6.6 基于类的装饰器
6.7 装饰器的副作用
6.8 小结
7 partial
1 概述
在前面,我们已经对Python学习做了系统的知识梳理( Python思维导图),上一节我们讲解了函数的基本知识,这一节我们分享函数式编程。
1.1 函数式编程
函数式编程( functional programming )是一种 编程范式( Programming paradigm ) ,或者说编程模式,比如我们常见的过程式编程是一种编程范式,面向对象编程又是另一种编程范式。
1.2 特征
函数式编程的一大特性就是:可以把函数当成变量来使用,比如将函数赋值给其他变量、把函数作为参数传递给其他函数、函数的返回值也可以是一个函数等等。
Python 不是纯函数式编程语言,但它对函数式编程提供了一些支持。本章主要介绍 Python 中的函数式编程,主要包括以下几个方面:
2 高阶函数
在函数式编程中,我们可以将函数当作变量一样自由使用。一个函数接收另一个函数作为参数,这种函数称之为高阶函数(Higher-order Functions )。
看一个简单的例子:
1. def func ( g , arr ):
2. return [ g ( x ) for x in arr ]
上面的代码中, func 是一个高阶函数,它接收两个参数,第 1 个参数是函数,第 2 个参数是数
组, func 的功能是将函数 g 逐个作用于数组 arr 上,并返回一个新的数组,比如,我们可以这
样用:
1. def double ( x ):
2. return 2 * x
4. def square ( x ):
5. return x * x
7. arr1 = func ( double , [ 1 , 2 , 3 , 4 ])
8. arr2 = func ( square , [ 1 , 2 , 3 , 4 ])
不难判断出,arr1 是 [2, 4, 6, 8],arr2 是 [1, 4, 9, 16]。
3 匿名函数
3.1 定义
在 Python 中,我们使用 def 语句来定义函数,比如:
1. def double ( x ):
2. return 2 * x
除了用上面的方式定义函数, Python 还提供了一个关键字 lambda ,让我们可以创建一个匿名函
数,也就是没有名称的函数。它的形式如下:
1. lambda 参数 : 表达式
关键字 lambda 说明它是一个匿名函数,冒号 : 前面的变量是该匿名函数的参数,冒号后面
是函数的返回值,注意这里不需使用 return 关键字。
我们将上面的 double 函数改写成一个匿名函数,如下:
1. lambda x : 2 * x
那怎么调用匿名函数呢?可以直接这样使用:
1. >>> ( lambda x : 2 * x )( 8 )
2. 16
由于匿名函数本质上是一个函数对象,也可以将其赋值给另一个变量,再由该变量来调用函数,如下:
1. >>> f = lambda x : 2 * x # 将匿名函数赋给变量 f
2. >>> f
3. < function < lambda > at 0x7f835a696578 >
4. >>> f ( 8 )
5. 16
3.2 使用场景
lambda 函数一般适用于创建一些临时性的,小巧的函数。比如上面的 double 函数,我们当
然可以使用 def 来定义,但使用 lambda 来创建会显得很简洁,尤其是在高阶函数的使用
中。
看一个例子:
1. def func ( g , arr ):
2. return [ g ( x ) for x in arr ]
现在给一个列表 [1, 2, 3, 4] ,利用上面的函数,对列表中的元素加 1 ,返回一个新的列表,你可
能这样用:
1. def add_one ( x ):
2. return x + 1
4. arr = func ( add_one , [ 1 , 2 , 3 , 4 ])
这样做没什么错,可是 add_one 这个函数太简单了,使用 def 定义未免有点小题大作,我们
改用 lambda :
1. arr = func ( lambda x : x + 1 , [ 1 , 2 , 3 , 4 ])
是不是很简洁、易懂?
4 map/reduce/filter
map/reduce/filter 是 Python 中较为常用的内建高阶函数,它们为函数式编程提供了不少便
利。
4.1 map
map 函数的使用形式如下:
1. map ( function , sequence )
解释:对 sequence 中的 item 依次执行 function(item) ,并将结果组成一个 List 返回,也
就是:
1. [ function ( item1 ), function ( item2 ), function ( item3 ), …]
看一些简单的例子:
1. >>> def square ( x ):
2. … return x * x
4. >>> map ( square , [ 1 , 2 , 3 , 4 ])
5. [ 1 , 4 , 9 , 16 ]
7. >>> map ( lambda x : x * x , [ 1 , 2 , 3 , 4 ]) # 使用 lambda
8. [ 1 , 4 , 9 , 16 ]
10. >>> map ( str , [ 1 , 2 , 3 , 4 ])
11. [ ‘1’ , ‘2’ , ‘3’ , ‘4’ ]
13. >>> map ( int , [ ‘1’ , ‘2’ , ‘3’ , ‘4’ ])
14. [ 1 , 2 , 3 , 4 ]
再看一个例子:
1. def double ( x ):
2. return 2 * x
4. def triple ( x ):
5. return 3 * x
7. def square ( x ):
8. return x * x
10. funcs = [ double , triple , square ] # 列表元素是函数对象
12. # 相当于 [double(4), triple(4), square(4)]
13. value = list ( map ( lambda f : f ( 4 ), funcs ))
15. print value
17. # output
18. [ 8 , 12 , 16 ]
上面的代码中,我们加了 list 转换,是为了兼容 Python3 ,在 Python2 中 map 直接返回列
表, Python3 中返回迭代器。
4.2 reduce
reduce 函数的使用形式如下:
1. reduce ( function , sequence [, initial ])
解释:先将 sequence 的前两个 item 传给 function ,即 function(item1, item2) ,函数
的返回值和 sequence 的下一个 item 再传给 function ,即 function(function(item1,
item2), item3) ,如此迭代,直到 sequence 没有元素,如果有 initial ,则作为初始值调用。
也就是说:
1. reduece ( f , [ x1 , x2 , x3 , x4 ]) = f ( f ( f ( x1 , x2 ), x3 ), x4 )
看一些例子,就能很快理解了。
1. >>> reduce ( lambda x , y : x * y , [ 1 , 2 , 3 , 4 ]) # 相当于 ((1 * 2) * 3) * 4
2. 24
3. >>> reduce ( lambda x , y : x * y , [ 1 , 2 , 3 , 4 ], 5 ) # ((((5 * 1) * 2) * 3)) * 4
4. 120
5. >>> reduce ( lambda x , y : x / y , [ 2 , 3 , 4 ], 72 ) # (((72 / 2) / 3)) / 4
6. 3
7. >>> reduce ( lambda x , y : x + y , [ 1 , 2 , 3 , 4 ], 5 ) # ((((5 + 1) + 2) + 3)) + 4
8. 15
9. >>> reduce ( lambda x , y : x - y , [ 8 , 5 , 1 ], 20 ) # ((20 - 8) - 5) - 1
10. 6
11. >>> f = lambda a , b : a if ( a > b ) else b # 两两比较,取最大值
12. >>> reduce ( f , [ 5 , 8 , 1 , 10 ])
13. 10
4.3 filter
filter 函数用于过滤元素,它的使用形式如下:
1. filter ( function , sequnce )
解释:将 function 依次作用于 sequnce 的每个 item ,即 function(item) ,将返回值为
True 的 item 组成一个 List/String/Tuple ( 取决于 sequnce 的类型, python3 统一返回
迭代器 ) 返回。
看一些例子。
1. >>> even_num = list ( filter ( lambda x : x % 2 == 0 , [ 1 , 2 , 3 , 4 , 5 , 6 ]))
2. >>> even_num
3. [ 2 , 4 , 6 ]
4. >>> odd_num = list ( filter ( lambda x : x % 2 , [ 1 , 2 , 3 , 4 , 5 , 6 ]))
5. >>> odd_num
6. [ 1 , 3 , 5 ]
7. >>> filter ( lambda x : x < ‘g’ , ‘hijack’ )
8. ‘ac’ # python2
9. >>> filter ( lambda x : x < ‘g’ , ‘hijack’ )
10. < filter object at 0x1034b4080 > # python3
注意在 python2 和 python3 中, map/reduce/filter 的返回值类型有所不同, python2
返回的是基本数据类型,而 python3 则返回了迭代器;
5 闭包
5.1 定义
在 Python 中,函数也是一个对象。因此,我们在定义函数时,可以再嵌套定义一个函数,并将该嵌套函数返回,比如:
1. from math import pow
3. def make_pow ( n ):
4. def inner_func ( x ): # 嵌套定义了 inner_func
5. return pow ( x , n ) # 注意这里引用了外部函数的 n
6. return inner_func # 返回 inner_func
上面的代码中,函数 make_pow 里面又定义了一个内部函数 inner_func ,然后将该函数返
回。因此,我们可以使用 make_pow 来生成另一个函数:
1. >>> pow2 = make_pow ( 2 ) # pow2 是一个函数,参数 2 是一个自由变量
2. >>> pow2
3. < function inner_func at 0x10271faa0 >
4. >>> pow2 ( 6 )
5. 36.0
我们还注意到,内部函数 inner_func 引用了外部函数 make_pow 的自由变量 n ,这也就
意味着,当函数 make_pow 的生命周期结束之后, n 这个变量依然会保存在 inner_func
中,它被 inner_func 所引用。
1. >>> del make_pow # 删除 make_pow
2. >>> pow3 = make_pow ( 3 )
3. Traceback ( most recent call last ):
4. File “” , line 1 , in
5. NameError : name ‘make_pow’ is not defined
6. >>> pow2 ( 9 ) # pow2 仍可正常调用,自由变量 2 仍保存在 pow2 中
7. 81.0
像上面这种情况,一个函数返回了一个内部函数,该内部函数引用了外部函数的相关参数和变量,我们把该返回的内部函数称为闭包(Closure )。
在上面的例子中, inner_func 就是一个闭包,它引用了自由变量 n 。
5.2 闭包的作用
闭包的最大特点就是引用了自由变量,即使生成闭包的环境已经释放,闭包仍然存在。
闭包在运行时可以有多个实例,即使传入的参数相同。
1. >>> pow_a = make_pow ( 2 )
2. >>> pow_b = make_pow ( 2 )
3. >>> pow_a == pow_b
4. False
利用闭包,我们还可以模拟类的实例。
这里构造一个类,用于求一个点到另一个点的距离:
1. from math import sqrt
3. class Point ( object ):
4. def __init__ ( self , x , y ):
5. self . x , self . y = x , y
7. def get_distance ( self , u , v ):
8. distance = sqrt (( self . x - u ) ** 2 + ( self . y - v ) ** 2 )
9. return distance
11. >>> pt = Point ( 7 , 2 ) # 创建一个点
12. >>> pt . get_distance ( 10 , 6 ) # 求到另一个点的距离
13. 5.0
用闭包来实现:
1. def point ( x , y ):
2. def get_distance ( u , v ):
3. return sqrt (( x - u ) ** 2 + ( y - v ) ** 2 )
5. return get_distance
7. >>> pt = point ( 7 , 2 )
8. >>> pt ( 10 , 6 )
9. 5.0
可以看到,结果是一样的,但使用闭包实现比使用类更加简洁。
5.3 常见的误区
闭包的概念很简单,但实现起来却容易出现一些误区,比如下面的例子:
1. def count ():
2. funcs = []
3. for i in [ 1 , 2 , 3 ]:
4. def f ():
5. return i
6. funcs . append ( f )
7. return funcs
在该例子中,我们在每次 for 循环中创建了一个函数,并将它存到 funcs 中。现在,调用上
面的函数,你可能认为返回结果是 1, 2, 3 ,事实上却不是:
1. >>> f1 , f2 , f3 = count ()
2. >>> f1 ()
3. 3
4. >>> f2 ()
5. 3
6. >>> f3 ()
7. 3
为什么呢?原因在于上面的函数 f 引用了变量 i ,但函数 f 并非立刻执行,当 for 循环结束时,此时变量 i 的值是 3 , funcs 里面的函数引用的变量都是 3 ,最终结果也就全为3。
因此,我们应尽量避免在闭包中引用循环变量,或者后续会发生变化的变量。
那上面这种情况应该怎么解决呢?我们可以再创建一个函数,并将循环变量的值传给该函数,如下:
1. def count ():
2. funcs = []
3. for i in [ 1 , 2 , 3 ]:
4. def g ( param ):
5. f = lambda : param # 这里创建了一个匿名函数
6. return f
7. funcs . append ( g ( i )) # 将循环变量的值传给 g
8. return funcs
10. >>> f1 , f2 , f3 = count ()
11. >>> f1 ()
12. 1
13. >>> f2 ()
14. 2
15. >>> f3 ()
16. 3
(1)闭包是携带自由变量的函数,即使创建闭包的外部函数的生命周期结束了,闭包所引用的自由变量仍会存在。
(2)闭包在运行可以有多个实例。
(3)尽量不要在闭包中引用循环变量,或者后续会发生变化的变量。
6 装饰器
我们知道,在 Python 中,我们可以像使用变量一样使用函数:
(1)函数可以被赋值给其他变量
(2)函数可以被删除
(3)可以在函数里面再定义函数
(4)函数可以作为参数传递给另外一个函数
(5)函数可以作为另一个函数的返回
简而言之,函数就是一个对象。
6.1 对一个简单的函数进行装饰
为了更好地理解装饰器,我们先从一个简单的例子开始,假设有下面的函数:
1. def hello ():
2. return ‘hello world’
现在我们想增强 hello() 函数的功能,希望给返回加上 HTML 标签,比如 hello
world ,但是有一个要求,不改变原来 hello() 函数的定义。这里当然有很多种方法,下面
给出一种跟本文相关的方法:
1. def makeitalic ( func ):
2. def wrapped ():
3. return “” + func () + “”
4. return wrapped
在上面的代码中,我们定义了一个函数 makeitalic ,该函数有一个参数 func ,它是一个函
最后
Python崛起并且风靡,因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低,但它的晋级路线很多,通过它你能进入机器学习、数据挖掘、大数据,CS等更加高级的领域。Python可以做网络应用,可以做科学计算,数据分析,可以做网络爬虫,可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多,你需要学好基础,再选择明确的方向。这里给大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
👉Python所有方向的学习路线👈
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
👉Python必备开发工具👈
工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。
👉Python全套学习视频👈
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。
👉实战案例👈
学python就与学数学一样,是不能只看书不做题的,直接看步骤和答案会让人误以为自己全都掌握了,但是碰到生题的时候还是会一筹莫展。
因此在学习python的过程中一定要记得多动手写代码,教程只需要看一两遍即可。
👉大厂面试真题👈
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数初中级Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python爬虫全套学习资料》送给大家,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频
如果你觉得这些内容对你有帮助,可以添加下面V无偿领取!(备注:python)
b62410deb210454.png)
👉Python必备开发工具👈
工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。
👉Python全套学习视频👈
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。
👉实战案例👈
学python就与学数学一样,是不能只看书不做题的,直接看步骤和答案会让人误以为自己全都掌握了,但是碰到生题的时候还是会一筹莫展。
因此在学习python的过程中一定要记得多动手写代码,教程只需要看一两遍即可。
👉大厂面试真题👈
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数初中级Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python爬虫全套学习资料》送给大家,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频
如果你觉得这些内容对你有帮助,可以添加下面V无偿领取!(备注:python)
[外链图片转存中…(img-0IF5X2RP-1710976805366)]