一、Python语言的高级特性
函数式编程
- 基于Lambda演算的一种编程方式
- 程序中只有函数
- 函数可以作为参数,同样可以作为返回值
- 纯函数式编程语言:LISP,Haaskell
- Python函数式编程只是借鉴函数式编程的一些特点,可以理解成一半函数式一半Python
- 需要讲述
- 高阶函数
- 返回函数
- 匿名函数
- 装饰器
- 偏函数
二、lambda表达式
- 函数:最大程度上复用代码
- 存在问题:如果函数很小,反而觉得麻烦
- 如果函数被调用次数少,则造成浪费
- 对于读者来说,造成阅读流程被迫中断
lambda表达式(匿名函数)
- 一个表达式,函数体相对简单
- 不是一个代码块,仅仅是一个表示式
- 可以有一个或多个参数,用逗号隔开
lambda表达式的用法
1、以lambda开头
2、紧跟一定的参数(如果有的话)
3、参数后用冒号和表达式主题隔开
4、只是一个表达式,没有return
#lambda表达式的用法
stm = lambda x: 100 * x
a = stm(12)
print(a)
stm2 = lambda x,y,z: x+10*y+100*z
b = stm2(4,5,6)
print(b)
三、高阶函数
- 把函数作为参数使用的函数,叫做高阶函数
- 函数名称就是一个变量
- 既然函数名称是变量,则应该可以被当做参数传入另一个函数
#函数名称就是一个变量
def funA():
print("In funA")
funB = funA
funB()
def funC(n):
return n * 100
#在写一个函数,把传入参数乘以300倍
def funD(n):
return funC(n) * 3
print(funD(9))
#写一个高阶函数
def funE(n,f):
return f(n) * 3
print(funE(9,funC))
四、系统高阶函数
1、map
- 原意就是映射,即把集合或者列表的元素,每一个元素都按照一定的规则进行操作,生成一个新的列表或者集合
- map函数是系统提供的具有映射功能的函数,返回值是一个迭代对象
#由一个列表,相对每个元素都乘以10,得到新的列表
l1 = [i for i in range(10)]
print(l1)
l2 = []
for i in l1:
l2.append(i * 10)
print(l2)
#利用map实现
def mulTen(n):
return n * 10
l3 = map(mulTen,l1)
print(type(l3))
#map类型是一个可迭代的结构
print(l3)
for i in l3:
print(i)
2、reduce
- 原意是归并,缩减
- 把一个可迭代对象最后归并成一个结果
- 对于作为参数的函数要求,必须有两个参数,必须有返回结果
- reduce需要导入functools包
from functools import reduce
def Add(x,y):
return x+y
a = reduce(Add,[1,2,3,4,5])
print(a)
3、filter函数
- 过滤函数:对一组数据进行过滤,符合条件的数据会生成一个新的列表并返回
- 与map的比较
- 相同
都是对列表的每个元素进行操作- 不同
1、map会生成一个跟原来数据相对应的新队列
2、filter不一定,只有符合条件的才会进入新队列
- 不同
- 相同
- filter函数怎么写
- 利用给定函数进行判断
- 返回值一定是一个布尔值
- 调用格式
filter(fun,date),fun是过滤函数,date是数据
#定义过滤函数#要求有输入,返回布尔值
def isEven(a):
return a % 2 == 0
l = [3,4,5,12,45,14,3,11,51]
rst = filter(isEven, l)
print(type(rst))
print(rst)
print([i for i in rst])
五、高阶函数-排序
- 把一个序列按照给定算法就行排序
- key:在排序前对每一个元素进行key函数运算,可以理解成按照kay函数定义的逻辑进行排序
- python2和python3相差巨大
- sorted函数
格式:
sorted(a,reverse),a是要进行排序的数据,reverse是正序或倒序的参数
reverse为False时为正序排列,为True时为倒序排列
默认reverse为False
a = [12,4,5,6,8,54,587,422,4679,52]
al = sorted(a)
print(al)
al1 = sorted(a,reverse = True)
print(al1)
b = [12,-54,23,-5,5,48,-65,74,-78]
#按照绝对值进行排序#abs是求绝对值的意思
b1 = sorted(b,key=abs)
print(b1)
#字符串排序
c = ['da','Da','fdsf','dfc','EFxc','Erv']
c1 = sorted(c)
print(c1)
c2 = sorted(c,key=str.lower)
print(c2)
六、返回函数
- 函数可以返回具体的值
- 也可以返回一个函数作为结果
#定义一个普通函数
def myF(a):
print('In myF')
return None
a = myF(2)
print(a)
#函数作为返回值返回,被返回的函数在函数体内定义
def myF2():
def myF3():
print('In myF3')
return 3
return myF3
f3 = myF2()
print(type(f3))
print(f3)
f3()
print(f3())
#复杂一点的返回函数的例子d
def myF4(*args):
def myF5():
rst = 0
for n in args:
rst += n
return rst
return myF5
f5 = myF4(1,2,3,4,5,6)
print(f5())
七、闭包(closure)
- 当一个函数在内部定义函数,并且内部函数应用外部函数的参数或者局部变量,当内部函数被当做返回值的时候,相关参数和变量保存在返回的函数中,这种结果叫做闭包
- 上例中的myF4就是一个标准的闭包
#闭包常见的坑
def count():
fs = []
for i in range(1,4):
#定义一个函数f
#f是一个闭包结构
def f():
return i*i
fs.append(f)
return fs
f1,f2,f3 = count()
print(f1())
print(f2())
print(f3())
- 上例中的问题
1、出现的问题:
造成上述问题的原因是返回函数引用了变量i,i并非立即执行,而是等到三个函数都返回的时候才统一使用,此时i已经变成了3,所以返回的都是3*3
所以,返回闭包时返回函数不能引用任何循环变量
2、解决方案:
再创建一个函数,用该函数的参数绑定循环变量的当前值,无论该循环变量以后怎么改变,已经绑定的函数参数值不在改变
如下
def count():
def f(j):
def g():
return j*j
return g
fs = []
for i in range(1,4):
fs.append(f(i))
return fs
f1,f2,f3 = count()
print(f1())
print(f2())
print(f3())
八、装饰器
- 一个普通的函数
def hello():
print('hello')
return None
hello()
f = hello
f()
print(id(f))
print(id(hello))
#上述说明f和hello是同一个函数,也可以用以下方法验证
print(f.__name__)
print(hello.__name__)
- 现在有新的需求,对hello的功能就行扩展,每次打印hello之前打印当前系统时间,实现这个功能又不能改变现有代码
- 这是就是用装饰器
- 1、装饰器定义:
- 在不改动函数代码的基础上无限制扩展函数功能的一种机制,本质上讲,装饰器是一个返回函数的高阶函数
- 2、装饰器的使用
- 使用@语法,即在每次要扩展到函数定义千使用@+函数名
- 实现对hello的扩展的案例
import time
#高阶函数,以函数作为参数
def printTime(f):
def wrapper(*args,**kwargs):
print("Time:",time.ctime())
return f(*args,**kwargs)
return wrapper
#上面定义了装饰器,使用的时候需要用到@,此符号是python的语法糖
@printTime
def hello():
print("Hello")
hello()
@printTime
def hello2():
print('hahah')
hello2()
- 3、装饰器的好处
- 一次定义,可以装饰任何函数
- 一旦被其装饰,则把装饰器的功能直接添加到定义函数的功能上
- 而且不用改动定义函数的代码,非常安全,绿色
- 4、案例中对函数的装饰使用了系统定义的语法糖
九、偏函数
- 参数固定的函数,相当于一个有特定参数的函数体-
- 需要使用funtools.partial模块
- 其作用是把一个函数某些参数固定,返回一个新函数
import functools
int16a = functools.partial(int,base=16)
b = int16a('a')
print(b)
help(int)
十、高级函数补充
1、zip
- 把两个可迭代的内容生成一个可迭代的tuple元素类型组成的内容
l1 = [1,2,3,4,5]
l2 = [11,22,33,44,55]
z = zip(l1,l2)
print(type(z))
print(z)
for i in z:
print(i)
2、enumerate
- 跟zip功能比较像
- 对可迭代的对象里的每一个元素,配上一个索引,然后索引和内容构成tuple类型
l2 = [11,22,33,44,55]
em = enumerate(l2)
l = [i for i in em]
print(l)
em1 = enumerate(l2,start=100)
ll = [i for i in em1]
print(ll)
3、collections模块
- namedtuple
- deque
1、namedtuple
- tuple 类型
- 是一个可命名的tuple
import collections
Point = collections.namedtuple("Point",['x','y'])
p = Point(11,22)
print(p.x)
print(p[0])
Circle = collections.namedtuple('Ciecle',['x','y','r'])
c = (100,150,50)
print(c)
print(type(c))
#检测namedtuple是否为tuple的子类
isinstance(c,tuple)
2、deque
- 比较方便的解决频繁删除插入带来的效率问题
from collections import deque
q = deque(['a','b','c'])
print(q)q.append('d')
print(q)
#从前面插入
q.appendleft('x')
print(q)
3、defaultdict
- 当直接读取dict不存在的属性时,直接返回默认值
from collections import defaultdict
d = {'one':1,'two':2,'three':3}
print(d['one'])
#print(d['four'])
func = lambda:'杨朔'
d1 = defaultdict(func)
d1['one'] = 1
d1['two'] = 2
print(d1['one'])
print(d1)
print(d1['four'])
4、Counter
- 统计字符串的个数
from collections import Counter
c = Counter('ksdcs,,csddscdsojdsvm,z.')
#为什么下面不把ksdcs,,csddscdsojdsvm,z.作为键值,而是以其中每一个字符作为键值#这是因为需要括号里的内容为可迭代的
print(c)
s = ('aa','dd','aa','dd','df','sd','aa')
ss = Counter(s)
print(ss