函数式编程理解 & 高阶函数概念与使用

   函数是Python内建支持的一种封装，我们通过将大段代码拆成函数。通过一层一层函数调用，可以将复杂任务分解成简单的任务，这种分解可以称之为面向过程的程序设计。函数就是面向过程的程序设计的基本单元。
   函数式编程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，只要输入正确，输出即正确，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。

高阶函数的理解

   变量可以指向函数

【示例】以Python内置的求绝对值的函数abs()为例

print(abs(-10))

   执行结果为 10
   但若直接 print(abs) ,会输出如下结果 : (built-in function abs)
   可见，abs(-10) 是函数调用，而abs是函数本身。要获得函数调用结果，可以将结果赋值给变量：

x = abs(-10)
print(x)

【示例】把函数本身赋值给变量

f = abs
print(f)

执行结果如下： (built-in function abs)
   函数本身也可以赋值给变量，即：变量可以指向函数。若一个变量指向了一个函数，那么，可以通过变量来调用这个函数。

【示例】通过变量来调用函数

f = abs
print(f(-10))

   函数名也是变量
   函数名其实就是指向函数的变量！对于 abs() 这个函数，完全可以将函数名 abs 看成变量，它指向一个可以计算绝对值的函数。
   若把 abs 指向其他对象，示例如下：
【示例】abs 指向其他对象

abs = 10
print(abs(-10))

   执行结果如下：
   把 abs 指向 10 后，就无法通过 abs(-10) 调用该函数了！因为 abs 这个变量已经不指向求绝对值函数了！
   既然变量可以指向函数，函数的参数能接受变量，那么一个函数就可以接受另一个函数作为参数，这种函数就称之为高阶函数。
【示例】高阶函数的示例

def add(x, y, f):
	return f(x) + f(y)
	
print(add(-5, 6, abs))

   执行结果为 11。当我们调用 abs(-5, 6, abs) 时，参数 x，y 和 f 分别接收 -5， 6 和 abs，根据函数定义，我们可以推导计算过程为：

   把函数作为参数传入，这样的函数称为高阶函数，函高阶函数有数式编程就是指这种高度抽象的编程范式。Python内建的有 map、reduce、fliter、sorted。

高阶函数的使用

高阶函数map的使用

   map() 函数接收两个参数，一个是函数，一个是序列，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list返回。
   比如我们有一个函数 f(x)=x²，要把该函数作用于一个 list[1,2,3,4,5,6,7,8,9] 上，就可以利用 map() 实现如下：

   但到这你可能会想， 不需要 map() 函数，也可以计算出结果，写一个循环，实现代码如下：
【示例】原始Python代码实现

#法一
def f(x):
	return x*x
L = []
for n in [1,2,3,4,5,6,7,8,9]:
	L.append(f(n))
print(L)

#法二(这里for循环解析也很简便)
L = list(i*i for i in range(10))
print(L)

   执行结果为 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
【示例】map 实现

def f(x):
	return x*x
L = map(f, [1,2,3,4,5,6,7,8,9])
print(list(L))

   执行结果为 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
   从上面的实例可以看出，map() 作为高阶函数，事实上它将运算规则抽象了，因此我们不但可以计算简单的 f(x) = x²，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，实例代码如下：
【示例】map 实现将 list 所有数字转换为字符串

L = map(str, [1,2,3,4,5,6,7,8,9])
print(list(L))

执行结果如下：
【示例】map 函数传入两个列表

def f2(x, y):
	return x+y
L = map(f2, [1,2,3,4], [10,20,30])
print(list(L))

执行结果为 [11,22,33]

高阶函数 reduce 的使用

   reduce 把一个函数作用在序列 [x₁，x₂，x₃…] 上，该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加运算，其效果就是：

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

   比如对一个序列求和，就可以用 reducec 实现，实例如下：

from functools import reduce
def add(x,y):
	return x+y
sum = reduce(add, [1,3,5,7,9])
print(sum)

   执行结果为 25
   如果想把序列 [1,3,5,7,9] 变换成证书13579，将列表中的每个元素乘以10加上后一个元素。
【示例】reduce 实现对一个序列求和

from functools import reduce
def fn(x, y):
	return x*10+y
a = reduce(fn, [1,3,5,7,9])
print('reduce执行结果：',a)

   执行结果：13579

高阶函数 filter 的使用

   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，根据返回值是 True 还是 False 决定保留还是丢弃该元素。
【示例】filter 过滤列表，删掉偶数，保留奇数

def is_odd(n):
	return n%2==1
L = filter(is_odd, [1,2,4,5,6,9,10,15])
print(list(L))

   执行结果为 [1, 5, 9, 15]
【示例】filter 序列中的空字符删除

def not_emoty(s):
	return s and s.strip()
L = filter(not_empty, ['A', 'B', None, 'C', ' '])
print(list(L))

   执行结果为 [‘A’, ‘B’, ‘C’]

高阶函数 sorted 的使用

   排序算法，排序也是在程序中经常用到的算法。无论是冒泡还是快速，排序的核心是比较两个元素的大小。如果是数字，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。
   通常规定，对于两个元素 x 和 y，若认为 x < y，则返回 -1；如果 x==y，则返回 0；若 x > y，则返回1，这样排序算法就不用关心具体的比较过程，而是根据比较结果直接排序。Python 内置的 sorted() 函数就可以直接对 list 进行排序：

【示例】sorted 对 list 进行排序

sorted1 = sorted([1,3,6,-20,34])
print("升序排列",sorted1)

   sorted() 函数也是一个高阶函数，它还可以接收一个 key 函数来实现自定义排序。

【示例】sorted 自定义排序

#定义关键字 key 按绝对值排序
sorted2 = sorted([1,3,6,-20,-70], key=abs)
print('自定义排序：', sorted2)

#定义关键字 key 按绝对值反向排序
sorted2 = sorted([1,3,6,-20,-70], key=abs, reverse=True)
print('自定义反向排序：', sorted2)

#字符串排序依照 ASCII
sorted3 = sorted(["ABC", "abc", "D", "d"])
print("字符串排序ASCII：", sorted3)

#忽略大小写排序
sorted4 = sorted(["ABC","abc","D","d"], key=str.lower)
print("忽略字符串大小写排血：", sorted4)

#忽略大小写进行反向排序
sorted5 = sorted(["ABC","abc","D","d"], key=str.lower, reverse=True)
print("忽略字符串大小写反向排序", sorted5)

   执行结果