函数
1. 高阶函数
- 接收函数作为参数,或者将函数作为返回值返回的函数就是高阶函数
- 匿名函数:lambda函数(不取名的函数)专门用来创建简单的函数的
- 语法:
- lambda 参数: 表达式
r = lambda a,b:a+b print(r(10,20)) #输出结果为:30
拓展:
filter() 需要传递两个参数,按照设定的规整,过滤出想要的数据
1.传递一个函数
2.传递一个需要过滤的序列(可迭代的)#filter()用法 list1 = [1,2,3,4,5,6,7,8,9,10] def fun(n): if n%2 == 0: return True print(list(filter(fun,list1)))#输出结果为:[2, 4, 6, 8, 10] #filter()结合lambda list1 = [1,2,3,4,5,6,7,8,9,10] result = lambda i : i%2 == 0 print(list(filter(result,list1)))#输出结果为:[2, 4, 6, 8, 10]
2. 闭包
- 将函数作为返回值也是高阶函数我们也称为闭包
- 闭包的好处
- 通过闭包可以创建一些只有当前函数能访问的变量
- 可以将一些私有数据藏到闭包中
- 保证变量不被python的垃圾回收机制给销毁掉(需要注意避免导致内存溢出的情况)
- 行成闭包的条件
- 函数嵌套
- 将内部函数作为返回值返回
- 内部函数必须要使用到外部函数的变量
def fun_out(num1):
def func_inner(num2):
# 告诉解释器,此处用的是外部变量num1
nonlocal num1
# 这里本意是要修改外部变量num1的值,实际上是重新进行了赋值
num1 = 10
result = num1 + num2
print(result)
print(num1)
func_inner(1)
print(num1)
return func_inner
print(fun_out(1))
#输出结果为:1 11 10
3. 装饰器的引入
- 我们可以直接通过修改函数中的代码来完成需求,但是会产生以下一些问题
- 如果修改的函数多,修改起来会比较麻烦
- 不方便后期的维护
- 这样做会违反开闭原则(ocp)
- 程序的设计,要求开发对程序的扩展,要关闭对程序的修改
实例:使用(fn,*args,**kwargs)的方式来引用
def add(a,b):
return a+b
def fun(fn,*args,**kwargs):
r = fn(*args,**kwargs)
print(r)
fun(add, 1, 2)
4. 装饰器的使用
- 通过装饰器,可以在不修改原来函数的情况下来对函数进行扩展
- 在开发中,我们都是通过装饰器来扩展函数的功能的
- 装饰器是特殊的闭包,需要满足闭包的条件
实例:
def fun(fn,*args,**kwargs):
def fun_inner(*args,**kwargs):
r = fn(*args,**kwargs)
print(r)
return fun_inner
@fun #装饰器使用
def add(a,b):
return a+b
add(1,2)
实战演练:
请使用装饰器实现已存在的函数的执行所花费的时间。
def times(fn):
def times2():
import time
time_begin = time.time()
fn()
time_end = time.time()
time = time_end - time_begin
print("执行程序时间花费了:",time)
return times2
@times
def fun():
n = 0
for i in range(100000000):
n += i
print("n的值是:",n)
return n
fun()