python高阶教程学习笔记

python函数式编程

函数式编程就是一种抽象程度很高的编程范式。函数式编程：函数本身可以赋值给变量，赋值后变量为函数；允许将函数本身作为参数传入另一个函数；允许返回一个函数。

python装饰器

不带参数的装饰器

Python的 装饰器 本质上就是一个高阶函数，它接收一个函数作为参数，然后，返回一个新函数。

使用 装饰器 用Python提供的 @ 语法，这样可以避免手动编写 f = decorate(f) 这样的代码。

考察一个@log的定义：

def log(f):
    def fn(x):
        print 'call ' + f.__name__ + '()...'
        return f(x)
    return fn

对于阶乘函数，@log工作得很好：

@log
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))
print factorial(10)
结果：

call factorial()...
3628800

但是，对于参数不是一个的函数，调用将报错：

@log
def add(x, y):
    return x + y
print add(1, 2)
结果：

Traceback (most recent call last):
  File "test.py", line 15, in <module>
    print add(1,2)
TypeError: fn() takes exactly 1 argument (2 given)

因为 add() 函数需要传入两个参数，但是 @log 写死了只含一个参数的返回函数。

要让 @log 自适应任何参数定义的函数，可以**利用Python的 *args 和 kw，保证任意个数的参数总是能正常调用：

def log(f):
   def fn(*args, **kw):
       print 'call ' + f.__name__ + '()...'
       return f(*args, **kw)
   return fn

现在，对于任意函数，@log 都能正常工作。

带参数的装饰器

考察上一节的 @log 装饰器：

def log(f):
    def fn(x):
        print 'call ' + f.__name__ + '()...'
        return f(x)
    return fn

发现对于被装饰的函数，log打印的语句是不能变的（除了函数名）。

如果有的函数非常重要，希望打印出’[INFO] call xxx()…’，有的函数不太重要，希望打印出’[DEBUG] call xxx()…’，这时，log函数本身就需要传入’INFO’或’DEBUG’这样的参数，类似这样：

@log('DEBUG')
def my_func():
    pass

把上面的定义翻译成高阶函数的调用，就是：

my_func = log('DEBUG')(my_func)
上面的语句看上去还是比较绕，再展开一下：

log_decorator = log('DEBUG')
my_func = log_decorator(my_func)
上面的语句又相当于：

log_decorator = log('DEBUG')
@log_decorator
def my_func():
    pass

所以，带参数的log函数首先返回一个decorator函数，再让这个decorator函数接收my_func并返回新函数：

def log(prefix):
    def log_decorator(f):
        def wrapper(*args, **kw):
            print '[%s] %s()...' % (prefix, f.__name__)
            return f(*args, **kw)
        return wrapper
    return log_decorator

@log('DEBUG')
def test():
    pass
print test()
执行结果：

[DEBUG] test()...
None

匿名函数lambda

python中匿名函数
高阶函数可以接收函数做参数，有些时候，我们不需要显式地定义函数，直接传入匿名函数更方便。

在Python中，对匿名函数提供了有限支持。还是以map()函数为例，计算 f(x)=x2 时，除了定义一个f(x)的函数外，还可以直接传入匿名函数：

>>> map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9])
[1, 4, 9, 16, 25, 36, 49, 64, 81]

通过对比可以看出，匿名函数 lambda x: x * x 实际上就是：

def f(x):
    return x * x

关键字lambda 表示匿名函数，冒号前面的 x 表示函数参数。

>>> f = lambda x: x * x
>>> f
<function <lambda> at 0x101c6ef28>
>>> f(5)
25

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）。
闭包的特点是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

# python 中的闭包

n = 10 #定义全局作用域变量


def fn(): #形成闭包
    n = 100 #定义局部变量n

    def inner():
        nonlocal n
        n += 1 #这里定义操作相同变量n无法调用上层作用中的变量，如果只读不写则可以正常访问
               # python3 中新增nonlocal 关键字可以调用上层作用域中的变量
        print(n)

    inner()
    return inner #返回内嵌函数的地址，从而形成闭包
    #形成闭包的条件
    #1、必须要有一个内嵌函数
    #2、内嵌函数中要对自由变量的引用
    #3、外部函数必须返回内嵌函数


t = fn()
t()
t()
print(n)

def count():
    fs = []
    for i in range(1, 4):
        def f(j=i):
            return j*j
        fs.append(f)
    return fs

f1, f2, f3 = count()
print f1(), f2(), f3()

>>>1 4 9

返回函数

高阶函数除了可以接受函数作为参数外，还可以把函数作为结果值返回。
用可变参数写一个求和函数，但不需要立即求和，而是等到有需要用时才调用。
解法：

def lazy_sum(*args):
  def sum():
    s = 0;
    for i in args:
      s += i
    return s
  return sum

f = lazy_sum(1,2,3)


>>> f()
6
>>> f
<function lazy_sum at 0x1037bfaa0>

高阶函数

高阶函数：就是把函数当成参数传递的一种函数。

高阶函数 filter()函数

filter()函数是 Python 内置的另一个有用的高阶函数，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。

例如，要从一个list [1, 4, 6, 7, 9, 12, 17]中删除偶数，保留奇数，首先，要编写一个判断奇数的函数：

def is_odd(x):
    return x % 2 == 1

然后，利用filter()过滤掉偶数：

filter(is_odd, [1, 4, 6, 7, 9, 12, 17])
结果：[1, 7, 9, 17]

利用filter()，可以完成很多有用的功能，例如，删除 None 或者空字符串：

def is_not_empty(s):
    return s and len(s.strip()) > 0
filter(is_not_empty, ['test', None, '', 'str', '  ', 'END'])

结果：[‘test’, ‘str’, ‘END’]

注意: s.strip(rm) 删除 s 字符串中开头、结尾处的 rm 序列的字符。

当rm为空时，默认删除空白符（包括’\n’, ‘\r’, ‘\t’, ’ ')，如下：

a = ’ 123’
a.strip()
结果： ‘123’

a=’\t\t123\r\n’
a.strip()
结果：‘123’

高阶函数reduce()函数

reduce()函数也是Python内置的一个高阶函数。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。

例如，编写一个f函数，接收x和y，返回x和y的和：

def f(x, y):
    return x + y

调用 reduce(f, [1, 3, 5, 7, 9])时，reduce函数将做如下计算：

先计算头两个元素：f(1, 3)，结果为4；
再把结果和第3个元素计算：f(4, 5)，结果为9；
再把结果和第4个元素计算：f(9, 7)，结果为16；
再把结果和第5个元素计算：f(16, 9)，结果为25；
由于没有更多的元素了，计算结束，返回结果25。
上述计算实际上是对 list 的所有元素求和。虽然Python内置了求和函数sum()，但是，利用reduce()求和也很简单。
reduce()还可以接收第3个可选参数，作为计算的初始值。如果把初始值设为100，计算：
reduce(f, [1, 3, 5, 7, 9], 100)
结果将变为125，因为第一轮计算是：

计算初始值和第一个元素：f(100, 1)，结果为101。

高阶函数map()函数

map()是 Python 内置的高阶函数，它接收一个函数 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。
例如，对于list [1, 2, 3, 4, 5, 6, 7, 8, 9]
如果希望把list的每个元素都作平方，就可以用map()函数：

因此，我们只需要传入函数f(x)=x*x，就可以利用map()函数完成这个计算：

def f(x):
    return x*x
print(map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9]))

输出结果：

[1, 4, 9, 10, 25, 36, 49, 64, 81]

注意：map()函数不改变原有的 list，而是返回一个新的 list。
利用map()函数，可以把一个 list 转换为另一个 list，只需要传入转换函数。
由于list包含的元素可以是任何类型，因此，map() 不仅仅可以处理只包含数值的 list，事实上它可以处理包含任意类型的 list，只要传入的函数f可以处理这种数据类型。

字符大小写转换

• lower()、upper()、capitalize()、title()、swapcase()

• 这几个方法分别用来将字符串转换为小写、大写字符串、将字符串首字母变为大写、将每个首字母变为大写以及大小写互换，这几个方法都是生成新字符串，并不对原字符串做任何修改

s='What is Your Name?'
s2=s.lower()
print(s2) #返回小写字符串
# what iss your name?
print(s.upper())    #返回大写字符串
# WHAT IS YOUR NAME?
print(s.capitalize())   #字符串首字符大写
# What is your name?
print(s.title())    #每个单词的首字母大写
# What Is Your Name?
print(s.swapcase()) #大小写互换
# wHAT IS yOUR nAME?

python string与list互转

list2sring

‘’.join(list)

• 其中，引号中是字符之间的分割符，如“,”，“;”，“\t”等等

s_char =['t', 'h', 'e', ' ', 's', 'k', 'y', ' ', 'i', 's', ' ', 'b', 'l', 'u', 'e']
print(''.join(s_char))
print(','.join(s_char))
'''
output:
the sky is blue

output:
t,h,e, ,s,k,y, ,i,s, ,b,l,u,e
'''

string2list

list(string)方法

s_char = "the sky is blue"
print(list(s_char))
'''
output:
['t', 'h', 'e', ' ', 's', 'k', 'y', ' ', 'i', 's', ' ', 'b', 'l', 'u', 'e']
'''

string.split()方法

s_char = "the sky is blue"
print(s_char.split())
'''
output
['the', 'sky', 'is', 'blue']
'''