高阶函数
- 函数本身也可以赋值给变量,即:变量可以指向函数
>>> f = abs
>>> f(-10)
10
既然变量可以指向函数,函数的参数能接收变量,那么一个函数就可以接收另一个函数作为参数,这种函数就称之为
高阶函数
。
def add(x, y, f):
return f(x) + f(y)
map/reduce
map表示
:map()函数接收两个参数,一个是函数,一个是Iterable,map将传入的函数依次作用到序列的每个元素,并把结果作为新的Iterator返回
例如:把这个list所有数字转为字符串:
>>> list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
['1', '2', '3', '4', '5', '6', '7', '8', '9']
reduce表示
:reduce把一个函数作用在一个序列[x1, x2, x3, …]上,这个函数必须接收两个参数,reduce把结果继续和序列的下一个元素做累积计算
例如效果:
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
举个例子:把字符串转成数字
>>> from functools import reduce
>>> def fn(x, y):
... return x * 10 + y
...
>>> def char2num(s):
... return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]
...
>>> reduce(fn, map(char2num, '13579'))
13579
#简化成一个str函数就是
from functools import reduce
def str2int(s):
def fn(x, y):
return x * 10 + y
def char2num(s):
return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]
return reduce(fn, map(char2num, s))
#之后进一步简化,采用lambda函数进一步简化
from functools import reduce
def char2num(s):
return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]
def str2int(s):
return reduce(lambda x, y: x * 10 + y, map(char2num, s))
lambda x, y: x * 10 + y,代表是简化了
def fn(x, y):
return x * 10 + y
filter
filter()
把传入的函数依次作用于每个元素,然后根据返回值是True还是False决定保留还是丢弃该元素。
举个例子:用filter求素数
#构造一个从3开始的奇数序列
def _odd_iter():
n = 1
while True:
n = n+2
yield n
#定义一个筛选函数
def _not_diviible(n):
return lambda x:x%n > 0
#定义一个生成器
def primes():
yield 2
it = _odd_iter()#初始序列
while True:
n = next(it) #返回序列的第一个数
yield n
it = filter(_not_diviible(n), it) #进行过滤,形成新的序列
# 打印1000以内的素数:
for n in primes():
if n < 1000:
print(n)
else:
break
知识点:知识点:str[::-1], 字符串反转
注意:如果转换成字符, 收尾有0时会判断错误, 应该再转换为int, 做比较
sorted
Python内置的sorted()函数就可以对list进行排序
>>> sorted([36, 5, -12, 9, -21])
[-21, -12, 5, 9, 36]
可以自己添加参数,不限
如我们给sorted传入key函数,即可实现忽略大小写的排序,要进行反向排序,可以写成:
>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)
['Zoo', 'Credit', 'bob', 'about']
返回函数
在返回函数中可以不用返回结果,而是返回求和的函数:
def sum():
ax = 0
for n in args:
ax = ax + n
return ax
return sum
之后调用函数f的时候才会执行
>>> f = lazy_sum(1, 3, 5, 7, 9)
>>> f()
25
*闭包的概念:我们在函数lazy_sum中又定义了函数sum,并且,内部函数sum可以引用外部函数lazy_sum的参数和局部变量,当lazy_sum返回函数sum时,相关参数和变量都保存在返回的函数中,这种称为“闭包(Closure)”。
我的理解是:一个函数返回另一个函数,将相关的结果参数都保存在返回的函数中
def count():
def f(j):
def g():
return j*j
return g #返回一个函数,闭包
fs = []
for i in range(1, 4):
fs.append(f(i)) # f(i)立刻被执行,因此i的当前值被传入f()
return fs
牢记:
返回函数不要引用任何循环变量,或者后续会发生变化的变量
匿名函数
在Python中,匿名函数是lambda,如lambda x:x*x实际上就是:
def f(x):
return x * x
另外也可以将其作为返回值返回
def build(x, y):
return lambda: x * x + y * y
装饰器
- 函数对象由一个name属性,可以拿到函数的名字
>>> now.__name__
'now'
>>> f.__name__
'now'
装饰器定义:假设我们要增强now()函数的功能,比如,在函数调用前后自动打印日志,但又不希望修改now()函数的定义,这种在代码运行期间动态增加功能的方式,称之为“装饰器”(Decorator)。
- 2.
def log(func):
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
本质上是返回一个decorator,它是一个返回函数的高阶函数。
- decorator本身需要传入参数,那就需要编写一个返回decorator的高阶函数
def log(text):
def decorator(func):
def wrapper(*args, **kw):
print('%s %s():' % (text, func.__name__))
return func(*args, **kw)
return wrapper
return decorator
#三层嵌套
@log('execute')
def now():
print('2015-3-25')
>>> now()
execute now():
2015-3-25
当嵌套语句是这样的时候:
now = log('execute')(now)
>>> now.__name__
'wrapper'
原理是:首先执行log(‘execute’),返回的是decorator函数,再调用返回的函数,参数是now函数,返回值最终是wrapper函数。
Python内置的functools.wraps就是干这个事的
import functools
def log(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
#或者针对带参数的decorator
import functools
def log(text):
def decorator(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('%s %s():' % (text, func.__name__))
return func(*args, **kw)
return wrapper
return decorator
偏函数
Python的functools模块提供了很多有用的功能
functools.partial
的作用就是,把一个函数的某些参数给固定住(也就是设置默认值),返回一个新的函数’
例如:
#int()函数还提供额外的base参数,默认值为10。如果传入base参数,就可以做N进制的转换:
>>> int('12345', base=8)
5349
>>> int('12345', 16)
74565
#可以简化为
#创建偏函数时,实际上可以接收函数对象、*args和**kw这3个参数
int2 = functools.partial(int, base=2)
另外:
max2 = functools.partial(max, 10)
#实际上会把10作为*args的一部分自动加到左边,也就是:
max2(5, 6, 7)
args = (10, 5, 6, 7)
max(*args)
结果为10