【script】python中的函数式编程

函数式编程就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，这种纯函数我们称之为没有副作用。而允许使用变量的程序设计语言，由于函数内部的变量状态不确定，同样的输入，可能得到不同的输出，因此，这种函数是有副作用的。

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！

下面介绍一下函数式编程中常见的高阶函数：

map():

作用：

map()函数接收两个参数，一个是函数，一个是Iterable（可迭代对象），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Iterator返回。其效果如下：

map(f, [x1, x2, x3, x4]) = [f(x1), f(x2), f(x3), f(x4)]

举例：

利用map()函数，把用户输入的不规范的英文名字，变为首字母大写，其他小写的规范名字。输入：['adam', 'LISA', 'barT']，输出：['Adam', 'Lisa', 'Bart']：

def name(l_name):   # 首字母大写，其它小写
    l_name = l_name[0].upper() + l_name[1:].lower()
    return l_name
l_name_1 = ['adam', 'LISA', 'barT']
l_name_2 = list(map(name, l_name_1))    # map让name函数对l_name_1进行递归处理
print(l_name_2) # ['Adam', 'Lisa', 'Bart']

相当于：

l_name_1 = ['adam', 'LISA', 'barT']
l_name_2 = []
for name in l_name_1:
    name = name[0].upper() + name[1:].lower()
    l_name_2.append(name)
print(l_name_2)

所以map()可以代替for循环。别看在这里for循环好像比map()用起来简单，当代码中有多个for循环嵌套时，map()在阅读速度上以及可维护性上都要比for循环好上许多

高阶函数多线程用法：

from multiprocessing.dummy import Pool  # 进程池
def name(l_name):
    l_name = l_name[0].upper() + l_name[1:].lower()
    return l_name
pool = Pool(10) # 定义线程数
l_name_1 = ['adam', 'LISA', 'barT']
l_name_2 = pool.map(name, l_name_1)
print(l_name_2)

reduce()：

作用：

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。其效果如下：

reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

举例：

编写一个prod()函数，可以接受一个list并利用reduce()求积。输入：[3, 5, 7, 9]，输出：945：

from functools import reduce # reduce在python2中是内置的，在python3中已移除，需要import
def prod(l):
    return reduce(lambda x, y: x*y,l)   # reduce让lambda创建的匿名函数对l进行两两递归处理
print('3 * 5 * 7 * 9 =', prod([3, 5, 7, 9]))
if prod([3, 5, 7, 9]) == 945:
    print('测试成功!')
else:
    print('测试失败!')
# 输出：3 * 5 * 7 * 9 = 945 \n 测试成功!

filter():

作用：

和map()类似，filter()也接收一个函数和一个序列。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。其效果如下：

filter(f, [x1, x2, x3, x4]) = [x1, x3, x4]  # f(x1) = True， f(x2) = False， f(x3) = True， f(x4) = True

举例：

利用filter()函数把一个序列中的空字符串删掉：

def not_empty(s):
    return s and s.strip()
print(list(filter(not_empty, ['A', '', 'B', None, 'C', '  ']))) # filter让not_empty函数对列表进行递归处理，并返回['A', 'B', 'C']

相当于：

s1 = ['A', '', 'B', None, 'C', '  ']
s2 = []
for e in s1:
    if e != None:
        if e.strip() != '':
            s2.append(e)
        else:  pass
    else: pass
print(s2)

map()可以代替for，同样的filter()也可以代替if-else，理由同上

sorted():

作用：

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。其效果如下：

sorted(f, [x1, x2, x3, x4]) = [x4, x2, x3, x1]  # f(x4) > f(x2) > f(x3) > f(x1)

举例：

用sorted()对列表中元组分别按名字进行排序：

l = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]
def by_name(t): # 函数作用，取出元组中的第一个元素
    return t[0]
L2 = sorted(l, key=by_name) # sorted让key指定的by_name函数对l进行递归处理，返回['Bob', 'Adam', 'Bart', 'Lisa']，之后再做排序
print(L2)   # [('Adam', 92), ('Bart', 66), ('Bob', 75), ('Lisa', 88)]

 

参考链接：

https://www.liaoxuefeng.com/wiki/1016959663602400/1017434209254976