考点:最值应用,基本排序法,复杂排序法,sorted函数的灵活运用【Python习题05】

简介: 考点:最值应用,基本排序法,复杂排序法,sorted函数的灵活运用【Python习题05】

题目:

找到年龄最大的人,并输出。

请找出程序中有什么问题。

尽量使用sorted函数实现!

考点:

此题考点主要是对数值的比较,然后对属性的排序。

输入输出:

{'li': 18, 'wang': 50, 'zhang': 20, 'sun': 22}

排序person2

{'li': 18, 'zhang': 20, 'sun': 22, 'wang': 50}

考题分析:

  1. 一般情况我们只会对数值比较,然后针对数值排序,但在实际工作中,这些数值往往都是在对象内的,因此我们此题就是为了练习对象内的数值比较,让对象进行排序。
  2. 这里的输入,我们采用字典
{"li": 18, "wang": 50, "zhang": 20, "sun": 22}

       所以,我们需要比较的是每个人的年龄。,当我们做好排序,就可以指导最值了。

  3.常规的比较方法就是例如本地源代码的第一种方法,当我们比较出更大的年龄时,同时带上对应的姓名。

  4.此题的第二与第三种方法都是利用了cmp_to_key函数来进行复杂排序,这个函数在functools模块,巧妙运用后可以对复杂对象进行排序。

#第一种方法
# if __name__ == '__main__':
#     person = {"li": 18, "wang": 50, "zhang": 20, "sun": 22}
#     max_=18
#     max_key="li"
#     for k,v in person.items():
#         if v>max_:
#             max_=v
#             max_key=k
#     print(max_key,max_)
#
#
# #第二种方法
from functools import cmp_to_key
person2 = {"li": 18, "wang": 50, "zhang": 20, "sun": 22}
print(person2)
# print(person2.keys())
print("排序person2")
def tfunc(k1,k2):
    if person2[k1]>person2[k2]:
        return 1
    else:
        return -1
tperson=sorted(person2,key=cmp_to_key(tfunc))
resultdic={}
for k in tperson:
    resultdic[k]=person2[k]
print(resultdic)
#复杂排序案例刘金玉
# from functools import cmp_to_key
# p=[("a",6),("k",1),("d",23)]
# def my(a,b):
#     print(a,b)
#     if a[1]>b[1]:
#         return 1
#     else:
#         return -1
# p2=sorted(p,key=cmp_to_key(my))
# print(p2)

总结:通过此题,我们主要学习如何使用soted函数对更为复杂的对象进行排序。

相关文章
|
8天前
|
数据库 Python
Python 应用
Python 应用。
29 4
|
17天前
|
数据采集 存储 JSON
Python网络爬虫:Scrapy框架的实战应用与技巧分享
【10月更文挑战第27天】本文介绍了Python网络爬虫Scrapy框架的实战应用与技巧。首先讲解了如何创建Scrapy项目、定义爬虫、处理JSON响应、设置User-Agent和代理,以及存储爬取的数据。通过具体示例,帮助读者掌握Scrapy的核心功能和使用方法,提升数据采集效率。
60 6
|
18天前
|
数据采集 数据安全/隐私保护 开发者
非阻塞 I/O:异步编程提升 Python 应用速度
非阻塞 I/O:异步编程提升 Python 应用速度
|
8天前
|
机器学习/深度学习 数据采集 数据可视化
Python在数据科学中的应用:从入门到实践
本文旨在为读者提供一个Python在数据科学领域应用的全面概览。我们将从Python的基础语法开始,逐步深入到数据处理、分析和可视化的高级技术。文章不仅涵盖了Python中常用的数据科学库,如NumPy、Pandas和Matplotlib,还探讨了机器学习库Scikit-learn的使用。通过实际案例分析,本文将展示如何利用Python进行数据清洗、特征工程、模型训练和结果评估。此外,我们还将探讨Python在大数据处理中的应用,以及如何通过集成学习和深度学习技术来提升数据分析的准确性和效率。
|
10天前
|
机器学习/深度学习 JSON API
Python编程实战:构建一个简单的天气预报应用
Python编程实战:构建一个简单的天气预报应用
25 1
|
11天前
|
搜索推荐 Python
快速排序的 Python 实践:从原理到优化,打造你的排序利器!
本文介绍了 Python 中的快速排序算法,从基本原理、实现代码到优化方法进行了详细探讨。快速排序采用分治策略,通过选择基准元素将数组分为两部分,递归排序。文章还对比了快速排序与冒泡排序的性能,展示了优化前后快速排序的差异。通过这些分析,帮助读者理解快速排序的优势及优化的重要性,从而在实际应用中选择合适的排序算法和优化策略,提升程序性能。
26 1
|
18天前
|
数据可视化 开发者 Python
Python GUI开发:Tkinter与PyQt的实战应用与对比分析
【10月更文挑战第26天】本文介绍了Python中两种常用的GUI工具包——Tkinter和PyQt。Tkinter内置于Python标准库,适合初学者快速上手,提供基本的GUI组件和方法。PyQt基于Qt库,功能强大且灵活,适用于创建复杂的GUI应用程序。通过实战示例和对比分析,帮助开发者选择合适的工具包以满足项目需求。
62 7
|
18天前
|
数据采集 前端开发 中间件
Python网络爬虫:Scrapy框架的实战应用与技巧分享
【10月更文挑战第26天】Python是一种强大的编程语言,在数据抓取和网络爬虫领域应用广泛。Scrapy作为高效灵活的爬虫框架,为开发者提供了强大的工具集。本文通过实战案例,详细解析Scrapy框架的应用与技巧,并附上示例代码。文章介绍了Scrapy的基本概念、创建项目、编写简单爬虫、高级特性和技巧等内容。
41 4
|
19天前
|
机器学习/深度学习 数据可视化 数据处理
Python在数据科学中的应用###
本文探讨了Python语言在数据科学领域的广泛应用及其重要性。通过分析Python的简洁语法、强大的库支持和跨平台特性,阐述了为何Python成为数据科学家的首选工具。文章还介绍了Python在数据处理、分析和可视化方面的具体应用实例,展示了其在提升工作效率和推动科学研究方面的巨大潜力。最后,讨论了未来Python在数据科学领域的发展趋势和挑战。 ###
|
20天前
|
测试技术 开发者 Python
深入浅出:Python中的装饰器解析与应用###
【10月更文挑战第22天】 本文将带你走进Python装饰器的世界,揭示其背后的魔法。我们将一起探索装饰器的定义、工作原理、常见用法以及如何自定义装饰器,让你的代码更加简洁高效。无论你是Python新手还是有一定经验的开发者,相信这篇文章都能为你带来新的启发和收获。 ###
12 1