函数式编程--高阶函数

map/reduce

python 内建map（）和 reduce（）函数。
map（）函数接收两个参数， 一个是函数， 一个是Iterable， map将传入的函数依次作用到序列的每一个元素， 并把结果作为新的Iterator返回。
举例说明， 函数f(x)=x*x， 要把这个函数作用在一个list[1, 2, 3, 4, 5, 6, 7, 8, 9]上， 就可以用map（）实现如下：

>>> def f(x):
...     return x * x
...
>>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> list(r)
[1, 4, 9, 16, 25, 36, 49, 64, 81]

map（）传入的第一个参数是f， 即函数对象本身。由于结果r是一个Iterator， Iterator是惰性序列， 因此通过list（）函数让它整个序列都计算出来并返回一个list。

你可能会想， 不需要map（）函数， 写一个循环， 也可以计算出结果：

L = []
for n in [1, 2, 3, 4, 5, 6, 7, 8, 9]:
	L.append(f(n))
print(L)

的确可以， 但是， 从上面的循环代码， 能一眼看出来“把f（x）作用在list的每一个元素并把结果生成一个新的list”吗？
所以， map（）作为高阶函数， 事实上它把运算规则抽象了， 因此， 我们不但可以计算简单的 f(x)=x*x， 还可以计算任意复杂的函数， 比如， 把这个list所有数字转为字符串：

>>> list(map(str, [1, 2, 3, 4, 5]))
['1', '2', '3', '4', '5']

只需要一个行代码。

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：

>>> from functools import reduce
>>> def add(x, y):
...     return x+y
...
>>> reduce(add, [1, 3, 5, 7, 9])
25

当然求和运算可以直接用Python内置函数sum（）， 没必要动用reduce。
但是如果把序列[1, 3, 5, 7, 9]变换成整数13579， reduce就可以派上用场了：

>>> from functools import reduce
>>> def fn(x, y):
...     return x*10 + y
...
>>> reduce(fn, [1, 3, 5, 7, 9])
13579

这个例子本身没有多大用处， 但是， 如果考虑到字符串str也是一个序列， 对上面的例子稍加改动， 配合map（）， 我们就可以写出把str转换为int的函数：

>>> from functools import reduce
>>> def fn(x, y):
...     return x * 10 + y
...
>>> def char2num(s):
...     digits = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
...     return digits[s]
...
>>> reduce(fn, map(char2num, '13579'))
13579

整理成一个str2int的函数就是：

from functools import reduce

DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}

def str2int(s):
    def fn(x, y):
        return x * 10 + y
    def char2num(s):
        return DIGITS[s]
    return reduce(fn, map(char2num, s))

还可以用lambda函数进一步简化成：

from functools import reduce

DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}

def char2num(s):
    return DIGITS[s]

def str2int(s):
    return reduce(lambda x, y: x * 10 + y, map(char2num, s))

filter

python内置的filter（）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（）不同的是， 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， 删除偶数， 只保留奇数， 可以这么写：

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

list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
# 结果: [1, 5, 9, 15]

把一个序列中的空字符串删掉，可以这么写：

def not_empty(s):
    return s and s.strip()

list(filter(not_empty, ['A', '', 'B', None, 'C', '  ']))
# 结果: ['A', 'B', 'C']

可见用filter()这个高阶函数，关键在于正确实现一个“筛选”函数。

注意到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。

用filter求素数

计算素数的一个方法是埃氏筛法，它的算法理解起来非常简单：

埃式筛法：
	（1）先把1删除（现今数学界1既不是质数也不是合数）
	（2）读取队列中当前最小的数2，然后把2的倍数删去
	（3）读取队列中当前最小的数3，然后把3的倍数删去
	（4）读取队列中当前最小的数5，然后把5的倍数删去
	（5）读取队列中当前最小的数7，然后把7的倍数删去
	（6）如上所述直到需求的范围内所有的数均删除或读取

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, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, …

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, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, …

取新序列的第一个数5，然后用5把序列的5的倍数筛掉：

7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, …

不断筛下去，就可以得到所有的素数。

用python来实现这个算法， 可以先构造一个从3开始的奇数序列：

def _odd_iter():
	n = 1
	while True:
		n = n+2
		yield n
		

注意这是一个生成器， 并且是一个无限序列。
然后定义一个筛选函数：

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。

sorted

排序算法
排序也是在程序中经常用到的算法。无论使用冒泡排序还是快速排序，排序的核心是比较两个元素的大小。如果是数字，我们可以直接比较，但如果是字符串或者两个dict呢？直接比较数学上的大小是没有意义的，因此，比较的过程必须通过函数抽象出来。

Python内置的sorted()函数就可以对list进行排序：

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

此外，sorted()函数也是一个高阶函数，它还可以接收一个key函数来实现自定义的排序，例如按绝对值大小排序：

>>> sorted([36, 5, -12, 9, -21], key=abs)
[5, 9, -12, -21, 36]

key指定的函数将作用于list的每一个元素上，并根据key函数返回的结果进行排序。对比原始的list和经过key=abs处理过的list：

list = [36, 5, -12, 9, -21]

keys = [36, 5,  12, 9,  21]

我们再看一个字符串排序的例子

>>> sorted(['bob', 'about', 'Zoo', 'Credit'])
['Credit', 'Zoo', 'about', 'bob']

默认情况下，对字符串排序，是按照ASCII的大小比较的，由于’Z’ < ‘a’，结果，大写字母Z会排在小写字母a的前面。

现在，我们提出排序应该忽略大小写，按照字母序排序。要实现这个算法，不必对现有代码大加改动，只要我们能用一个key函数把字符串映射为忽略大小写排序即可。忽略大小写来比较两个字符串，实际上就是先把字符串都变成大写（或者都变成小写），再比较。

样，我们给sorted传入key函数，即可实现忽略大小写的排序：

>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower)
['about', 'bob', 'Credit', 'Zoo']

要进行反向排序，不必改动key函数，可以传入第三个参数reverse=True：

>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)
['Zoo', 'Credit', 'bob', 'about']

小结

sorted()也是一个高阶函数。用sorted()排序的关键在于实现一个映射函数。