高阶函数
map/reduce
Python内建了map()和reduce()函数。
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。
还记得之前写的那个冒泡嘛,我们使用map函数试试:
L = [2, 4, 3, 1, 9, 5, 8, 6, 7, 12]
def test(l):
if L[l] > L[l + 1]:
a = L[l]
L[l] = L[l+1]
L[l + 1]=a
L2 = list(l for i in range(0, len(L) + 1) for l in range(0, len(L) - i - 1))
list(map(test,L2))
print(L)
再写一个:
L = [1, 2, 3, 4, 5]
def test(l):
l = l + 1
return l
L=list(map(test,L))
print(L)
我写这两个栗子时,发现如果map不放入list(),他就不会运行,所以list(map(函数,参数) 可能是它的固定式。&%$&*粗浅的这么认为…
运行结果把L里的元素全部加了1
reduce()函数有两个参数,第一个参数是不会重置的,会一直计算直到list里所有元素都计算了,返回最终的值
先来个例子:
from functools import reduce
L = [1, 2, 3, 4, 5]
def test(x,y):
return x + y
L=reduce(test,L)
print(L)
这个例子就是把所有元素累加起来
类似于sum(L)
filter
Python内建的filter()函数用于过滤序列。
和map()类似,filter()也接收一个函数和一个序列。和map()不同的是,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。
举个栗子:
在一个list中,删掉偶数,只保留奇数,可以这么写
def is_odd(n):
return n % 2 == 1
L = list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
print(L
其实也可以用map,在函数里if判断,然后返回奇数。
这么简单的,就不说了。
sorted
Java里也有个sort快速排序。
sorted里放入list,默认从小到大排序
它还可以接收一个key函数来实现自定义的排序
sorted([36, 5, -12, 9, -21], key=abs)
得到绝对值从小到大:[5, 9, -12, -21, 36]
key也可以指定自定义的函数
例如:
def sortName(x):
return x[1]
L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]
L2 = sorted(L, key=sortName)
print(L2)
根据成绩默认从小到大
想要从大到小,把x[1]改成-x[1]
要想根据名字排序
改x[1]为x[0],正负同理
返回函数
顾名思义,就是把函数作为返回值
def lazy_sum(*args):
def sum():
ax = 0
for n in args:
ax = ax + n
return ax
return sum
在这个例子中,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)”的程序结构拥有极大的威力。
请再注意一点,当我们调用lazy_sum()时,每次调用都会返回一个新的函数,即使传入相同的参数,所以不会互相影响
闭包
当一个函数返回了一个函数后,其内部的局部变量还被新函数引用
可以理解为闭包就是:每次调用函数,都将相关的参数,局部变量保存在返回的函数里。
因为前面调用的函数不再用其他的参数和局部变量,他已经保存了一份它自己的了,所以后面调用不会影响前面调用的结果。
闭包的实现:
栗子1
def lazy_sum(*args):
def sum():
ax = 0
for n in args:
ax = ax + n
return ax
return sum
栗子2
def count():
fs = []
for i in range(1, 4):
def f():
return i*i
fs.append(f)
return fs
f1, f2, f3 = count()
这是个错误的闭包栗子,为什么呢?
因为我们每一次调用时,里面的for循环就脱缰跑完了,然后给我们返回了三个函数,然后就把最后返回的一个函数,作为最终结果了。
返回闭包时牢记一点: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。
那么一定要用循环变量,怎么修改呢?
def count():
def f(j):
def g():
return j*j
return g
fs = []
for i in range(1, 4):
fs.append(f(i))
return fs
再创建一个函数,用该函数的参数绑定循环变量当前的值,无论该循环变量后续如何更改,已绑定到函数参数的值不变。
匿名函数
关键字lambda表示匿名函数,冒号前面的表示函数参数,后面的表示函数体。
举个栗子,简单的东西不多说
f = lambda x: x * x
f(5) #结果为25
装饰器
在代码运行期间动态增加功能的方式,称之为“装饰器”(Decorator)。
本质上,decorator就是一个返回函数的高阶函数。
装饰器写好后,我们可以粗鲁的理解为自定义注解
举个栗子:
def log(func):
def wrapper(*args, **kw):
print('调用了 %s' % func.__name__) #前面学的格式化,别忘了哦
return func(*args, **kw)
return wrapper
@log
def now():
print('2015-3-25')
这里的@log相当于执行了log(now),得到是返回函数wrapper
我们可以粗鲁的理解这个逻辑就是:
妈妈:时刻准备作战…(@log 相当于调用log()函数,得到返回函数)
小明:我要开电视看(调用now()函数,触发装饰器)
妈妈(wrapper()):慢着!作业写完了吗(开始执行返回函数)
妈妈(wrapper())把作业检查了下,很满意的签好了名 (运行返回函数的函数体)
妈妈(wrapper()):兔崽子做的不错,我给你开电视(return func(*args, **kw) 调用now函数)
添加装饰器A——A得到返回函数B——调用函数C——被A拦截,并执行B——B秀了波操作,再调用函数C
举个带参数的栗子:
def log(text):
def decorator(func):
def wrapper(*args, **kw):
print('%s %s' % (text, func.__name__))
return func(*args, **kw)
return wrapper
return decorator
@log('Hello')
def Murphy(x,y) :
print('%s %s' % (x, y))
Murphy('I\'m','Winter')
这里的@log(‘Hello’)相当于执行了log(‘Hello’)(Murphy),得到的仍然是返回函数wrapper
wrapper()函数的参数定义是(*args, **kw),因此,wrapper()函数可以接受任意参数的调用。
(*args, **kw)就是被装饰的函数的参数
有参数和无参数差别就是多一层函数,这两种格式基本固定。
差点忘了说:
在Python中每个函数都有个__name__属性,就是函数名
可以测试一下
def demo():
pass
print(demo.__name__)
所以我要说的是,被装饰器装饰后的函数,他的__name__属性都被变成了返回函数的属性,这怎么能行,咱又不叫修改器是吧。
为了解决这个问题,那我们就把返回函数的属性改成被装饰的函数的属性
Python内置的functools.wraps就是干这个事的
修改一下之前的代码:
def log(func):
@functools.wraps(func) #在返回的函数上加了这一段,有参数的同理
def wrapper(*args, **kw):
print('调用了 %s' % func.__name__) #前面学的格式化,别忘了哦
return func(*args, **kw)
return wrapper
@log
def now():
print('2015-3-25')
偏函数
int()函数可以把字符串转换为整数,当仅传入字符串时,int()函数默认按十进制转换:
int(‘12345’) #12345
但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
假设要转换大量的二进制字符串,每次都传入int(x, base=2)非常麻烦,于是,我们想到,可以定义一个int2()的函数,默认把base=2传进去:
def int2(x, base=2):
return int(x, base)
这样,我们转换二进制就非常方便了:
int2(‘1000000’) #64
int2(‘1010101’) #85
functools.partial就是帮助我们创建一个偏函数的,不需要我们自己定义int2(),可以直接使用下面的代码创建一个新的函数int2:
int2 = functools.partial(int,base=2)
实际上固定了int()函数的关键字参数base,也就是:
int2(‘111’) = int(‘111’,base=2)
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
例如
max2 = functools.partial(max,10)
实际上是max2里有一个固定元素10,它也参与最大值的比较
max2 = functools.partial(max, 10)
print(max2(1, 2, 3, 4)) #打印10