Python进阶学习笔记（一）

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