Python进阶学习笔记(一)
一、函数式编程
函数式编程是一种抽象计算的编程模式。
1. 函数式编程的特点
1.1 把计算视为函数,而非指令;
1.2 纯函数式编程:不需要变量,没有副作用,测试简单;
1.3 支持高阶函数,代码简洁。
2. Python支持的函数式编程
2.1 不是纯函数式编程:允许有变量;
2.2 支持高阶函数:函数可作为变量传入;
2.3 支持闭包:有了闭包就能返回函数;
2.4 有限度的支持匿名函数。
3. 不同语言的抽象层次
4. 高阶函数
4.1 定义高阶函数
- 变量可以指向函数
- 函数的参数可以接收变量
- 一个函数可以接收另一个函数作为参数
- 能接收函数作为参数的函数就是高阶函数
# 定义一个高阶函数
def add(x, y, f):
return f(x) + f(y)
# 当我们传入abs函数时
add(-5, 9, abs)
4.2 Python中内置的高阶函数
- map(f,L):接收一个函数 f 和一个 list,并通过把函数 f 依次作用在 list 的每个元素上,得到一个新的 list 并返回;
def f(x):
return x*x
print map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
- reduce(f,L):reduce()函数接收的参数和map()类似,一个函数f,一个list,但行为和 map()不同,reduce()传入的函数f必须接收两个参数,reduce()对list的每个元素反复调用函数f,并返回最终结果值。
# 求两数之和
def f(x, y):
return x + y
# reduce()函数则是返回list中元素的和
# 求和过程:
# 1 + 3 = 4
# 4 + 5 = 9
# 9 + 7 = 16
# 16 + 9 = 25
# 最终返回值就是25
reduce(f, [1, 3, 5, 7, 9])
- reduce(f,L,n):在上述reduce基础上,n代表初始值,在n的基础上进行f计算。
# 求两数之和
def f(x, y):
return x + y
# 返回值为125
reduce(f, [1, 3, 5, 7, 9], 100)
- filter(f,L):filter()函数接收一个函数f和一个list,这个函数f的作用是对每个元素进行判断,返回True或False,filter()根据判断结果自动过滤掉不符合条件的元素,返回由符合条件元素组成的新list。
# 判断是否是奇数
def is_odd(x):
return x % 2 == 1
# 返回list中的奇数
filter(is_odd, [1, 4, 6, 7, 9, 12, 17])
- sorted(L):将list中的元素从小到大排序。
- sorted(L,f):将list中的元素按照f中的排序方法排序。比较函数f的定义是,传入两个待比较的元素 x, y,如果 x 应该排在 y 的前面,返回 -1,如果 x 应该排在 y 的后面,返回 1。如果 x 和 y 相等,返回 0。
def reversed_cmp(x, y):
if x > y:
return -1
if x < y:
return 1
return 0
sorted([36, 5, 12, 9, 21], reversed_cmp)
5. 返回函数
Python的函数不但可以返回int、str、list、dict等数据类型,还可以返回函数。
def f():
print 'call f()...'
# 定义函数g:
def g():
print 'call g()...'
# 返回函数g:
return g
x = f() # 调用f() 得到结果:call f()...
x # 变量x是f()返回的函数:<function g at 0x1037bf320>
x() # x指向函数,因此可以调用,得到结果:call g()...
#调用x()就是执行g()函数定义的代码
返回函数可以把一些计算延迟执行,我们可以在后续代码里,决定到底要不要调用该函数。
6. 闭包
6.1 定义闭包
内层函数引用了外层函数的变量(参数也算变量),然后返回内层函数的情况,称为闭包(Closure)。
6.2 闭包的特点
返回的函数还引用了外层函数的局部变量,所以,要正确使用闭包,就要确保引用的局部变量在函数返回后不能变。
def count():
fs = []
for i in range(1, 4):
def f():
return i*i
fs.append(f)
return fs
f1, f2, f3 = count()
# 执行结果为:f1()-->9,f2()-->9,f3()-->9
# 就是因为在内层函数中引用了循环中的参数。
7. 匿名函数
在Python中,对匿名函数提供了有限支持。关键字lambda 表示匿名函数,冒号前面的 x 表示函数参数。匿名函数有个限制,就是只能有一个表达式,不写return,返回值就是该表达式的结果。
使用匿名函数,可以不必定义函数名,直接创建一个函数对象,很多时候可以简化代码:
sorted([1, 3, 9, 5, 0], lambda x,y: -cmp(x,y))
# 得到的结果:[9, 5, 3, 1, 0]
返回函数的时候,也可以返回匿名函数:
myabs = lambda x: -x if x < 0 else x
myabs(-1)
# 得到的结果:1
8. decorator装饰器
8.1 什么是装饰器
定义了一个函数,想在运行时动态增加功能,且不改动函数本身代码时,就需要装饰器。
# 如现在想在执行下面的函数时打印log,怎么办
def f1(x):
return x*2
def f2(x):
return x*x
# 方案一:直接在函数中添加log
def f1(x):
print 'call f1()...'
return x*2
def f2(x):
print 'call f2()...'
return x*x
# 方案二:使用高阶函数
def new_fn(f):
def fn(x):
print 'call '+f.__name__+'()...'
return f(x)
return fn
f1 = new_fn(f1)
f2 = new_fn(f2)
f1()
f2()
# 方案三:使用装饰器
def new_fn(f):
def fn(x):
print 'call '+f.__name__+'()...'
return f(x)
return fn
@new_fn
def f1(x):
return x*2
@new_fn
def f2