Python进阶

函数式编程

高阶函数

变量可以指向函数

>>> abs(-10)
10
>>> f=abs
>>> f(-10)
10

函数名就是指向函数的变量：函数名和普通变量没有区别，它指向的只是一个函数对象

#把abs指向len函数
>>> abs = len
>>> abs(-10)
错误
>>> abs([1,2,3])
3

高阶函数：能接收函数作参数的函数。变量可以指向函数，函数的参数可以接收变量，所以一个函数可以接收另一个函数作为参数，把能接收函数作参数的函数叫做高阶函数。例如，

>>>def add(x,y,f):
...    return f(x)+f(y)
>>> add(-5,9,abs)
14
#参数f传递进来一个函数abs

map()函数

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。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，只需要传入自己编写的转换函数。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。
例如，利用map()函数，把一个list（包含若干不规范的英文名字）变成一个包含规范英文名字的list：
输入：[‘adam’, ‘LISA’, ‘barT’]
输出：[‘Adam’, ‘Lisa’, ‘Bart’]

def format_name(s):
    return s[0].upper()+s[1:].lower()

print map(format_name, ['adam', 'LISA', 'barT'])
#输出：['Adam', 'Lisa', 'Bart']
#upper()和lower()函数可以转换字母的大小写

reduce()函数

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，

def f(x, y):
    return x + y
reduce(f, [1, 3, 5, 7, 9])
#计算过程如下：
#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。
#实际上就是对list所有元素求和

reduce()还可以接收第3个可选参数，作为计算的初始值。

def f(x, y):
    return x + y
reduce(f, [1, 3, 5, 7, 9], 100)
#第一轮计算是计算初始值和第一个元素：f(100, 1)，结果为101
#最后结果为125

filter()函数

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
def is_odd(x):
    return x % 2 == 1
filter(is_odd, [1, 4, 6, 7, 9, 12, 17])
#结果：[1, 7, 9, 17]
#注意return x % 2 == 1的写法，这样写可以返回满足x % 2 == 1的x

#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'

利用filter()过滤出1~100中平方根是整数的数，即结果应该是：
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

import math
def is_sqr(x):
    return math.sqrt(x)==int(math.sqrt(x))

print filter(is_sqr, range(1, 101))
#注意判断一个数是否为整数的写法

自定义排序函数

Python内置的 sorted()函数可对list进行排序：

>>>sorted([36, 5, 12, 9, 21])
[5, 9, 12, 21, 36]

sorted()也是一个高阶函数，它可以接收一个比较函数来实现自定义排序，比较函数的定义是，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。
因此，如果我们要实现倒序排序，只需要编写一个reversed_cmp函数：

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)
[36, 21, 12, 9, 5]

sorted()也可以对字符串进行排序，字符串默认按照ASCII大小来比较：

>>> sorted(['bob', 'about', 'Zoo', 'Credit'])
['Credit', 'Zoo', 'about', 'bob']
#'Zoo'排在'about'之前是因为'Z'的ASCII码比'a'小。

对字符串排序时，有时候忽略大小写排序更符合习惯。请利用sorted()高阶函数，实现忽略大小写排序的算法。
输入：[‘bob’, ‘about’, ‘Zoo’, ‘Credit’]
输出：[‘about’, ‘bob’, ‘Credit’, ‘Zoo’]

def cmp_ignore_case(s1, s2):
    if s1[0].lower()>s2[0].lower():
        return 1
    if s1[0].lower()<s2[0].lower():
        return -1
    return 0

print sorted(['bob', 'about', 'Zoo', 'Credit'], cmp_ignore_case)
#输出：['about', 'bob', 'Credit', 'Zoo']

返回函数

Python的函数可以返回函数，例如

def f():
    print 'call f()...'
    def g():
        print 'call g()...'
    return g

>>> x = f()   # 调用f()
call f()...
>>> x   # 变量x是f()返回的函数：
<function g at 0x1037bf320>
>>> x()   # x指向函数g，因此可以调用
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。例如，如果定义一个普通的求和函数：

def calc_sum(lst):
    return sum(lst)

>>> calc_sum([1, 2, 3, 4])
10
#调用calc_sum()函数时，将立刻计算并得到结果

但是，如果返回一个函数，就可以延迟计算：

def calc_sum(lst):
    def lazy_sum():
        return sum(lst)
    return lazy_sum
# 调用calc_sum()并没有计算出结果，而是返回函数:
>>> f = calc_sum([1, 2, 3, 4])
>>> f
<function lazy_sum at 0x1037bfaa0>
# 对返回的函数进行调用时，才计算出结果:
>>> f()
10

请编写一个函数calc_prod(lst)，它接收一个list，返回一个函数，返回函数可以计算参数的乘积。

def calc_prod(lst):
    def g(x,y):
        return x*y
    def prod():
        return reduce(g, lst)
    return prod

f = calc_prod([1, 2, 3, 4])
print f()
输出：24

闭包

def func(name):
    def inner_func(age):
        print 'name:', name, 'age:', age
    return inner_func

bb = func('the5fire')
bb(26)  # 输出：name: the5fire age: 26

像上面这种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）。一个闭包就是你调用了一个函数A，这个函数A返回了一个函数B给你。这个返回的函数B就叫做闭包。你在调用函数A的时候传递的参数就是自由变量。闭包是引用了自由变量的函数。这个被引用的自由变量将和这个函数一同存在，即使已经离开了创造它的环境也不例外。这里面调用func的时候就产生了一个闭包——inner_func,并且该闭包持有自由变量——name，因此这也意味着，当函数func的生命周期结束之后，name这个变量依然存在，因为它被闭包引用了，所以不会被回收。

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。
例如，

#这个例子有点儿没懂？？？
# 希望一次返回3个函数，分别计算1x1,2x2,3x3:
def count():
    fs = []
    for i in range(1, 4):
        def f():
             return i*i
        fs.append(f)
    return fs

f1, f2, f3 = count()
print f1(), f2(), f3()
#输出：9 9 9
#你可能认为调用f1()，f2()和f3()结果应该是1，4，9，但实际结果全部都是9，原因就是当count()函数返回了3个函数时，这3个函数所引用的变量 i 的值已经变成了3。由于f1、f2、f3并没有被调用，所以，此时他们并未计算 i*i，

因此，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。
再举几个闭包的例子，

def make_adder(addend):
    def adder(augend):
        return augend + addend
    return adder

p = make_adder(23)
q = make_adder(44)
#到这一步的p和q都是指向adder这个函数
print p(100)
print q(100)
#输出：123 144

def hellocounter (name):
    count=[0] 
    def counter():
        count[0]+=1
        print 'Hello,',name,',',str(count[0])+' access!'
    return counter

hello = hellocounter('ma6174')
#到这一步hello指向函数counter
#下面才是调用执行counter()
hello()
hello()
hello() 
#输出：
#Hello, ysisl , 1 access!
#Hello, ysisl , 2 access!
#Hello, ysisl , 3 access!

匿名函数

高阶函数直接传入匿名函数更方便。

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

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。

>>> sorted([1, 3, 9, 5, 0], lambda x,y: -cmp(x,y))
[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)
1
>>> myabs(1)
1

decorator装饰器

先看一个小例子

def foo():
    print 'in foo()'

foo()

为了看执行这个函数用了多长时间

import time
def foo():
    start = time.clock()
    print 'in foo()'
    end = time.clock()
    print 'used:', end - start

foo()

要看其他的函数执行用了多长时间，为了不修改函数的定义

import time

def foo():
    print 'in foo()'

def timeit(func):
    start = time.clock()
    func()
    end =time.clock()
    print 'used:', end - start

timeit(foo)

看起来逻辑上并没有问题，一切都很美好并且运作正常！……等等，我们似乎修改了调用部分的代码。原本我们是这样调用的：foo()，修改以后变成了：timeit(foo)。这样的话，如果foo在N处都被调用了，你就不得不去修改这N处的代码。或者更极端的，考虑其中某处调用的代码无法修改这个情况，比如：这个函数是你交给别人使用的。为了最大限度的少改动：

import time

def foo():
    print 'in foo()'

# 定义一个计时器，传入一个，并返回另一个附加了计时功能的方法
def timeit(func):

    # 定义一个内嵌的包装函数，给传入的函数加上计时功能的包装
    def wrapper():
        start = time.clock()
        func()
        end =time.clock()
        print 'used:', end - start

    # 将包装后的函数返回
    return wrapper

foo = timeit(foo)
foo()

只需要在定义foo以后调用foo之前，加上foo = timeit(foo)，就可以达到计时的目的，这也就是装饰器的概念，看起来像是foo被timeit装饰了。上面这段代码看起来似乎已经不能再精简了，Python于是提供了一个语法糖来降低字符输入量：

import time

def timeit(func):
    def wrapper():
        start = time.clock()
        func()
        end =time.clock()
        print 'used:', end - start
    return wrapper

@timeit
def foo():
    print 'in foo()'

foo()

@timeit，在定义foo()之前加上这一行与在定义foo()之后写foo = timeit(foo)完全等价。