【廖雪峰python教程学习】——（四）函数式编程：匿名函数、装饰器、偏函数

---

匿名函数

当我们在传入函数时，有些时候，不需要显式地定义函数，直接传入匿名函数更方便。

关键字lambda表示匿名函数，冒号前面的x表示函数参数。

>>> list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
[1, 4, 9, 16, 25, 36, 49, 64, 81]
#匿名函数lambda x: x * x实际上就是
def f(x):
    return x * x

匿名函数有个限制，就是只能有一个表达式，不用写return，返回值就是该表达式的结果
匿名函数也是一个函数对象，也可以把匿名函数赋值给一个变量，再利用变量来调用该函数

>>> f = lambda x: x * x
>>> f
<function <lambda> at 0x101c6ef28>
>>> f(5)
25

同样，也可以把匿名函数作为返回值返回，比如

def build(x, y):
    return lambda: x * x + y * y

练习

请用匿名函数改造下面的代码：

def is_odd(n):
    return n % 2 == 1

L = list(filter(is_odd, range(1, 20)))

L = list(filter(lambda x : x % 2 == 1, range(1,20)))

---

提示：以下是本篇文章正文内容，下面案例可供参考

装饰器

函数对象有一个__name__属性，可以拿到函数的名字

>>> def now():
...     print('2015-3-25')
...
>>> f = now
>>> f()
2015-3-25

>>> now.__name__
'now'
>>> f.__name__
'now'

假设我们要增强now()函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改now()函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。
decorator就是一个返回函数的高阶函数，定义一个能打印日志的decorator，可以定义如下：

def log(func):
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper

@log
def now():
    print('2015-3-25')

log()是一个decorator，返回一个函数。所以，原来的now()函数仍然存在，只是现在同名的now变量指向了新的函数。于是调用now()将执行新函数，即在log()函数中返回的wrapper()函数。
wrapper()函数的参数定义是(*args, **kw)，因此，wrapper()函数可以接受任意参数的调用。在wrapper()函数内，首先打印日志，再紧接着调用原始函数

>>> now()
call now():
2015-3-25

decorator本身需要传入参数，自定义log文本

def log(text):
    def decorator(func):
        def wrapper(*args, **kw):
            print('%s %s():' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator

三层嵌套decorator用法如下：

@log('execute')
def now():
    print('2015-3-25')

#执行结果如下：
>>> now()
execute now():
2015-3-25
# >>> now = log('execute')(now)

但是函数也是对象，它也有_name_等属性，但经decorator装饰之后的函数，_name_已经从’now’变成了’wrapper’。所以，需要把原始函数的__name__等属性复制到wrapper()函数中，否则，有些依赖函数签名的代码执行就会出错。
可以使用Python内置的functools.wraps

import functools

def log(func):
    @functools.wraps(func)
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper

针对带参数的decorator

import functools

def log(text):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kw):
            print('%s %s():' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator

练习

请设计一个decorator，它可作用于任何函数上，并打印该函数的执行时间：

# 请设计一个decorator，它可作用于任何函数上，并打印该函数的执行时间：
# -*- coding: utf-8 -*-
import time, functools
def metric(fn):
    @functools.wraps(fn) #把原始函数的属性复制到新函数中
    
    def wrapper(*args, **kw):
        start_t = time.time() #返回当前的时间戳（浮点秒数）
        result = fn(*args, **kw) #调用函数
        end_t = (time.time()-start_t) * 1000 #返回调用后时间戳，进行计算
        print('%s executed in %s ms' % (fn.__name__, end_t))
        return result
    return wrapper

偏函数

在介绍函数参数的时候，我们讲到，通过设定参数的默认值，可以降低函数调用的难度。而偏函数也可以做到这一点。
int()函数可以把字符串转换为整数，int()函数还提供额外的base参数，默认值为10。如果传入base参数，就可以做N进制的转换：

>>> int('12345', base=8)
5349
>>> int('12345', 16)
74565

functools.partial就是帮助我们创建一个偏函数的，不需要我们自己定义int2()，可以直接使用下面的代码创建一个新的函数int2：

>>> import functools
>>> int2 = functools.partial(int, base=2)
>>> int2('1000000')
64
>>> int2('1010101')
85

functools.partial把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，调用这个新函数会更简单