一. 函数的本质
函数本身也可以赋值给变量,即:变量可以指向函数,函数名其实就是指向函数的变量
>>> abs( -10 )
10
>>>
>>> abs( -10 ) # 调用求绝对值函数
10
>>>
>>>
>>> abs # abs(-10)是函数调用,而abs是函数本身
<built-in function abs>
>>>
>>>
>>> f = abs #函数本身也可以赋值给变量,即:变量可以指向函数。
>>> f
<built-in function abs>
>>>
>>>
>>> f(-10) # 变量f现在已经指向了abs函数本身
10
>>>
>>> abs = 10
>>>
>>>
>>> abs(-10) #函数名也是变量
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'int' object is not callable
二. 高阶函数
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收另一个函数作为参数,这种函数就称之为高阶函数
>>> def add(x,y,f):
... "定义高阶函数"
... return f(x) + f(y)
...
>>>
>>> add( -4, 4,abs) # 调用高阶函数
8
>>>
三. 内置高阶函数
1. map()
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个元素,并把结果作为新的Iterator
返回。
>>> def f(x):
... return x*x
...
>>>
>>> li = [1,2,3,4,5]
>>>
>>> r = map(f, li)
>>> list(r)
[1, 4, 9, 16, 25]
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()
函数让它把整个序列都计算出来并返回一个list。
2. reduce()
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)
【例】用 reduce
实现对一个序列求和:
>>> from functools import reduce
>>>
>>>
>>> def add(x,y):
... return x+y
...
>>>
>>> reduce(add,range(0,6))
15
>>>
>>> sum(range(0,6))
15
【例】用 reduce
实现序列 [1, 3, 5, 7, 9]
变换成整数 13579
>>> from functools import reduce
>>> def fn(x,y):
... return x*10 + y
...
>>> li = [1, 2, 3, 4, 5]
>>>
>>> reduce(fn, li)
12345
>>> type(reduce(fn, li))
<class 'int'>
【例】把 str
转换为 int
>>> def fn(x,y):
... return x*10 + y
...
>>>
>>> def char_num(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(char_num, '13579'))
13579
3. filter()
Python内建的 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】在一个list中,删掉偶数,只保留奇数。
>>> def is_odd(n):
... return n %2 ==1
...
>>>
>>> list(filter(is_odd,[1, 2, 4, 5, 6, 9, 10, 15]))
[1, 5, 9, 15]
【例】删除序列中的空字符串
>>> def not_empty(s):
... return s
...
>>>
>>> list(filter(not_empty, ['A', '', 'B', None, 'C', ' ']))
['A', 'B', 'C', ' ']
有结果可看出,只能删除一个空格符的空字符串。做如下改进:
>>> def not_empty(s):
... return s and s.strip()
...
>>>
>>>
>>> list(filter(not_empty, ['A', '', 'B', None, 'C', ' ']))
['A', 'B', 'C']
【例】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:
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。
# 可以先构造一个从3开始的奇数序列:
#注意这是一个生成器,并且是一个无限序列。
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
# 由于primes()也是一个无限序列,所以调用时需要设置一个退出循环的条件
for n in primes():
if n < 1000:
print(n)
else:
break
4. sorted()
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]
sorted 也可以对字符串排序的例子:
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。
>>> sorted(['bob', 'about', 'Zoo', 'Credit'])
['Credit', 'Zoo', 'about', 'bob']
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。
这样,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']
【注】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。