Python函数：内置函数（len_max_min_sorted等）详解

Python函数：内置函数（len/max/min/sorted等）详解

本章学习目标

深入理解Python高频内置函数 len、max、min、sorted、sum、zip 等核心概念、底层原理与使用规范，熟练掌握各类内置函数的基础用法、参数配置、进阶场景与避坑技巧，区分易混淆内置函数的差异，掌握生产环境最佳实践。本文属于《Python从入门到精通教程》Python函数篇（第四篇）。

在上一章，我们学习了 Python函数：匿名函数lambda的定义与使用场景 ，掌握了简洁高效的匿名函数编写与实战用法。本章我们将聚焦Python原生内置函数，内置函数是Python无需导入、开箱即用的核心工具，是日常数据处理、业务开发的基础核心，也是Python极简编程的核心体现。

一、核心概念与背景

1.1 什么是Python内置函数？

基本定义：

Python内置函数是Python解释器自带、无需手动导入模块、可直接调用的原生函数，随Python环境安装即可使用。内置函数封装了底层复杂的逻辑，极大简化了代码编写难度，是Pythonic编程风格的核心组成部分。

我们日常开发中最常用的高频内置函数：len()、max()、min()、sorted()、sum()、zip()、map()、filter()，覆盖90%以上的基础数据处理场景。

1.2 内置函数的核心价值与重要性

重要性分析：

• 极致高效：内置函数底层由C语言实现，执行速度远快于自定义Python循环代码

• 代码极简：一行代码实现数据统计、排序、遍历筛选，大幅减少冗余代码

• 通用性强：适配列表、元组、字符串、字典等绝大多数可迭代对象

• 稳定性高：官方原生封装，无BUG隐患，兼容性适配所有Python版本

• 开发必备：基础开发、数据分析、算法刷题、项目实战高频必用

1.3 典型应用场景

场景类型	具体应用	核心使用函数
数据统计	统计数据长度、最值、总和、均值计算	len、max、min、sum
数据排序	列表、元组、字符串正向/反向排序、自定义排序	sorted
数据整合	多序列配对合并、批量数据映射转换	zip、map
数据筛选	过滤不符合条件的数据、清洗无效数据	filter

二、高频内置函数逐行详解（实战级）

2.1 len()：获取对象长度/元素个数

核心作用：统计可迭代对象的元素个数，支持字符串、列表、元组、字典、集合等。

语法格式 ：len(object)

# 字符串长度
str_data = "Python内置函数"
print(len(str_data))  # 8

# 列表元素个数
list_data = [1, 2, 3, 4, 5]
print(len(list_data))  # 5

# 字典统计键值对个数
dict_data = {"name": "张三", "age": 20}
print(len(dict_data))  # 2

避坑点：不支持整数、浮点数、数字类型，直接传入会直接报错。

2.2 max() / min()：获取最值

核心作用：max() 获取最大值，min() 获取最小值，支持多参数、可迭代对象，搭配key可实现自定义规则最值获取。

语法格式 ：max(*args, key=None) / min(*args, key=None)

# 基础用法：序列最值
nums = [12, 45, 7, 89, 23]
print(max(nums))  # 89
print(min(nums))  # 7

# 多参数直接比较
print(max(10, 30, 20))  # 30

# 进阶：key自定义规则（按字符串长度取最值）
words = ["python", "java", "go", "javascript"]
print(max(words, key=lambda x: len(x)))  # javascript
print(min(words, key=lambda x: len(x)))  # go

2.3 sorted()：全局排序函数（重点）

核心作用 ：对可迭代对象进行排序，返回新序列，不修改原数据，支持升降序、自定义规则排序，是开发最常用的排序方式。

语法格式 ：sorted(iterable, reverse=False, key=None)

• reverse：False 升序（默认），True 降序

• key：自定义排序规则，接收函数

# 基础升序
nums = [5, 2, 9, 1, 5, 6]
new_nums1 = sorted(nums)
print("升序排序：", new_nums1)  # [1, 2, 5, 5, 6, 9]

# 降序排序
new_nums2 = sorted(nums, reverse=True)
print("降序排序：", new_nums2)  # [9, 6, 5, 5, 2, 1]

# 自定义排序：按数字绝对值排序
abs_nums = [-5, 3, -9, 1]
new_nums3 = sorted(abs_nums, key=lambda x: abs(x))
print("绝对值排序：", new_nums3)  # [1, 3, -5, -9]

# 原数据不变
print("原列表：", nums)  # [5, 2, 9, 1, 5, 6]

拓展区别 ：列表自带的 sort() 方法会修改原列表、无返回值；sorted() 生成新列表、不改动原数据，生产环境优先使用sorted。

2.4 sum()：序列求和

核心作用：对数值型可迭代对象求和，支持设置初始值。

语法格式 ：sum(iterable, start=0)

# 基础求和
nums = [1, 2, 3, 4, 5]
print(sum(nums))  # 15

# 设置初始值（总和+初始值）
print(sum(nums, start=10))  # 25

避坑点：仅支持数值类型，字符串序列无法直接求和。

2.5 zip()：多序列配对整合

核心作用：将多个可迭代对象对应位置元素打包成元组，返回迭代器，常用于多列表关联遍历。

name_list = ["张三", "李四", "王五"]
age_list = [18, 20, 19]

# 配对整合
zip_data = zip(name_list, age_list)
print(list(zip_data))  # [('张三', 18), ('李四', 20), ('王五', 19)]

# 配对遍历
for name, age in zip(name_list, age_list):
    print(f"姓名：{name}，年龄：{age}")

特性：以最短序列为准，多余元素自动舍弃。

2.6 map()/filter()：映射与筛选

map：对序列所有元素批量执行同一规则，实现数据批量转换

filter：根据规则过滤序列，保留符合条件的元素

# map批量转换：数字转平方
nums = [1, 2, 3, 4]
square_nums = list(map(lambda x: x ** 2, nums))
print(square_nums)  # [1, 4, 9, 16]

# filter数据筛选：保留偶数
even_nums = list(filter(lambda x: x % 2 == 0, nums))
print(even_nums)  # [2, 4]

三、内置函数综合实战案例

结合以上高频函数，实现学生成绩数据统计分析综合案例，适配真实业务场景：

# 学生成绩数据
student_scores = [
    ("张三", 88),
    ("李四", 95),
    ("王五", 76),
    ("赵六", 92)
]

# 1. 统计学生人数
total = len(student_scores)
print(f"学生总人数：{total}")

# 2. 获取最高分、最低分学生
max_score = max(student_scores, key=lambda x: x[1])
min_score = min(student_scores, key=lambda x: x[1])
print(f"最高分：{max_score[0]}，分数：{max_score[1]}")
print(f"最低分：{min_score[0]}，分数：{min_score[1]}")

# 3. 成绩排序（降序）
sort_scores = sorted(student_scores, key=lambda x: x[1], reverse=True)
print("成绩降序排名：", sort_scores)

# 4. 计算总分、平均分
score_list = [score for name, score in student_scores]
total_score = sum(score_list)
avg_score = total_score / total
print(f"总分：{total_score}，平均分：{avg_score:.2f}")

运行结果：

学生总人数：4
最高分：李四，分数：95
最低分：王五，分数：76
成绩降序排名： [('李四', 95), ('赵六', 92), ('张三', 88), ('王五', 76)]
总分：351，平均分：87.75

四、常见报错与解决方案

4.1 max/min 空序列报错

报错现象 ：ValueError: max() arg is an empty sequence

原因：对空列表、空序列执行最值获取

解决方案：先判断序列是否为空，再执行操作

4.2 sorted 多类型排序报错

报错现象：不同数据类型无法比较（如int和str）

解决方案：统一序列数据类型，通过key强制类型转换

4.3 sum 非数值序列报错

解决方案：过滤非数值元素，确保序列全部为int/float类型

五、内置函数最佳实践

1. 优先使用内置函数：数据统计、排序、筛选优先用原生内置函数，替代自定义循环，效率更高、代码更简洁

2. 区分sorted与sort：需要保留原数据用sorted()，无需保留原数据用list.sort()

3. 搭配lambda使用：复杂排序、最值筛选场景，结合匿名函数实现自定义规则

4. 增加空值判断：处理未知数据时，先判断序列非空，避免空序列报错

5. 避免重复调用：多次使用的统计结果，提前赋值存储，减少重复计算

六、本章小结

6.1 核心要点回顾

• 内置函数原生无需导入、执行高效，是Python基础开发核心工具

• len统计长度、max/min获取最值、sum求和，适配所有可迭代对象

• sorted支持自定义排序，不修改原数据，是排序首选方案

• zip/map/filter实现数据整合、转换、筛选，适配批量数据处理

-掌握常见报错避坑点，适配生产环境稳定开发

6.2 学习建议

内置函数看似简单，却是Python高效编程的根基。建议新手摒弃手写循环实现统计、排序的习惯，熟练掌握内置函数的自定义key规则，能够大幅提升代码简洁度与运行效率。