#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,Haskell
-python函数式编程只是借鉴函数式编程的一些特点,可以理解为一半函数式一半python
·高阶函数
·返回函数
·匿名函数
·装饰器
·偏函数
#lambda表达式
-函数:最大程度复用代码
·存在问题:如果函数很小,很短,则会造成啰嗦
·如果函数被调用次数少,则会造成浪费
·对于阅读者来说,造成阅读流程的被迫中断
-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,仅仅是一个表达式
·可以有参数,有多个参数也可以,用逗号隔开
#"小"函数举例:
def printA():
print("AAAAAAAA")
printA()
#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,所有,没有return
#计算一个数字的100倍数
#因为就是一个表达式,所以没有return
stm=lambda x:10*x
#使用函数调用
stm(89)
stm2=lambda x,y,z:x+y*10+z*100
stm2(4,5,6)
高阶函数:
-把函数作为参数使用的函数,叫做高阶函数
·函数名称是变量
·funB和funA只是名称不一样而已
·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
a=100
b=a
#函数名称就是一个变量
def funA():
print("in funA")
funB=funA
funB()
#高阶函数举例
#funA是普通函数,返回一个传入数字的100倍数字
def funA(n):
return n*100
def funB(n):
return funA(n)*3
print(funB(9))
#高阶函数
def funC(n,f):
return f(n)*3
print(funC(9,funA))
def funD(n):
return n*10
print(funC(1,funD))
系统高阶函数-map
-映射,即把集合或者列表中的元素,每一个元素都按照一定规则进行操作,生成新的列表或者集合
-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
#map举例
#有一个列表,相对列表中的每一个元素都乘以10,并得到新的列表
l1=[i for i in range(10)]
print(l1)
l2=[]
for i in l1:
l1.append(i*10)
print(l2)
#利用map实现
def mulTen(n):
return n*10
help(map)
l3=map(l1,numTen)
print(type(l3))
print(l3)
l4=[for i in l3]
print(l4)
#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:必须由两个参数,必须有返回结果
-reduce([1,2,3,4,5])==f(f(f(f(1,2),3),4),5)
-reduce需要导入functools包
from functools import reduce
#定义一个操作函数
#加入操作函数只是相加
def myAdd(x,y):
return x+y
#对于列表[1,2,3,4,5,6]执行myAdd的reduce操作
rst=reduce(myAdd,[1,2,3,4,5,6])
print(rst)
#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
-跟map相比较:
-相同:都对列表的每个元素逐一进行操作
-不同:
·map会生成一个跟原来数据相对应的新队列
·filter不一定,只要符合条件的才会进入新的数据集合
-filter函数:
·利用给定函数进行判断
·返回值一定是个布尔值
·调用格式:filter(f,data),f是过滤函数,data是数据
#filter案例
#对于一个列表,对其进行过滤,偶数组成一个新列表
#需要定义过滤函数
#过滤函数要求有输入,返回布尔值
def isEven(a):
return a%2==0
l=[3,4,56,3,2,35,8,2,3,2,52]
rst=filter(isEven,l)
print(type(rst))
print(rst)
print([i for i in rst])
高阶函数-排序
-把一个序列按照给定的算法进行排序
-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key函数定义的逻辑进行排序
#排序的案例
a=[234,22315,56,2326,34622]
al=sorted(a,reverse=True)
print(al)
a=[-34,52,14,63,25,-5,35,114,-521]
al=sorted(a,key=abs,reverse=True)
print(al)
#sorted案例
astr=['lnm','Lnm','sdde','sdscsc','scfdcc']
str1=sorted(astr)
print(str1)
str2=sorted(astr,key=str.lower)
print(str2)
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
def myF(a):
print('in myF')
return None
a=myF(8)
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)
#负责一点的返回函数的例子
#args:参数列表
#1.myF4定义函数,返回内部定义的函数myF5
#2.myF5使用了外部变量,这个变量是myF4的参数
def myF4(*args):
def myF5():
rst=0
for n in args:
rst+=n
return rst
return myF5
f5=myF4(1,2,3,4,5,6,7,8,9,0)
#f5的调用方式
f5()
f6=myF4(10,20,30,40,50)
f6()
#闭包(closure)
-当一个函数在内部定义函数,并且内部的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,叫闭包
-上面定义的myF4是一个标准闭包结构
def count2():
def f(j):
def g():
return j*j
return g
#定义列表
fs=[]
for i in range(1,4):
fs.append(f(i))
return fs
f1,f2,f3=count2()
print(f1())
print(f2())
print(f3())
装饰器
#装饰器
def hello():
print("Hello world")
hello()
f=hello
f()
#f和hello是一个函数
print(id(f))
print(id(hello))
#对hello功能进行扩展,每次打印hello之前打印当前系统时间
#而实现这个功能又不能改动现有代码
#==>使用装饰器
-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
-装饰器的使用:使用@语法,即每次要扩展到函数定义前使用@+函数名
#对hello函数进行功能扩展,每次执行hello万打印当前时间
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
@printTime
def hello():
print("Hello World")
hello()
#装饰器的好处是一点定义则可以装饰任意函数
#一旦被其装饰,则可把装饰器的功能直接添加到定义函数的功能上
def hello2():
print("siugsuc")
print("dsihugcbiu")
hello2()
#偏函数
#把字符串转化成十进制数字
int("12345")
help(int)
#想把字符串八进制12345转化为十进制整数
int("12345",base=8)
#新建一个函数,此函数是默认输入的字符串是16进制数字
#把此字符串返回十进制数字
def int16(x,base=16):
return int(x,base)
int16("12345")
偏函数
-参数固定的函数,相当于一个由特定参数的函数体
-functools.partial的作用是把一个函数某些函数固定,返回一个新函数
import functools
int16=functools.partial(int,base=16)
int16("12345")