Python-Day4(函数式编程)

---

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

1. 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）。

1. 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。

1. 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。

1. 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