一、高阶函数
变量可以指向函数
>>> abs(-10)
10
>>> abs
<built-in function abs>
只写函数名,说明abs指向了一个地址
>>> x = abs(-10)
>>> x
10
把结果赋值给变量
>>> f = abs
>>> f
<built-in function abs>
试一试函数能否赋值
>>> f = abs
>>> f(-10)
10
结论:变量可以指向函数
函数名也是变量
>>> abs = 10
>>> abs(-10)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'int' object is not callable
结论:abs
这个变量已经不指向求绝对值函数了,函数名也是变量
传入函数
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。
一个最简单的高阶函数:
1 def add(x, y, f):
2 return f(x) + f(y)
3
4 print(add(-5, 6, abs))
虽然可以这么做,但是在实践当中,不会这么采用,以免造成冲突
map/reduce
map()函数的底层实现
1 def map_test(func,li):
2 L = []
3 for x in li:
4 L.append(func(x))
5 return L
6
7 def Add(data):
8 return data + 1
9
10 rest = list(map_test(Add,[1,2,3]))
11 print(rest)
map()
函数接收两个参数,一个是函数,一个是序列,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list返回
1 >>> def f(x):
2 ... return x * x
3 ...
4 >>> map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
5 [1, 4, 9, 16, 25, 36, 49, 64, 81]
reduce()函数的第层实现
1 def reduce_test(func,li):
2 total = 0
3 # total = 1
4 for i in li:
5 total = func(total,i)
6 return total
7
8 def Add(x, y):
9 return x + y
10
11 def Multi(x, y):
12 return x * y
13
14 # rest = reduce_test(Add,[1,2,4,5])
15 # rest = reduce_test(Multi,[1,2,4,5])
16 rest = reduce_test(lambda x,y:x+y,[1,2,4,5])
17 print(rest)
再看reduce的用法。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,其效果就是:
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
比方说对一个序列求和,就可以用reduce实现:
1 >>> def add(x, y):
2 ... return x + y
3 ...
4 >>> reduce(add, [1, 3, 5, 7, 9])
5 25
str转换int
1 def str2int(s):
2 def fn(x, y):
3 return x * 10 + y
4 def char2num(s):
5 return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]
6 return reduce(fn, map(char2num, s))
fitter
fitter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()
不同的时,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。
例如,在一个list中,删掉偶数,只保留奇数,可以这么写:
1 def is_odd(n):
2 return n % 2 == 1
3
4 filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])
5 # 结果: [1, 5, 9, 15]
sorted
Python内置的sorted()
函数就可以对list进行排序:
1 >>> sorted([36, 5, 12, 9, 21])
2 [5, 9, 12, 21, 36]
此外,sorted()
函数也是一个高阶函数,它还可以接收一个比较函数来实现自定义的排序。比如,如果要倒序排序,我们就可以自定义一个reversed_cmp
函数:
1 def reversed_cmp(x, y): 2 if x > y: 3 return -1 4 if x < y: 5 return 1 6 return 0
7 >>> sorted([36, 5, 12, 9, 21], reversed_cmp)
8
[36, 21, 12, 9, 5]
二、返回函数
函数作为返回值
1 def lazy_sum(*args):
2 def sum():
3 ax = 0
4 for n in args:
5 ax = ax + n
6 return ax
7 return sum
8
9 >>> f = lazy_sum(1, 3, 5, 7, 9)
10 >>> f
11 <function sum at 0x10452f668>
12
13 >>> f()
14 25
嵌套函数,返回嵌套函数名,最后调用时,用函数名().
闭包函数
返回闭包时牢记的一点就是: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。
1 def count():
2 fs = []
3 for i in range(1, 4):
4 def f():
5 return i*i
6 fs.append(f) #没有立即执行
7 return fs #因为i为局部变量,执行到i=3时,由于没有取值,导致覆盖
8
9 f1, f2, f3 = count()
10
11 >>> f1()
12 9
13 >>> f2()
14 9
15 >>> f3()
16 9
如果一定要引用循环变量怎么办?方法是再创建一个函数,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:
1 >>> def count():
2 ... fs = []
3 ... for i in range(1, 4):
4 ... def f(j):
5 ... def g():
6 ... return j*j
7 ... return g
8 ... fs.append(f(i))
9 ... return fs
10 ...
11 >>> f1, f2, f3 = count()
12 >>> f1()
13 1
14 >>> f2()
15 4
16 >>> f3()
17 9
三、匿名函数
当我们在传入函数时,有些时候,不需要显式地定义函数,直接传入匿名函数更方便。
1 >>> list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
2 [1, 4, 9, 16, 25, 36, 49, 64, 81]
此外,匿名函数也是一个函数对象,也可以把匿名函数赋值给一个变量,再利用变量来调用该函数
同样,也可以把匿名函数作为返回值返回
四、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)。
装饰器的两个必须满足的要求:
1、不改变被修饰函数的调用方式(test())
2、不改变被修饰函数的源代码
1 import time
2 def log(func):
3 def wrapper(*args, **kw): #为了解决不同函数传入的参数不同
4 start_time = time.time()
5 return func(*args, **kw) #实际上是传给了func->now return,接受返回值,
6 stop_time = time.time() #下面的内容无法实现
7 print("执行了%.3fs"%(stop_time-start_time))
8 return wrapper
9
10 @log #now = log(now)
11 def now():
12 time.sleep(3)
13 print("程序执行完毕!")
14
15 now()