# 高阶函数 # 变量可以指向函数 # 以Python内置的求绝对值的函数abs()为例,调用该函数用以下代码: abs(-10) print(abs) # 要获得函数调用结果,我们可以把结果赋值给变量: x = abs(-10) print(x) # 但是,如果把函数本身赋值给变量呢? f = abs print(f) # 结论:函数本身也可以赋值给变量,即:变量可以指向函数。 # 如果一个变量指向了一个函数,那么,可否通过该变量来调用这个函数?用代码验证一下: # 成功!说明变量f现在已经指向了abs函数本身。直接调用abs()函数和调用变量f()完全相同。 f = abs print(f(-10)) # 函数名也是变量 # abs = 10 # abs(-10) # 传入函数 # 既然变量可以指向函数,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。 # 一个最简单的高阶函数: def add(x, y, f): return f(x) + f(y) x = -5 y = 6 f = abs print(add(-5, 6, abs)) # Python内建了map()和reduce()函数。 # 我们先看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。 # 举例说明,比如我们有一个函数f(x)=x2,要把这个函数作用在一个list [1, 2, 3, 4, 5, 6, 7, 8, 9]上,就可以用map()实现如下: # f(x) = x * x # │ # │ # ┌───┬───┬───┬───┼───┬───┬───┬───┐ # │ │ │ │ │ │ │ │ │ # ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ # # [ 1 2 3 4 5 6 7 8 9 ] # # │ │ │ │ │ │ │ │ │ # │ │ │ │ │ │ │ │ │ # ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ # # [ 1 4 9 16 25 36 49 64 81 ] # 现在,我们用Python代码实现: # 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。 def f(x): return x * x r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9]) print(list(r)) # 不需要map()函数,写一个循环,也可以计算出结果: L = [] for n in [1, 2, 3, 4, 5, 6, 7, 8, 9]: L.append(f(n)) print(L) # 的确可以,但是,从上面的循环代码,能一眼看明白“把f(x)作用在list的每一个元素并把结果生成一个新的list”吗? # 所以,map()作为高阶函数,事实上它把运算规则抽象了,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 print(list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9]))) # 再看reduce的用法。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) # 比方说对一个序列求和,就可以用reduce实现: from functools import reduce def add(x, y): return x + y print(reduce(add, [1, 3, 5, 7, 9])) # 当然求和运算可以直接用Python内建函数sum(),没必要动用reduce。 # 但是如果要把序列[1, 3, 5, 7, 9]变换成整数13579,reduce就可以派上用场: from functools import reduce def fn(x, y): return x * 10 + y print(reduce(fn, [1, 3, 5, 7, 9])) # 这个例子本身没多大用处,但是,如果考虑到字符串str也是一个序列,对上面的例子稍加改动,配合map(), # 我们就可以写出把str转换为int的函数: from functools import reduce def fn(x, y): return x * 10 + y def char2num(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] print(reduce(fn, map(char2num, '13579'))) # 整理成一个str2int的函数就是: from functools import reduce DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9} def str2int(s): def fn(x, y): return x * 10 + y def char2num(s): return DIGITS[s] return reduce(fn, map(char2num, s)) # 还可以用lambda函数进一步简化成: from functools import reduce DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9} def char2num(s): return DIGITS[s] def str2int(s): return reduce(lambda x, y: x * 10 + y, map(char2num, s)) # ======================================================================= # 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。 def is_odd(n): return n % 2 == 1 print(list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))) # 把一个序列中的空字符串删掉,可以这么写: def not_empty(s): return s and s.strip() print(list(filter(not_empty, ['A', '', 'B', None, 'C', ' ']))) # 可见用filter()这个高阶函数,关键在于正确实现一个“筛选”函数。 # 注意到filter()函数返回的是一个Iterator,也就是一个惰性序列,所以要强迫filter()完成计算结果,需要用list()函数获得所有结果并返回list。 # 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。 # 用Python来实现这个算法,可以先构造一个从3开始的奇数序列: def _odd_iter(): n = 1 while True: n = n + 2 yield n # 注意这是一个生成器,并且是一个无限序列。 # 然后定义一个筛选函数: def _not_divisible(n): return lambda x: x % n > 0 # 最后,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 # 这个生成器先返回第一个素数2,然后,利用filter()不断产生筛选后的新的序列。 # 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: # 打印1000以内的素数: for n in primes(): if n < 1000: print(n) else: break # 注意到Iterator是惰性计算的序列,所以我们可以用Python表示“全体自然数”,“全体素数”这样的序列,而代码非常简洁。 # 排序算法 # 排序也是在程序中经常用到的算法。无论使用冒泡排序还是快速排序,排序的核心是比较两个元素的大小。 # 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: print(sorted([36, 5, -12, 9, -21])) # 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: # key指定的函数将作用于list的每一个元素上,并根据key函数返回的结果进行排序。对比原始的list和经过key=abs处理过的list: # 然后sorted()函数按照keys进行排序,并按照对应关系返回list相应的元素: # keys排序结果 => [5, 9, 12, 21, 36] # | | | | | # 最终结果 => [5, 9, -12, -21, 36] print(sorted([36, 5, -12, 9, -21], key=abs)) # 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。 # 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: print(sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower)) # 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: print(sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True))
Python3:高阶函数
最新推荐文章于 2023-03-23 17:55:20 发布