Python3 函数式编程

Python3 函数式编程

目录

• 函数式编程
• 高阶函数
• map
• reduce
• filter
• 返回函数
• 匿名函数(lambda)
• 装饰器
• 参考资料

相关知识：函数内部的变量在函数执行完后就销毁；Python中一切皆变量。

函数式编程概念

• 函数式编程是一种抽象程度很高的编程范式，纯粹的函数式编程语言编写的函数没有变量，因此任意一个函数，只要输入是确定的，输出就是确定的。
• 函数式编程的一个特点就是，允许把函数本身作为参数传入另一个函数，还允许返回一个函数！
• Python 对函数式编程提供部分支持。由于 Python 允许使用变量，因此，Python 不是纯函数式编程语言！

函数是第一类对象

所谓第一类对象，意思是可以用标识符给对象命名，并且对象可以被当作数据处理，例如赋值、作为参数传递给函数，或者作为返回值return等。

高阶函数概述

高阶函数（Higher-order function），由于在 Python 中，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受另一个函数作为参数。一个函数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。一个简单例子如下：

def add(x, y, f=abs):  # abs作为内建函数BIF，不带括号时直接将函数本身赋值给变量
  return f(x) + f(y)
add(5.6, 7.9)  # 输出13.5

其他好多语言是无法直接传递函数作为参数到另外一个函数，要用到函数指针，而Python可以直接传递一个函数进来。

常用内建高阶函数

• python3 内建 map()/reduce() 函数
• 内建 filter() 函数用于过滤序列
• sorted() 函数用于排序
• 返回函数，函数作为返回值，比如闭包
• 匿名函数，不需要显示地定义函数, lambda 表达式构建匿名函数
• 装饰器，函数嵌套函数，装饰器的功能在于代码运行期间动态增加函数功能
• 偏函数，用于固定住原函数的部分参数，从而在调用时更简单

满足以下两点任意一点的函数,就称之为高阶函数

• 参数是函数。
• 返回值是函数。

内建函数 map

map函数接收两个参数，一个是函数，一个是可迭代对象（Iterable），map将传入的函数依次作用到序列的每个元素，并把结果作为一个新的Iterator返回。

• 可以直接作用于 for 循环的对象统统称为可迭代对象：Iterable
• 可以被 next() 函数调用并不断返回下一个值的对象称为迭代器：Iterator
• 生成器都是 Iterator 对象，但 list、 dict、 str 虽然是 Iterable，却不是 Iterator。

Python 的 Iterator 对象表示的是一个数据流， Iterator 对象可以被 next() 函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration 错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过 next() 函数实现按需计算下一个数据，所以 Iterator 的计算是惰性的，只有在需要返回下一个数据时
它才会计算。
代码实例如下：

list(map(str, [ 1, 3, 5, 7, 9]))  # 输出 ['1', '3', '5', '7', '9']

内建函数 reduce

reduce 把一个函数（这个函数必须要可以接收两个参数）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，效果等同于：reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3),x4)。
实例代码如下：

from functools import deduce
def fn(x,y):
    return x*10+y
reduce(fn, [1, 3, 5, 8])  # 输出1358

map和reduce函数结合使用，构建 str2int 函数（字符串转为整数），代码如下：

from functools import reduce
def str2int(s):
    def add(x, y):
        return x*10 + y
    def char2num(s):
        return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]
    return reduce(add, map(char2num, s))
str2int('2323')  # 输出2323

内建函数 filter

python 内建的filter()函数用于过滤序列。和 map、reduce函数类似，filter()函数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 (1) 还是 False (0) 决定保留还是丢弃该元素。
代码实例如下：

def is_odd(n):
    return n % 2 == 1
list(filter(is_odd, [1, 3, 8, 9, 11]))  # 输出[1, 3, 9, 11]

用 filter 方法求素数

代码使用的算法是埃氏筛法，算法理解起来非常简单，原理如下：

首先，列出从 2 开始的所有自然数，构造一个序列：
2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, …
取序列的第一个数 2，它一定是素数，然后用 2 把序列的 2 的倍数筛掉：
3, , 5, , 7, , 9, , 11, , 13, , 15, , 17, , 19, , …
取新序列的第一个数 3，它一定是素数，然后用 3 把序列的 3 的倍数筛掉：
5, , 7, , , , 11, , 13, , , , 17, , 19, , …
不断筛下去，就可以得到所有的素数。

程序如下：

# 定义一个从3开始的奇数生成器，
def _odd_iter():
    n = 1
    while True:
        n = n + 2
        yield n
# 定义一个筛选函数
def _not_divisible(n):
    return lambda x: x % n > 0
# 定义一个生成器，不断返回下一个素数
def primes():
    yield 2
    it = _odd_iter() # 初始序列
    while True:
        n = next(it) # 返回序列的第一个数
        yield n
        it = filter(_not_divisible(n), it) # 构造新序列
# 打印 1000 以内的素数:
for n in primes():
    if n < 1000:
        print(n)
    else:
        break

输出结果如下：

2
3
5
7
11
13
17
19
…
997

注意：filter() 函数返回的是一个 Iterator，也就是一个惰性序列，所以要强迫 filter() 完成计算结果，需要用 list() 函数获得所有结果并返回 list。

filter 小结

filter() 的作用是从一个序列中筛出符合条件的元素。由于 filter() 使用了惰性计算，所以只有在取 filter() 结果的时候，才会真正筛选并每次返回下一个筛出的元素。

返回函数

一个函数可以返回一个计算结果，也可以返回一个函数，可以返回函数的函数称为返回函数（有点绕）。返回函数的实例代码如下：

def lazy_sum(*args):
    def squre_sum():
        ax = 0
        for n in args:
            ax = ax + n*n
        return ax
    return squre_sum

调用lazy_sum()时，返回的不是求平方和结果（变量），而是求平方和函数，调用函数f时，才真正计算求平方和的结果，如下所示：

在这个实例中，内部函数 squre_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 squre_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。返回函数利用到闭包的特性。

闭包

闭包(closure)是函数式编程的重要的语法结构。函数式编程是一种编程范式 (而面向过程编程和面向对象编程也都是编程范式)。在面向过程编程中，我们见到过函数(function)；在面向对象编程中，我们见过对象(object)。函数和对象的根本目的是以某种逻辑方式组织代码，并提高代码的可重复使用性(reusability)。闭包也是一种组织代码的结构，它同样提高了代码的可重复使用性。

一个函数和它的环境变量合在一起，就构成了一个闭包 (closure)。在 Python 中，所谓的闭包是一个包含有环境变量取值的函数对象。环境变量取值被保存在函数对象的 closure 属性中。我的对闭包的理解，闭包可以实现函数和函数之外变量（环境变量）的打包。闭包实例代码如下：

def line_conf():
    b = 15  # environment variable
    def line(x):
        return 2*x+b
    return line       # return a function object
b = 5
my_line = line_conf()
print(my_line.__closure__)
print(my_line.__closure__[0].cell_contents)

程序输出如下：

 (<cell at 0x7fe327569948: int object at 0x55f2f30b05e0>,)
15

匿名函数(lambda)

• 只能写在一行上。
• 前面是参数，后面是表达式。表达式作为返回值。

匿名函数如何使用：

• 匿名函数通常和高阶函数配合使用，作为参数传入，或者作为返回值返回
• 一些短小的函数，我们就可以写匿名函数，而不用写好几行代码，一行匿名函数就够了。

装饰器

想要动态给函数添加功能时，我们要用到装饰器的知识，装饰器decotrator本质上就是一个返回函数的高阶函数，实例如下：

def log(func):
  def wrapper(*args, **kw):
      print('call %s():' % func.__name__)
      return func(*args, **kw)
  return wrapper 
@log
def now():
  print('2015-3-25') 

调用 now()函数，不仅会运行 now()函数本身，还会在运行 now()函数前，打印一行装饰器函数输出的日志，如下：

>>> now()
execute now():
2015-3-25

装饰器总结

在面向对象（OOP）的设计模式中， decorator 被称为装饰模式。OOP的装饰模式需要通过继承和组合来实现，而 Python 除了能支持 OOP 的 decorator 外，直接从语法层次支持 decorator。 Python 的 decorator 可以用函数实现，也可以用类实现。

参考资料

1. 《python3教程》-廖雪峰
2. 高阶函数、闭包、偏函数、柯里化、匿名函数
3. Python深入04 闭包