中进行处理，并按照函数中return的结果进行排序，返回一个新的列表
功能：排序
参数：
iterable:可迭代的数据 （容器类型数据，range数据序列，迭代器）
reverse:可选，是否反转，默认为False，不反转， True反转
key:可选， 函数，可以是自定义函数，也可以是内置函数
返回值：排序后的结果
’‘’
我们来看几个示例，首先我们先来看看默认的排序方式：从小到大：
arr = [3,7,1,-9,20,10]
res = sorted(arr)
print(res)
-----------------------------
[-9, 1, 3, 7, 10, 20]
当然，既然我们能从小到大来进行排序，那就可以用从大到小的方式：
arr = [3,7,1,-9,20,10]
print(sorted(arr,reverse=True))
-----------------------------
[20, 10, 7, 3, 1, -9]
现在我们得到了从小到大排序，也得到了从大到小排序。然后我们再来作妖：能不能按照所有数字的绝对值大虾哦进行排序呢？哎，还记得我们刚讲过的数学相关的函数里有一个求绝对值的函数嘛？既然sorted()这个函数里的参数key可以接收函数，那让我们结合在一起试试看：
arr = [3,7,1,-9,20,10]
res = sorted(arr,key=abs)
print(res)
-----------------------------
[1, 3, 7, -9, 10, 20]
果然，我们得到了想要的结果。来分析下内部到底做了什么：
[3,7,1,-9,20,10] # 原始列表
3 7 1 9 20 10 # 求绝对值
1 3 7 9 10 20 # 给绝对值进行排序
1 3 7 -9 10 20 # 转换成原本的值
那现在，我再多尝试一下，我试试看自己定义一个函数：
def func(num):
return num % 2
函数定义好了，让我们尝试使用自定义函数对数据进行排序：
arr = [3,2,4,6,5,7,9]
print(sorted(arr, key = func))
-----------------------------
[2, 4, 6, 3, 5, 7, 9]
看似起结果了。那到底函数内干了些什么呢？让我们在其中多打印一点东西出来，看个明白：
def func(num):
print(num, num % 2, end=" ")
print()
return num % 2
arr = [3,2,4,6,5,7,9]
print(sorted(arr, key = func))
-----------------------------
3 1
2 0
4 0
6 0
5 1
7 1
9 1
[2, 4, 6, 3, 5, 7, 9]
这样我们就很清晰的看到了对原数字和取余结果，在对取余进行排序之后，再在取余的结果上进行默认的从小到大进行排序，就得到了最后的结果[2, 4, 6, 3, 5, 7, 9]
不过，这种功能大多数时候我们基本是临时用一下，特意写一个方法似乎有点多余。还记得咱们之前讲的匿名函数吧？让我们用匿名函数优化一下：
# 用匿名函数优化
arr = [3,2,4,6,5,7,9]
res = sorted(arr, key=lambda num:num%2)
print(res)
-----------------------------
[2, 4, 6, 3, 5, 7, 9]
正是我们所要的结果。
从这就能看出来，高阶函数sorted()的key因为能接收自定义函数，所以给了我们很大的可玩空间。小伙伴们还能想到哪些方法，快去做做实验。
map()
这个函数在对传入的可迭代数据中的每一个元素进行处理，然后返回一个新的迭代器：
map(func, *iterables)
'''
功能： 对传入的可迭代数据中的每个元素放入到函数中进行处理，返回一个新的迭代器
参数：
func 函数 自定义函数|内置函数
iterables：可迭代的数据
返回值：迭代器
'''
让我们先来看一个普通的函数：
# 把一个字符串数字的列表转为整型列表
items = ['1', '2', '3', '4']
new_list = []
for i in items:
new_list.append(int(i))
print(new_list)
-----------------------------
[1, 2, 3, 4]
我们将一个内部元素均为字符串的列表，转成了一个整型列表。
不过这个函数看起来似乎还是有些麻烦，让我们再用map试试看：
items = ['1', '2', '3', '4']
res = map(int, items)
print(list(res))
-----------------------------
[1, 2, 3, 4]
看，是不是简便多啦？当然，最后map最后生成的是迭代器而并不是列表，我们还是需要转化一下数据类型。
这段代码中map的处理方式其实非常简单，它将items里的每一个元素用int方法转换成整型，转换完之后形成一个新的迭代器，然后返回。
再让我们看一个示例感受一下, 这次我们将两段对比写在一起：
# 普通方法进行实现
items = [1, 2, 3, 4]
res = []
for i in items:
x = i ** 2
res.append(x)
print(res)
# 使用map函数处理
items = [1, 2, 3, 4]
def func(x):
return x ** 2
res = map(func, items)
print(res, list(res))
-----------------------------
[1, 4, 9, 16]
<map object at 0x107ea5030> [1, 4, 9, 16]
我们看到执行结果完全一样，不过使用map()的方式更简洁，逻辑也更清晰。我们要知道，Python本身是自带幂次方方法的。即便是我们自己来实现，其实我们还可以把代码写的更简洁：
items = [1, 2, 3, 4]
res = map(lambda x:x**2, items)
print(res,list(res))
-----------------------------
<map object at 0x107c98610> [1, 4, 9, 16]
基于map的应用，我们来个小作业吧：
我们现在有这样一个列表：
['a','b','c','d']要求将其转换成：
[65,66,67,68]
最后，再给大家留个课后作业， 我给大家两个函数及其功能介绍，大家自己去尝试看看，然后自己琢磨下其用法。
reduce()
reduce(func, iterable)
功能：每一次从 iterable 拿出两个元素，放入到func函数中进行处理，得出一个计算结果，然后把这个计算结果和iterable中的第三个元素，放入到func函数中继续运算，得出的结果和之后的第四个元素，加入到func函数中进行处理，以此类推，直到最后的元素都参与了运算
filter()
filter(func, iterable)
功能：过滤数据，把 iterable 中的每个元素拿到 func 函数中进行处理，如果函数返回True则保留这个数据，返回False则丢弃这个数据。
这两个函数在处理数据上作用都非常大。
好了，下课。大家有问题记得留言。
Hi，大家好。我是茶桁。
讲完了基础函数和高阶函数之后，我们这一节来研究下Python的内置函数，看看Python在安装完毕之后的解释器里，到底都预先给我们提供好了哪些可用的函数。
本节内容着重介绍一些常用函数，并且会做一些应用上的示例。当然，对于Python的内置函数，我们还可以查询官方文档，我这节参照的为3.10版本文档
range()函数
这几节课中，我们频繁使用并且着重介绍过这个函数，那我们就从它开始介绍吧。
一般我们需要遍历一个数值序列的时候，range()函数就会派上用场，它生成算数级数。
'''
range() 函数
功能： 能够生成一个置顶的数值序列
参数：
start: 开始的值，默认为0
stop: 结束的值
[, step]: 可选，步进值， 默认为1
返回值： 可迭代的对象，数字序列
'''
range(start, stop, [, step])
让我们来看一下：
res = range(10)
print(res, type(res))
-----------------------------
range(0, 10) <class 'range'>
可以看到这其实就是一个range的类，其实在我们Python中，任何数据都是一个对象而已。
来看案例：
# range函数的使用方式
res = range(11)
print(list(res))
-----------------------------
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
当我们的range内只写一个参数时，这个参数就是stop值，也就是从start的默认值0开始到输入的参数值（stop）之前为止，比如这段代码中，stop会结束到11之前，也就是10。
我们在这段代码中，将range的内容转化成一个list并打印了出来。当然，我们也可以使用循环，依次去除range内的内容：
for i in res:
print(i, end=" ")
-----------------------------
0 1 2 3 4 5 6 7 8 9 10
记得上节课我们提到过，range()是不支持next()函数的，不过如果我们将其转成迭代器，就可以使用next()函数调用：
res = iter(range(11))
print(next(res))
print(next(res))
print(list(res))
-----------------------------
0
1
[2, 3, 4, 5, 6, 7, 8, 9, 10]
可以看到，使用iter转成迭代器之后，可以正常使用next()函数，并且我们再次查看res的内容，0,1已经被拿走，只将剩余内容转化为list打印了出来。
当我们在range中添加两个参数的时候，start就是第一个参数，第二个参数就是stop值。
# 添加两个参数
for i in range(5, 10):
print(i, end=" ")
-----------------------------
5 6 7 8 9
当我们输入三个参数的时候，第一个参数为start, 第二个参数为stop, 第三个参数就是[, step]， 比如：
# 添加三个参数
for i in range(1, 10, 3):
print(i, end=" ")
-----------------------------
1 4 7
这段代码的含义就是从1开始, 以3为步进来提取数字，并打印出来，一直到10之前的数字为止。
如果不太理解步进值的可以执行数一遍就理解了，比如我们从1开始顺序往后数3个数，那就是2、3、4，数到了4, 再继续往后数3个数，就是5、6、7，数到了7。再继续往后就是8、9、10。但是，我们代码中的stop值为10，所以到9就结束了，也就是说，我们这段代码就只取出了1, 4, 7三个值。
三种参数值的情况我们都了解之后我们可以思考下，难道我们只能选择顺序取值吗？其实不然，我们还可以倒叙取值，聪明的小伙伴可能想到了，调换一下start和stop值不就可以了嘛？我们从10开始取值，取到0为止：
for i in range(10, 0):
print(i, end=" ")
执行一下，哎，似乎什么都没打印出来。这又是为什么呢？是不是出BUG了？
其实，什么都没打印出来才是正确的，这是因为，虽然我们给了开始和结束值，但是我们遗忘了一个重要的参数，那就是步进值step，这个值默认可是1，从10开始+1来计数，无论如何也算不到0。所以，我们将步进值改成负数，也就是倒着数了:
for i in range(10, 0, -1):
print(i, end=" ")
-----------------------------
10 9 8 7 6 5 4 3 2 1
至此，我们可以得到结论，是否倒叙取值除了开始和结束值，更重要的是看step是正数还是负数。
res = range(-10,-20,-1)
# [-10, -11, -12, -13, -14, -15, -16, -17, -18, -19]
res = range(-20,-10)
# [-20, -19, -18, -17, -16, -15, -14, -13, -12, -11]
res = range(-10,10)
# [-10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
zip()函数
zip() 函数可以接受多个可迭代的对象，然后把每个可迭代对象中的第i隔元素组合在一起，形成一个新的迭代器。
'''
参数： *iterables, 任意个的可迭代对象
返回值： 返回一个元组的迭代器
'''
zip(*iterables)
让我们来直接看示例：
n1 = '1234'
n2 = ['a', 'b', 'c']
n3 = ['A', 'B', 'C', 'D']
# 调用zip函数，合成新的元组迭代器
res = zip(n1, n2, n3)
print(list(res))
-----------------------------
[('1', 'a', 'A'), ('2', 'b', 'B'), ('3', 'c', 'C')]
我知道你们看到这个执行结果会有很多疑问，先别着急，我们先看一下它是否包含迭代器的特性：
for i in res:
print(i)
当你执行这段代码的时候就会发现，似乎什么都没发生。
那到底是怎么回事？我们不用for，让我们再转换一次list之后看看里边有什么：
print(list(res))
-----------------------------
[]
列表居然是空的。是不是瞬间想到了什么？
没错，这个似乎就是迭代器的特性之一，当其中元素被使用之后，会删掉使用过的元素。而我们之前在执行print(list(res))的时候，已经将内部元素都转成list并展现过，所以现在res内的元素都被删掉了。
没事，让我们再重新来定义一次，也就是重新给res内填满元素然后直接for循环一次看看：
n1 = '1234'
n2 = ['a', 'b', 'c']
n3 = ['A', 'B', 'C', 'D']
# 调用zip函数，合成新的元组迭代器
res = zip(n1, n2, n3)
for i in res:
print(i)
-----------------------------：
('1', 'a', 'A')
('2', 'b', 'B')
('3', 'c', 'C')
我们可以看到，每次打印i的时候都打印了一个元组，而这个元组就是一个新元素，比如第一行('1', 'a', 'A'), 这整个元组就是一个新元素。
让我们再用next试试（当然我又重新填满了res）：
print(next(res))
print(next(res))
-----------------------------
('1', 'a', 'A')
('2', 'b', 'B')
next函数也能正常执行，那可以说明，zip确实组合成了一个新的迭代器。
现在我们返回来再看一遍代码中的n1,n2,n3, 分别是1234, [‘a’, 'b', 'c'], ['A', 'B', 'C', 'D']。最后组成的迭代器对象为：[('1', 'a', 'A'), ('2', 'b', 'B'), ('3', 'c', 'C')]。
通过分析可以看出来，zip的工作原理是先分别取可迭代对象的第一个元素组合成一个元组，然后再分别取第二个元素组合成一个元组，依次往后取...
可是n1, n3分别都是四个元素，为什么我们最后只组合成了三个元组？那是因为n2中只包含了三个元素，当在其中找不到第四个元素的时候，就会放弃组合。
来，让我们在看一个示例：
n1 = [1, 2, 3, 4]
n2 = [22, 33, 44, 55]
res = zip(n1, n2)
print(list(res))
-----------------------------
[(1, 22), (2, 33), (3, 44), (4, 55)]
大家看到最后的执行结果有没有觉得很眼熟？可能很多小伙伴一时间想不到，我们来调整一下：
[
(1, 22),
(2, 33),
(3, 44),
(4, 55)
]
记住这个数据结构，我们在后期做数据分析的时候， 当我们做矩阵运算的时候用的非常多。
不知道大家是否都学过高等数学里的线性代数、微积分，包括概率统计。这些在我们之后做数据分析，数据挖掘，包括机器学习、人工智能这些科学运算里面，非常重要的一些数学功底。
不太记得了也没关系，这些我后面将会专门拿几节出来给大家补一下这方面。
让我们继续，zip还有一种应用方式，当其与*运算符结合使用的时候，可以用来拆解列表：
# zip 与 * 运算符相结合使用
x = [1, 2, 3]
y = [4, 5, 6]
print(zip(x, y))
print(*zip(x, y))
-----------------------------
<zip object at 0x107b8d200>
(1, 4) (2, 5) (3, 6)
可以看到，zip是一个迭代器，*zip这生成了组合好的多个元组数据。
比如：
x1 = [1, 2, 3]
y1 = [4, 5, 6]
x2, y2 = zip(*zip(x, y))
print(x2, y2)
-----------------------------
(1, 2, 3) (4, 5, 6)
这样，我们就将两个列表转换成了两个元组。当然，其实我们这样操作还不如直接使用tuple函数来的方便快捷一点。
那下面，我们就看看都有哪些数据类型转换相关的内置函数。
数据类型转换相关的内置函数
这些函数的功能非常简单和单一，属于拿来就用的函数，我们就仅列出来，不多做介绍了。
int()将其它类型数据转为整型float()转为浮点类型bool()转为布尔类型complex()转为复数str()转为字符串类型list转为列表类型tuple转为元组类型dict转为字典类型set转为集合类型
变量相关函数
id()获取当前数据的ID标识type()获取当前数据的类型字符串print()数据的打印input()获取输入的数据isinstance()检测是否为指定的数据类型
数学相关函数
abs()获取一个数的绝对值
print(abs(-99.99))
-----------------------------
99.99
sum()求和 从 start 开始自左向右对 iterable 中的项求和并返回总计值
print(sum([1,2,3]))
-----------------------------
6
max() 获取最大值
print(max([1,2,3]))
print(max(99,12,45))
-----------------------------
3
99
min() 获取最小值
print(min([2,1,6,-9]))
print(min(6,7,1,0,-2))
-----------------------------
-9
-2
pow(x, y)幂运算 返回 x 的 y 次幂
print(pow(2,3))
-----------------------------
8
round(x, n) 对x四舍五入，小数点保留n位
print(round(3.1415926))
print(round(3.1415926,2))
-----------------------------
3
3.14
round这个函数不是绝对意义上的四舍五入，在取整这个问题是是奇进偶退：
print(round(3.5))
print(round(4.5))
-----------------------------：
4
4
进制函数及字符集
bin() 将数值类型转为二进制
print(bin(123))
-----------------------------
0b1111011
int() 将二进制转化为整型
print(int(0b1111011))
-----------------------------
123
oct() 转为八进制数
print(oct(123))
-----------------------------
0o173
hex() 转为十六进制数
print(hex(123))
-----------------------------
0x7b
ASCII及字符集
ASCII，全称为美国信息互换标准代码。是一套基于拉丁字母的字符编码，共收录了 128 个字符，用一个字节就可以存储，它等同于国际标准 ISO/IEC 646。它一共有128个支付，最后更新是1986年。
我们要知道的是，ASCII 编码是美国人给自己设计的，他们并没有考虑欧洲那些扩展的拉丁字母，也没有考虑韩语和日语，我大中华几万个汉字更是不可能被重视。计算机也是美国人发明的，起初使用的就是 ASCII 码，只能显示英文字符。各个国家为了让本国公民也能正常使用计算机，开始效仿 ASCII 开发自己的字符编码，例如 ISO/IEC 8859（欧洲字符集）、shift_Jis（日语字符集）、GBK（中文字符集）等。
从65开始到90为止，是大写字母（A ~ Z), 97到122是小写字母(a ~ z)，48到57是0 ~ 9。
而我们经常使用的是GB2312-80, GBK和GBK18030以及Unicode字符集。
GB2312-80 是 1980 年制定的中国汉字编码国家标准。共收录 7445 个字符，其中汉字 6763 个。
GBK 于1995年制定 收录了 21003 个汉字。GBK向下与 GB 2312 编码兼容，
GBK18030 2001年的1月正式强制执行，是我国制订的以汉字为主并包含多种我国少数民族文字（如藏、蒙古、傣、彝、朝鲜、维吾尔文等）的超大型中文编码字符集强制性标准，其中收入汉字70000余。
Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准，包括字符集、编码方案等。
- 它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。
- UTF-8 以字节为单位对Unicode进行编码。
我们现在写代码的时候基本遵循UTF-8编码为主。
有的时候，我们是需要将字符转为ASCII， 也有对应的方法：
print(ord('a'))
-----------------------------
a
将ASCII转为字符也一样：
print(chr(65))
-----------------------------
A
高阶函数
和上一节课不同，我们现在要讲的高阶函数，是Python解释器里的内置高阶函数。
sorted()
很多时候，我们在处理数据的时候都需要对数据进行排序。不管是以序号，名称还是日期的方式。sorted()就是我们最常用的排序函数：
sorted(iterable, [reverse, key])
‘’‘
运行原理：把可迭代数据里面的元素，一个一个的取出来，放到key这个函数中进行处理，并按照函数中return的结果进行排序，返回一个新的列表
功能：排序
参数：
iterable:可迭代的数据 （容器类型数据，range数据序列，迭代器）
reverse:可选，是否反转，默认为False，不反转， True反转
key:可选， 函数，可以是自定义函数，也可以是内置函数
返回值：排序后的结果
’‘’
我们来看几个示例，首先我们先来看看默认的排序方式：从小到大：
arr = [3,7,1,-9,20,10]
res = sorted(arr)
print(res)
-----------------------------
[-9, 1, 3, 7, 10, 20]
当然，既然我们能从小到大来进行排序，那就可以用从大到小的方式：
arr = [3,7,1,-9,20,10]
print(sorted(arr,reverse=True))
-----------------------------
[20, 10, 7, 3, 1, -9]
现在我们得到了从小到大排序，也得到了从大到小排序。然后我们再来作妖：能不能按照所有数字的绝对值大虾哦进行排序呢？哎，还记得我们刚讲过的数学相关的函数里有一个求绝对值的函数嘛？既然sorted()这个函数里的参数key可以接收函数，那让我们结合在一起试试看：
arr = [3,7,1,-9,20,10]
res = sorted(arr,key=abs)
print(res)
-----------------------------
[1, 3, 7, -9, 10, 20]
果然，我们得到了想要的结果。来分析下内部到底做了什么：
[3,7,1,-9,20,10] # 原始列表
3 7 1 9 20 10 # 求绝对值
1 3 7 9 10 20 # 给绝对值进行排序
1 3 7 -9 10 20 # 转换成原本的值
那现在，我再多尝试一下，我试试看自己定义一个函数：
def func(num):
return num % 2
函数定义好了，让我们尝试使用自定义函数对数据进行排序：
arr = [3,2,4,6,5,7,9]
print(sorted(arr, key = func))
-----------------------------
[2, 4, 6, 3, 5, 7, 9]
看似起结果了。那到底函数内干了些什么呢？让我们在其中多打印一点东西出来，看个明白：
def func(num):
print(num, num % 2, end=" ")
print()
return num % 2
arr = [3,2,4,6,5,7,9]
print(sorted(arr, key = func))
-----------------------------
3 1
2 0
4 0
6 0
5 1
7 1
9 1
[2, 4, 6, 3, 5, 7, 9]
这样我们就很清晰的看到了对原数字和取余结果，在对取余进行排序之后，再在取余的结果上进行默认的从小到大进行排序，就得到了最后的结果[2, 4, 6, 3, 5, 7, 9]
不过，这种功能大多数时候我们基本是临时用一下，特意写一个方法似乎有点多余。还记得咱们之前讲的匿名函数吧？让我们用匿名函数优化一下：
# 用匿名函数优化
arr = [3,2,4,6,5,7,9]
res = sorted(arr, key=lambda num:num%2)
print(res)
-----------------------------
[2, 4, 6, 3, 5, 7, 9]
正是我们所要的结果。
从这就能看出来，高阶函数sorted()的key因为能接收自定义函数，所以给了我们很大的可玩空间。小伙伴们还能想到哪些方法，快去做做实验。
map()
这个函数在对传入的可迭代数据中的每一个元素进行处理，然后返回一个新的迭代器：
map(func, *iterables)
'''
功能： 对传入的可迭代数据中的每个元素放入到函数中进行处理，返回一个新的迭代器
参数：
func 函数 自定义函数|内置函数
iterables：可迭代的数据
返回值：迭代器
'''
让我们先来看一个普通的函数：
# 把一个字符串数字的列表转为整型列表
items = ['1', '2', '3', '4']
new_list = []
for i in items:
new_list.append(int(i))
print(new_list)
-----------------------------
[1, 2, 3, 4]
我们将一个内部元素均为字符串的列表，转成了一个整型列表。
不过这个函数看起来似乎还是有些麻烦，让我们再用map试试看：
items = ['1', '2', '3', '4']
res = map(int, items)
print(list(res))
-----------------------------
[1, 2, 3, 4]
看，是不是简便多啦？当然，最后map最后生成的是迭代器而并不是列表，我们还是需要转化一下数据类型。
这段代码中map的处理方式其实非常简单，它将items里的每一个元素用int方法转换成整型，转换完之后形成一个新的迭代器，然后返回。
再让我们看一个示例感受一下, 这次我们将两段对比写在一起：
# 普通方法进行实现
items = [1, 2, 3, 4]
res = []
for i in items:
x = i ** 2
res.append(x)
print(res)
# 使用map函数处理
items = [1, 2, 3, 4]
def func(x):
return x ** 2
res = map(func, items)
print(res, list(res))
-----------------------------
[1, 4, 9, 16]
<map object at 0x107ea5030> [1, 4, 9, 16]
我们看到执行结果完全一样，不过使用map()的方式更简洁，逻辑也更清晰。我们要知道，Python本身是自带幂次方方法的。即便是我们自己来实现，其实我们还可以把代码写的更简洁：
items = [1, 2, 3, 4]
res = map(lambda x:x**2, items)
print(res,list(res))
-----------------------------
<map object at 0x107c98610> [1, 4, 9, 16]
基于map的应用，我们来个小作业吧：
我们现在有这样一个列表：
['a','b','c','d']要求将其转换成：
[65,66,67,68]
最后，再给大家留个课后作业， 我给大家两个函数及其功能介绍，大家自己去尝试看看，然后自己琢磨下其用法。
reduce(func, iterable)
功能：每一次从 iterable 拿出两个元素，放入到func函数中进行处理，得出一个计算结果，然后把这个计算结果和iterable中的第三个元素，放入到func函数中继续运算，得出的结果和之后的第四个元素，加入到func函数中进行处理，以此类推，直到最后的元素都参与了运算
filter(func, iterable)
功能：过滤数据，把 iterable 中的每个元素拿到 func 函数中进行处理，如果函数返回True则保留这个数据，返回False则丢弃这个数据。
这两个函数在处理数据上作用都非常大。
好了，下课。大家有问题记得留言。
你可能也想看
