Python函数式编程(1)

10. >>> map ( str , [ 1 , 2 , 3 , 4 ])

11. [ ‘1’ , ‘2’ , ‘3’ , ‘4’ ]

13. >>> map ( int , [ ‘1’ , ‘2’ , ‘3’ , ‘4’ ])

14. [ 1 , 2 , 3 , 4 ]

再看一个例子：

1. def double ( x ):

2.          return 2 * x

4. def triple ( x ):

5.          return 3 * x

7. def square ( x ):

8.         return x * x

10. funcs = [ double , triple , square ] # 列表元素是函数对象

12. # 相当于 [double(4), triple(4), square(4)]

13. value = list ( map ( lambda f ： f ( 4 ), funcs ))

15. print value

17. # output

18. [ 8 , 12 , 16 ]

上面的代码中，我们加了 list 转换，是为了兼容 Python3 ，在 Python2 中 map 直接返回列

表， Python3 中返回迭代器。

4.2 reduce

reduce 函数的使用形式如下：

1. reduce ( function , sequence [, initial ])

解释：先将 sequence 的前两个 item 传给 function ，即 function(item1, item2) ，函数

的返回值和 sequence 的下一个 item 再传给 function ，即 function(function(item1,

item2), item3) ，如此迭代，直到 sequence 没有元素，如果有 initial ，则作为初始值调用。

也就是说：

1. reduece ( f , [ x1 , x2 , x3 , x4 ]) = f ( f ( f ( x1 , x2 ), x3 ), x4 )

看一些例子，就能很快理解了。

1. >>> reduce ( lambda x , y : x * y , [ 1 , 2 , 3 , 4 ]) # 相当于 ((1 * 2) * 3) * 4

2. 24

3. >>> reduce ( lambda x , y : x * y , [ 1 , 2 , 3 , 4 ], 5 ) # ((((5 * 1) * 2) * 3)) * 4

4. 120

5. >>> reduce ( lambda x , y : x / y , [ 2 , 3 , 4 ], 72 ) # (((72 / 2) / 3)) / 4

6. 3

7. >>> reduce ( lambda x , y : x + y , [ 1 , 2 , 3 , 4 ], 5 ) # ((((5 + 1) + 2) + 3)) + 4

8. 15

9. >>> reduce ( lambda x , y : x - y , [ 8 , 5 , 1 ], 20 ) # ((20 - 8) - 5) - 1

10. 6

11. >>> f = lambda a , b : a if ( a > b ) else b # 两两比较，取最大值

12. >>> reduce ( f , [ 5 , 8 , 1 , 10 ])

13. 10

4.3 filter

filter 函数用于过滤元素，它的使用形式如下：

1. filter ( function , sequnce )

解释：将 function 依次作用于 sequnce 的每个 item ，即 function(item) ，将返回值为

True 的 item 组成一个 List/String/Tuple ( 取决于 sequnce 的类型， python3 统一返回

迭代器 ) 返回。

看一些例子。

1. >>> even_num = list ( filter ( lambda x : x % 2 == 0 , [ 1 , 2 , 3 , 4 , 5 , 6 ]))

2. >>> even_num

3. [ 2 , 4 , 6 ]

4. >>> odd_num = list ( filter ( lambda x : x % 2 , [ 1 , 2 , 3 , 4 , 5 , 6 ]))

5. >>> odd_num

6. [ 1 , 3 , 5 ]

7. >>> filter ( lambda x : x < ‘g’ , ‘hijack’ )

8. ‘ac’ # python2

9. >>> filter ( lambda x : x < ‘g’ , ‘hijack’ )

10. < filter object at 0x1034b4080 > # python3

注意在 python2 和 python3 中， map/reduce/filter 的返回值类型有所不同， python2

返回的是基本数据类型，而 python3 则返回了迭代器；

5 闭包

---

5.1 定义

在 Python 中，函数也是一个对象。因此，我们在定义函数时，可以再嵌套定义一个函数，并将该嵌套函数返回，比如：

1. from math import pow

3. def make_pow ( n ):

4.          def inner_func ( x ): # 嵌套定义了 inner_func

5.                  return pow ( x , n ) # 注意这里引用了外部函数的 n

6.         return inner_func # 返回 inner_func

上面的代码中，函数 make_pow 里面又定义了一个内部函数 inner_func ，然后将该函数返

回。因此，我们可以使用 make_pow 来生成另一个函数：

1. >>> pow2 = make_pow ( 2 ) # pow2 是一个函数，参数 2 是一个自由变量

2. >>> pow2

3. < function inner_func at 0x10271faa0 >

4. >>> pow2 ( 6 )

5. 36.0

我们还注意到，内部函数 inner_func 引用了外部函数 make_pow 的自由变量 n ，这也就

意味着，当函数 make_pow 的生命周期结束之后， n 这个变量依然会保存在 inner_func

中，它被 inner_func 所引用。

1. >>> del make_pow # 删除 make_pow

2. >>> pow3 = make_pow ( 3 )

3. Traceback ( most recent call last ):

4. File “” , line 1 , in

5. NameError : name ‘make_pow’ is not defined

6. >>> pow2 ( 9 ) # pow2 仍可正常调用，自由变量 2 仍保存在 pow2 中

7. 81.0

像上面这种情况，一个函数返回了一个内部函数，该内部函数引用了外部函数的相关参数和变量，我们把该返回的内部函数称为闭包（Closure ）。

在上面的例子中， inner_func 就是一个闭包，它引用了自由变量 n 。

5.2 闭包的作用

闭包的最大特点就是引用了自由变量，即使生成闭包的环境已经释放，闭包仍然存在。

闭包在运行时可以有多个实例，即使传入的参数相同。

1. >>> pow_a = make_pow ( 2 )

2. >>> pow_b = make_pow ( 2 )

3. >>> pow_a == pow_b

4. False

利用闭包，我们还可以模拟类的实例。

这里构造一个类，用于求一个点到另一个点的距离：

1. from math import sqrt

3. class Point ( object ):

4.          def __init__ ( self , x , y ):

5.                  self . x , self . y = x , y

7.          def get_distance ( self , u , v ):

8.                  distance = sqrt (( self . x - u ) ** 2 + ( self . y - v ) ** 2 )

9.         return distance

11. >>> pt = Point ( 7 , 2 ) # 创建一个点

12. >>> pt . get_distance ( 10 , 6 ) # 求到另一个点的距离

13. 5.0

用闭包来实现：

1. def point ( x , y ):

2.          def get_distance ( u , v ):

3.                 return sqrt (( x - u ) ** 2 + ( y - v ) ** 2 )

5.          return get_distance

7. >>> pt = point ( 7 , 2 )

8. >>> pt ( 10 , 6 )

9. 5.0

可以看到，结果是一样的，但使用闭包实现比使用类更加简洁。

5.3 常见的误区

闭包的概念很简单，但实现起来却容易出现一些误区，比如下面的例子：

1. def count ():

2.         funcs = []

3.          for i in [ 1 , 2 , 3 ]:

4.                  def f ():

5.                          return i

6.                  funcs . append ( f )

7.         return funcs

在该例子中，我们在每次 for 循环中创建了一个函数，并将它存到 funcs 中。现在，调用上

面的函数，你可能认为返回结果是 1, 2, 3 ，事实上却不是：

1. >>> f1 , f2 , f3 = count ()

2. >>> f1 ()

3. 3

4. >>> f2 ()

5. 3

6. >>> f3 ()

7. 3

为什么呢？原因在于上面的函数 f 引用了变量 i ，但函数 f 并非立刻执行，当 for 循环结束时，此时变量 i 的值是 3 ， funcs 里面的函数引用的变量都是 3 ，最终结果也就全为3。

因此，我们应尽量避免在闭包中引用循环变量，或者后续会发生变化的变量。

那上面这种情况应该怎么解决呢？我们可以再创建一个函数，并将循环变量的值传给该函数，如下：

1. def count ():

2.         funcs = []

3.          for i in [ 1 , 2 , 3 ]:

4.                  def g ( param ):

5.                          f = lambda : param # 这里创建了一个匿名函数

6.                         return f

7.                   funcs . append ( g ( i )) # 将循环变量的值传给 g

8.         return funcs

10. >>> f1 , f2 , f3 = count ()

11. >>> f1 ()

12. 1

13. >>> f2 ()

14. 2

15. >>> f3 ()

16. 3

(1)闭包是携带自由变量的函数，即使创建闭包的外部函数的生命周期结束了，闭包所引用的自由变量仍会存在。

(2)闭包在运行可以有多个实例。

(3)尽量不要在闭包中引用循环变量，或者后续会发生变化的变量。

6 装饰器

---

我们知道，在 Python 中，我们可以像使用变量一样使用函数：

(1)函数可以被赋值给其他变量

(2)函数可以被删除

(3)可以在函数里面再定义函数

(4)函数可以作为参数传递给另外一个函数

(5)函数可以作为另一个函数的返回

简而言之，函数就是一个对象。

6.1 对一个简单的函数进行装饰

为了更好地理解装饰器，我们先从一个简单的例子开始，假设有下面的函数：

1. def hello ():

2.          return ‘hello world’

现在我们想增强 hello() 函数的功能，希望给返回加上 HTML 标签，比如 hello

world ，但是有一个要求，不改变原来 hello() 函数的定义。这里当然有很多种方法，下面

给出一种跟本文相关的方法：

1. def makeitalic ( func ):

2.          def wrapped ():

3.                  return “” + func () + “”

4.          return wrapped

在上面的代码中，我们定义了一个函数 makeitalic ，该函数有一个参数 func ，它是一个函

数；在 makeitalic 函数里面我们又定义了一个内部函数 wrapped ，并将该函数作为返回。

现在，我们就可以不改变 hello() 函数的定义，给返回加上 HTML 标签了：

1. >>> hello = makeitalic ( hello ) # 将 hello 函数传给 makeitalic

2. >>> hello ()

3. ‘hello world’

在上面，我们将 hello 函数传给 makeitalic ，再将返回赋给 hello ，此时调用

hello() 就得到了我们想要的结果。

不过要注意的是，由于我们将 makeitalic 的返回赋给了 hello ，此时 hello() 函数仍

然存在，但是它的函数名不再是 hello 了，而是 wrapped ，正是 makeitalic 返回函数的名

称，可以验证一下：

1. >>> hello . __name__

2. ‘wrapped’

对于这个小瑕疵，后文将会给出解决方法。

现在，我们梳理一下上面的例子，为了增强原函数 hello 的功能，我们定义了一个函数，它接收

原函数作为参数，并返回一个新的函数，完整的代码如下：

1. def makeitalic ( func ):

2.          def wrapped ():

3.                  return “” + func () + “”

4.         return wrapped

6. def hello ():

7.          return ‘hello world’

9. hello = makeitalic ( hello )

事实上， makeitalic 就是一个装饰器（ decorator ），它『装饰』了函数 hello ，并返回一

个函数，将其赋给 hello 。

一般情况下，我们使用装饰器提供的 @ 语法糖（ Syntactic Sugar ），来简化上面的写法：

1. def makeitalic ( func ):

2.          def wrapped ():

3.                  return “” + func () + “”

4.          return wrapped

6. @makeitalic

7. def hello ():

8.         ` return ‘hello world’

像上面的情况，可以动态修改函数（或类）功能的函数就是装饰器。本质上，它是一个高阶函数，以被装饰的函数（比如上面的 hello ）为参数，并返回一个包装后的函数（比如上面的 wrapped ）给被装饰函数（hello ）。

6.2 装饰器的使用形式

装饰器的一般使用形式如下：

1. @decorator

2.          def func ():

3. pass

等价于下面的形式：

1. def func ():

2.          pass

3. func = decorator ( func )

装饰器可以定义多个，离函数定义最近的装饰器先被调用，比如：

1. @decorator_one

2. @decorator_two

3. def func ():

4.          pass

等价于：

1. def func ():

2.          pass

4. func = decorator_one ( decorator_two ( func ))

装饰器还可以带参数，比如：

1. @decorator ( arg1 , arg2 )

2. def func ():

3.          pass

等价于：

1. def func ():

2.          pass

4. func = decorator ( arg1 , arg2 )( func )

下面我们再看一些具体的例子，以加深对它的理解。

6.3 对带参数的函数进行装饰

前面的例子中，被装饰的函数 hello() 是没有带参数的，我们看看被装饰函数带参数的情况。对

前面例子中的 hello() 函数进行改写，使其带参数，如下：

1. def makeitalic ( func ):

2.          def wrapped (* args , ** kwargs ):

3.                  ret = func (* args , ** kwargs )

4.                 return ‘’ + ret + ‘’

5.          return wrapped

7. @makeitalic

8. def hello ( name ):

9. return ‘hello %s’ % name

11. @makeitalic

12. def hello2 ( name1 , name2 ):

13. return ‘hello %s, %s’ % ( name1 , name2 )

由于函数 hello 带参数，因此内嵌包装函数 wrapped 也做了一点改变：

内嵌包装函数的参数传给了 func ，即被装饰函数，也就是说内嵌包装函数的参数跟被装饰函数

的参数对应，这里使用了 (*args, **kwargs) ，是为了适应可变参数。

看看使用：

1. >>> hello ( ‘python’ )

2. ‘hello python’

3. >>> hello2 ( ‘python’ , ‘java’ )

4. ‘hello python, java’

6.4 带参数的装饰器

上面的例子，我们增强了函数 hello 的功能，给它的返回加上了标签 … ，现在，我

们想改用标签 … 或

…

。是不是要像前面一样，再定义一个类似

makeitalic 的装饰器呢？其实，我们可以定义一个函数，将标签作为参数，返回一个装饰器，比

如：

1. def wrap_in_tag ( tag ):

2.          def decorator ( func ):

3.                  def wrapped (* args , ** kwargs ):

4.                          ret = func (* args , ** kwargs )

5.                  return ‘<’ + tag + ‘>’ + ret + ‘</’ + tag + ‘>’

6.          return wrapped

8. return decorator

现在，我们可以根据需要生成想要的装饰器了：

1. makebold = wrap_in_tag ( ‘b’ ) # 根据 ‘b’ 返回 makebold 生成器

3. @makebold

4. def hello ( name ):

5.         return ‘hello %s’ % name

7. >>> hello ( ‘world’ )

8. ‘hello world’

上面的形式也可以写得更加简洁：

1. @wrap_in_tag ( ‘b’ )

2. def hello ( name ):

3.          return ‘hello %s’ % name

这就是带参数的装饰器，其实就是在装饰器外面多了一层包装，根据不同的参数返回不同的装饰器。

6.5 多个装饰器

现在，让我们来看看多个装饰器的例子，为了简单起见，下面的例子就不使用带参数的装饰器。

1. def makebold ( func ):

2.          def wrapped ():

3.                  return ‘’ + func () + ‘’

5.         return wrapped

7. def makeitalic ( func ):

8.          def wrapped ():

9.                  return ‘’ + func () + ‘’

11.         return wrapped

13. @makebold

14. @makeitalic

15. def hello ():

16. return ‘hello world’

上面定义了两个装饰器，对 hello 进行装饰，上面的最后几行代码相当于：

1. def hello ():

2.          return ‘hello world’

4. hello = makebold ( makeitalic ( hello ))

调用函数 hello ：

1. >>> hello ()

2. ‘hello world’

6.6 基于类的装饰器

前面的装饰器都是一个函数，其实也可以基于类定义装饰器，看下面的例子：

1. class Bold ( object ):

2.          def __init__ ( self , func ):

3.                  self . func = func

5.          def __call__ ( self , * args , ** kwargs ):

6.                  return ‘’ + self . func (* args , ** kwargs ) + ‘’

8. @Bold

9. def hello ( name ):

10.         return ‘hello %s’ % name

12. >>> hello ( ‘world’ )

13. ‘hello world’

可以看到，类 Bold 有两个方法：

__init__() ：它接收一个函数作为参数，也就是被装饰的函数

__call__() ：让类对象可调用，就像函数调用一样，在调用被装饰函数时被调用

还可以让类装饰器带参数：

1. class Tag ( object ):

2.         def __init__ ( self , tag ):

3.                 self . tag = tag

5.          def __call__ ( self , func ):

6.                  def wrapped (* args , ** kwargs ):

7.                         return “<{tag}>{res}</{tag}>” . format (

8.                                 res = func (* args , ** kwargs ), tag = self . tag

9.                                 )

10.                 return wrapped
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）

__init__() ：它接收一个函数作为参数，也就是被装饰的函数

__call__() ：让类对象可调用，就像函数调用一样，在调用被装饰函数时被调用

还可以让类装饰器带参数：

1. class Tag ( object ):

2.         def __init__ ( self , tag ):

3.                 self . tag = tag

5.          def __call__ ( self , func ):

6.                  def wrapped (* args , ** kwargs ):

7.                         return “<{tag}>{res}</{tag}>” . format (

8.                                 res = func (* args , ** kwargs ), tag = self . tag

9.                                 )

10.                 return wrapped
自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

[外链图片转存中…(img-QOJ06I6R-1713634344147)]

[外链图片转存中…(img-tRQw98Cw-1713634344148)]

[外链图片转存中…(img-SJTWY3jq-1713634344148)]

[外链图片转存中…(img-zmY4ffnV-1713634344149)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）