两岸猿声啼不住，轻舟已过万重山！

在这里插入图片描述

🎯作者主页： 追光者♂🔥



🌸个人简介：

💖[1] 计算机专业硕士研究生💖

🌟[2] 2022年度博客之星人工智能领域TOP4🌟

🏅[3] 阿里云社区特邀专家博主🏅

🏆[4] CSDN-人工智能领域优质创作者🏆

📝[5] 预期2023年10月份 · 准CSDN博客专家📝

无限进步，一起追光！！！



🍎感谢大家点赞👍  收藏⭐   留言📝！！！

之前记录过的关于Python内置函数的Blog（包括但不限于）：

（限时开放！）Python内置函数系统学习（2）——数据转换与计算（详细语法参考 + 参数说明 + 具体示例），详解max()函数实例 | 编程实现当前内存使用情况的监控
（限时开放！）Python内置函数系统学习（1）——数据转换与计算（详细语法参考 + 参数说明 + 具体示例）

🌿尽管博主科研很忙，无法参加蓝桥杯考试，但还是希望能够感受一下其氛围。本次分享的案例均是具有比较强的应用意义，就如：求最小值，真本是很简单的问题，但是它的综合应用，你看过没？！这对于要参加蓝桥杯的小伙伴儿应该会有所帮助！祝大家取得好成绩！

👀目录

🍄一、求最小值
- 🍑1.1 语法参考 & 参数说明
- 🍑1.2 示例
- - 💦1.2.1 在字符、数值、标点及汉字中取最小值
  - 💦1.2.2 获取多个数值中的最小值
  - 💦1.2.3 在列表中使用min
  - - 🍒1.2.3.1 进一步练习（1）：求带有限制条件的“最小值”
    - 🍒1.2.3.2 进一步练习（2）：向列表中添加指定个数的随机数
  - 💦1.2.4 在元组中使用min
  - - 🍒1.2.4.1 中文字符元组
    - 🍒1.2.4.2 英文名字元组
    - 🍒1.2.4.3 中文+数字——成绩元组
    - 🍒1.2.4.4 lambda ？
    - 🍒1.2.4.5 元组——北、上、广、深GDP值
  - 💦1.2.5 在字典中使用min
  - - 🍒1.2.5.1 人名+qq号码
    - 🍒1.2.5.2 通过映射函数创建字典
    - 🍒1.2.5.3 ** 模拟人员技能工资数据 **
- 🍑1.3 应用场景
- - 💦1.3.1 场景一：获取最新上映的电影名称（字典&字典，字典-->>列表）
  - 💦1.3.2 场景二：获取汽车碰撞测试中分数最低的那项
  - 💦1.3.3 场景三：获取二手房指定户型且总价最低的信息

🍄一、求最小值

🍑1.1 语法参考 & 参数说明

语法参考：

min()函数用于执行与max()函数相反的操作，用于获取指定的多个参数中的最小值或可迭代对象元素中的最小值。其语法格式如下：

min(iterable, *[, default=obj, key=func])
min(arg1, arg2, *args, *[, key=func])
min(tuplename)

参数说明：

[1] iterable：可迭代对象，如字符串、列表、元组、字典等；
[2] default：命名参数，用来指定最小值不存在时返回的默认值；
[3] key：命名参数，其为一个函数，用来指定获取最小值的方法；
[4] arg：指定数值；
[5] tuplename：表示元组的名称。

返回值：返回给定参数的最小值。

补充说明： min()函数在参数使用上与max()函数基本一致，只是在执行上是与max()函数相反的操作。

🍑1.2 示例

💦1.2.1 在字符、数值、标点及汉字中取最小值

Min函数是根据元素编码的码值大小来取得最小值的。我们通常使用的字符的编码值可以通过其对应ASCII码表或相应编码表获得。Min函数对数字、字符等常见用法如下：

# 昵 称:XieXu & CSDN@追光者♂
# 时 间: 2023/4/6/0006 18:40

# 在字符、数值、标点及汉字中取最小值
str1 = '0123456789'  # 数字-字符串

str2 = 'abcdABCD'  # 字母-字符串

str3 = '你好'  # 汉字-字符串

str4 = '！~@#￥%……&*'  # 符号-字符串

print('数字-字符串最小值为：', min(str1))

print('字母-字符串最小值为：', min(str2))

print('汉字-字符串最小值为：', min(str3))

print('符号-字符串最小值为：', min(str4))

在PyCharm中执行后，输出结果为：
在这里插入图片描述

💦1.2.2 获取多个数值中的最小值

# 获取多个数值中的最小值

print(min(6, 8, 10, 6, 100))

print(min(-20, 100 / 3, 7, 100))

print(min(0.2, -10, 10, 100))

结果也是“显而易见”滴：
在这里插入图片描述

💦1.2.3 在列表中使用min

在列表中有多种方法可以求最小值，min()是最方便、简单的方法。使用min函数获取列表最小值时，函数内部将对列表中的元素进行循环比较，然后返回列表元素最小的值，当存在多个相同的最小值时，返回的是最先出现的那个最小值。min()函数在列表中的常见用法如下：

# 在列表中使用min
list1 = [98, 79, 88, 100, 56, 100]  # 元素为数值的列表

list2 = [-80, -20, -10]  # 元素为负数的列表

list3 = ['1', '2', '5', '8']  # 元素为字符串数字的列表

list4 = ['你', '好', 'p', 'y', 't', 'h', 'o', 'n']  # 元素为汉字与英文字母的列表

print('list1列表中最小值为：', min(list1))

print('list2列表中最小值为：', min(list2))

print('list3列表中最小值为：', min(list3))

print('list4列表中最小值为：', min(list4))

我们可以得到如下结果：
在这里插入图片描述

此处，可以再简单练习一下：

print("ord('你'):",ord('你'))

for i in list4:  # 列表的迭代
    # print(ord(list4[i]))  # TypeError: list indices must be integers or slices, not str
    # print(i)
    print(ord(i))  # 这样即可哈

在这里插入图片描述
注：

关于ord()，可参阅：请看目录2.1
关于chr()，可参阅：请看目录2.3.2

🍒1.2.3.1 进一步练习（1）：求带有限制条件的“最小值”

list5 = [1, -3, 5, -7, 8]  # 包含正、负数的列表

list6 = [3, 3.15, 2.11, 6]  # 包含小数的列表

# 指定键为求绝对值函数，参数会进行求绝对值后再取较小者

print('list5列表中最小值为：', min(list5, key=abs))

# 获取小数中的绝对值

print('list6列表中最小值为：', min(list6))

结果如下：（在注释中已经解释的很仔细啦！）
在这里插入图片描述

🍒1.2.3.2 进一步练习（2）：向列表中添加指定个数的随机数

import random  # 导入随机数模块

seq = []  # 空列表
i = 0

while i < 10:  # 循环10次
    # 每循环一次向列表中添加一个随机数
    seq.append(random.randint(1, 100))
    i += 1

getMin = min(seq)  # 获取最小值
print('原列表值:', seq)
print('列表最小值:', getMin)

在这里插入图片描述

💦1.2.4 在元组中使用min

🍒1.2.4.1 中文字符元组

在元组中获取元素的最小值和列表相似，常见用法如下：

# 在元组中使用min
num = (7, 14, 21, 28, 35, 42, 49, 56, 63)  # 创建一个数值元组

team = ('马刺', '火箭', '勇士', '湖人')  # 创建字符元组

print('num元组中的最小值为：', min(num))

print('team元组中的最小值为：', min(team))

在这里插入图片描述

对此，进一步练习：

team = ('马刺', '火箭', '勇士', '湖人')  # 创建字符元组

# print('team元组中的最小值为：', min(team))  # team元组中的最小值为： 勇士
# print(ord('勇士'))  # TypeError: ord() expected a character, but string of length 2 found
print(ord('勇士'[0]))  # 21191
print(ord('勇'))  # 21191

print("*" * 20)
for i in team:
    # print(ord(i))  # TypeError: ord() expected a character, but string of length 2 found
    # print(i)  # 测试
    # print(i[0])  # 测试
    print(ord(i[0]))

这样，就能更好的理解上面的练习了~
在这里插入图片描述

🍒1.2.4.2 英文名字元组

name = ('Jack', 'MacKenzie', 'Cal', 'Rainbo', 'Ralph', 'Abagael')  # 英文名字元组

print('英文名字元组中的最小值为：', min(name))

print('英文名字长度最小的是哪位:', min(name, key=lambda i: len(i)))

在这里插入图片描述

🍒1.2.4.3 中文+数字——成绩元组

fraction = ('数学 98', '英语 99', '语文 93')  # 学生成绩

print('成绩最差的学科为：', min(fraction, key=lambda i: i[3:])[:3])

在这里插入图片描述

为了进一步理解，继续针对上面的“成绩”元组——练习：

fraction = ('数学 98', '英语 99', '语文 93')  # 学生成绩

print('成绩最差的学科为：', min(fraction, key=lambda i: i[3:])[:3])

# 进一步练习
print(len(fraction))  # 3
print(len(fraction[0]))  # 5
print(len(fraction[1]))  # 5
print(len(fraction[2]))  # 5

print(fraction[0])  # 数学 98
print((fraction[0])[:3])  # 数学。。。这说明输出的是 学科
# 也就是说，通过min函数得到分数最低的项，然后输出该项的前2个字符
# [:3]指的是 输出前2个，不包括第3个。。。

print((fraction[3:])[:3])  # ()
print((fraction[3:]))  # ()

结合注释，会更容易理解在这里插入图片描述

🍒1.2.4.4 lambda ？

对于该关键字，lambda，真的是言有尽，意无穷。

近期发布的几篇Blog中，都含有lambda。它的应用场景真的是很多！

主要是 lambda 参数表达式。

此处暂时不做详细说明，根据我近期分享的这些例子，会更好理解。

🍒1.2.4.5 元组——北、上、广、深GDP值

# 北、上、广、深GDP值

gdp = (('北京', '30320亿'), ('上海', '32679亿'), ('广州', '23000亿'), ('深圳', '24620亿'))

print('GDP值最低的是元组中下标为', gdp.index(min(gdp, key=lambda i: i[1][0:6])), '的那组数据')

print('GDP值最低的城市为：', min(gdp, key=lambda i: i[1][0:6])[0])

在这里插入图片描述

进一步理解，练习：

gdp = (('北京', '30320亿'), ('上海', '32679亿'), ('广州', '23000亿'), ('深圳', '24620亿'))

print(gdp[1][:])  # ('上海', '32679亿')
print(gdp[1][0:])  # ('上海', '32679亿')
print(gdp[1][0:6])  # ('上海', '32679亿')

print(gdp[:][:])  # (('北京', '30320亿'), ('上海', '32679亿'), ('广州', '23000亿'), ('深圳', '24620亿'))
print((gdp[1][0:6])[0])  # 上海...这说明 这样可以输出 城市

# for i in gdp:
    # print((gdp[i][0:6])[0])  # TypeError: tuple indices must be integers or slices, not tuple
    # print((gdp[i.index()][0:6])[0])  # 上海
    # print(i)  # 即输出 ('北京', '30320亿') ...('深圳', '24620亿')

# print(gdp[0])  # ('北京', '30320亿')
# print(len(gdp[0]))  # 2
# print(len(gdp[1]))  # 2

# print(gdp[0][0:3])  # ('北京', '30320亿')
# print(gdp[0][0:2])  # ('北京', '30320亿')

# print(gdp[0][1:3])  # ('30320亿',)
# print(gdp[0][1:2])  # ('30320亿',)
# print(gdp[0][2:4])  # ()
# print(gdp[0][2:])  # ()
# print(gdp[0][1:])  # ('30320亿',)
# print(gdp[0][0:])  # ('北京', '30320亿')
# 这说明，'30320亿'的index，即下标为1
# gdp[0]访问的是 ('北京', '30320亿')，这整个
# gdp[0][0：]  表示访问 '北京','30320亿' 这俩都输出，因为二者的index 分别为0和1，而[0:]表示它俩都输出~

# 而key=lambda i: i[1][0:6])[0])中的i已经指的是每一个元素了，也就是说明
# 这里的i[1]中的1,指的是城市后面的那个元素，即数字~
# [0:6]访问的就是数字~

此处，可根据我上面写的注释来理解。可打开部分注释来查看。

这是部分注释打开时的输出：（同上述代码）
在这里插入图片描述

💦1.2.5 在字典中使用min

🍒1.2.5.1 人名+qq号码

通过min函数获取字典中的最小值时，用法与max函数相同，只是执行max函数的相反操作。常见用法如下：

# 昵 称:XieXu & CSDN@追光者♂
# 时 间: 2023/4/6/0006 21:33

# 在字典中使用min
# qq号数据

qq = {'小明qq': 875897, '小红qq': 5343215, '小李qq': 77582, '小华qq': 873541843}
print('qq号码最短的是：', min(qq.values(), key=lambda i: i))
print('最短的qq号码是：', min(qq.items(), key=lambda i: i[1])[0][:2], '的')

输出结果为：

在这里插入图片描述
显然，最短的QQ号，在数值上，也是最小的，因此可以用min()函数来求。

此处，为了进一步理解，我们继续练习：

qq = {'小明qq': 875897, '小红qq': 5343215, '小李qq': 77582, '小华qq': 873541843}

# print(qq)  # {'小明qq': 875897, '小红qq': 5343215, '小李qq': 77582, '小华qq': 873541843}
# print(qq.keys())  # dict_keys(['小明qq', '小红qq', '小李qq', '小华qq'])
# print(qq.values())  # dict_values([875897, 5343215, 77582, 873541843])

# print(qq.items())  # dict_items([('小明qq', 875897), ('小红qq', 5343215), ('小李qq', 77582), ('小华qq', 873541843)])
# print(qq.items(0))  # TypeError: dict.items() takes no arguments (1 given)

for i in qq:
    print(i, qq[i])  # 迭代：获取 字典的键 和 值

print("*" * 20)

print(qq['小李qq'])  # 77582
# print(qq['小李qq'][0][:2])  # TypeError: 'int' object is not subscriptable

# print((qq['小李qq'])[0][:2])  # TypeError: 'int' object is not subscriptable

print(('小李qq',qq['小李qq'])[0][:2])  # 小李

结合注释以及输出，可以对上述加以理解。
在这里插入图片描述

🍒1.2.5.2 通过映射函数创建字典

city = ['北京', '天津', '上海', '长春']  # 城市列表
temperature = ['29', '30', '23', '22']  # 温度列表
dict1 = dict(zip(city, temperature))  # 通过映射函数创建字典
print('温度最低的那组数据为：', min(dict1.items(), key=lambda i: i[1]))
print('温度最低的城市为：', min(dict1.items(), key=lambda i: i[1])[0])

结果：（由上面人名+qq号码的例子，此处不难理解~）
在这里插入图片描述

🍒1.2.5.3 模拟人员技能工资数据

# 模拟人员技能工资数据
dict2 = {'布兰特': {'月薪': 3800, '技能等级': '3级'},

         '查尔斯': {'月薪': 2600, '技能等级': '2级'},

         '爱德华': {'月薪': 6300, '技能等级': '6级'}}

print('技能等级最低的那位员工是：', list(dict2.keys())[list(dict2.values()).

      index(min(dict2.values(), key=lambda i: i['技能等级']))])

print('月薪最低的那个人的技能等级为：', min(dict2.values(), key=lambda i: i['月薪'])['技能等级'])

print('月薪最低值为：', min(dict2.values(), key=lambda i: i['月薪'])['月薪'])

# 将月薪最低人员的工资调整为3500

min(dict2.values(), key=lambda i: i['月薪'])['月薪'] = 3500

print('调整后的人员技能工资数据为：\n', dict2)

输出结果：（此处可细细体会字典&字典）
在这里插入图片描述

🍑1.3 应用场景

💦1.3.1 场景一：获取最新上映的电影名称（字典&字典，字典–>>列表）

在获取最新上映的电影名称时，可以通过电影上映的天数来判断该影片是否为新上映的电影，上映的天数越少说明该影片为刚上应的影片。代码如下：

# 昵 称:XieXu & CSDN@追光者♂
# 时 间: 2023/4/7/0007 9:50

# 场景一：获取最新上映的电影名称

# 电影信息

dict_film = {'阿拉丁': {'上映天数': 7, '当前票房': '723万', '排片场次': 92533},

             '哥斯拉2': {'上映天数': 1, '当前票房': '354万', '排片场次': 6347},

             '一条狗的使命': {'上映天数': 14, '当前票房': '198万', '排片场次': 47520}}

print('最近刚上映的那条电影数据为：', min(dict_film.values(), key=lambda i: i.get('上映天数')))

# 获取最新上映的那条电影数据

small_value = min(dict_film.values(), key=lambda i: i.get('上映天数'))

# 将所有电影数据转换为列表，再获取最新上映电影数据在列表中的下标

value_index = list(dict_film.values()).index(small_value)

print('最近刚上映的电影名称为：', list(dict_film.keys())[value_index])

输出结果为：
在这里插入图片描述

💦1.3.2 场景二：获取汽车碰撞测试中分数最低的那项

全球各大品牌的汽车多不胜数，购买者除了喜欢关注车子的外形以及配置以外，最为关系的就是汽车的安全等级，这里通过汽车碰撞测试的数据，查看一下哪项测试的分数最低。代码如下：

# 昵 称:XieXu & CSDN@追光者♂
# 时 间: 2023/4/7/0007 9:56

# 场景二：获取汽车碰撞测试中分数最低的那项
import pandas  # 导入pandas模块

# 汽车五星碰撞数据

dict_car = {'日系': {'丰田 RAV4': {'正面碰撞': '16.330分', '正面40%碰撞': '15.810分', '侧面碰撞': '18.000分', '鞭打试验': '7.240分'}},

            '韩系': {'现代 途胜': {'正面碰撞': '16.310分', '正面40%碰撞': '15.630分', '侧面碰撞': '18.000分', '鞭打试验': '3.500分'}},

            '德系': {'大众 途观L': {'正面碰撞': '14.290分', '正面40%碰撞': '16.100分', '侧面碰撞': '18.000分', '鞭打试验': '3.220分'}}}

values_list = []  # 保存碰撞数据的列表

fraction_list = []  # 保存碰撞测试四项每一项的总分

for values in dict_car.values():  # 遍历第一层车型与碰撞数据

    for value in values.values():  # 遍历第二层各车型碰撞数据

        values_list.append(value)  # 将碰撞数据添加至列表

data = pandas.DataFrame(values_list)  # 碰撞数据转换为DataFrame

# 将数据中所有的“分”字去掉，并将分数转换为float类型

for d in data.columns:
    data[d] = data[d].map(lambda i: i.replace('分', '')).astype(float)

    # 将每个测试项的分数总和添加至列表中

    fraction_list.append(str(data[d].sum()))

# 获取最小总分数在列表中的索引值

value_index = fraction_list.index(min(fraction_list))

print('所有车型中“', data.columns[value_index], '”的分数最低')

来看结果：（结合注释是比较好理解的~）

在这里插入图片描述

💦1.3.3 场景三：获取二手房指定户型且总价最低的信息

在购买二手房时，不仅需要考虑到资金是否充足，还需要参考户型是否符合自家人员的居住条件，如果以户型为优先选择二手房的条件时，并且不在乎面积大小的情况下，多数用户都会优先查看房价较低的房源信息。这里以畅销户型“2室1厅1卫”为条件获取房价最低的房源信息。代码如下：

# 昵 称:XieXu & CSDN@追光者♂
# 时 间: 2023/4/7/0007 10:00

# 场景三：获取二手房指定户型且总价最低的信息
# 二手房数据

dict_house = {'中天北湾新城': {'总价': 89.0, '户型': '2室1厅1卫', '建筑面积': 89.0, '单价': 10000.0},

              '桦林苑': {'总价': 99.8, '户型': '3室2厅2卫', '建筑面积': 143.0, '单价': 6979.0},

              '嘉柏湾': {'总价': 32.0, '户型': '1室1厅1卫', '建筑面积': 43.3, '单价': 7390.0},

              '中环12区': {'总价': 51.5, '户型': '2室1厅1卫', '建筑面积': 57.0, '单价': 9035.0},

              '昊源高格蓝湾': {'总价': 210.0, '户型': '3室2厅2卫', '建筑面积': 160.8, '单价': 13060.0}}

# 获取二手房数据中满足户型为“2室1厅1卫”的信息

data = list(filter(lambda i: i['户型'] == '2室1厅1卫', dict_house.values()))

# 获取满足户型“2室1厅1卫”中总价最低的那条信息

min_data = min(data, key=lambda i: i['总价'])

# 获取总价最低信息的下标位置

value_index = list(dict_house.values()).index(min_data)

# 获取“2室1厅1卫”总价最低的小区名称

name = list(dict_house.keys())[value_index]

print('满足“2室1厅1卫”且总价最低的二手房信息为：\n', name, ':', min_data)