#!/usr/bin/env python
# -- coding: utf-8 --
__author__ = 'sunh'
'''
高阶函数
'''
# 传入函数
# map()函数接收两个参数,一个函数,一个是序列,map将传入函数一次作用到序列的每个元素,并把结果作为新的list返回。
# 举例说明,比如我们有一个函数f(x)=x^2,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:
def f(x):
return x * x
print map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
# 像map()函数这种能够接收函数作为参数的函数,称之为高阶函数(Higher-order function)。
# 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)
def add(x, y):
return x + y
print reduce(add, [1, 3, 5, 7, 9])
# 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:
def fn(x, y):
return x * 10 + y
print reduce(fn, map(int, '13579'))
# 整理成一个str2int的函数就是:
def str2int(s):
def fn1(x, y):
return x * 10 + y
return reduce(fn1, map(int, s))
# 还可以用lambda函数进一步简化成:
def str2int(s):
return reduce(lambda x, y: x*10+y, map(int, s))
'''
排序算法
'''
# Python内置的sorted()函数可以对list进行排序
print sorted([34, 12, 43, 65, 1]) # [1, 12, 34, 43, 65]
# sorted()函数也是一个高阶函数,它还可以接收一个比较函数来实现自定义的排序,比如实现一个倒叙排序
def reversed_cmp(x, y):
if x > y:
return -1
if x < y:
return 1
return 0
# 传入自定义的比较函数reversed_cmp,就可以实现倒序排序:
print sorted([36, 5, 12, 9, 21], reversed_cmp) # [36, 21, 12, 9, 5]
# 再看一个字符串排序的例子:
print sorted(['about', 'bob', 'Zoo', 'Credit']) # ['Credit', 'Zoo', 'about', 'bob']
# 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。
'''
函数作为返回值
'''
# 高阶函数除了可以接收函数作为参数外,也可以把函数作为结果值返回。
def lazy_sum(*args):
def summary():
ax = 0
for n in args:
ax = ax + n
return ax
return summary
f = lazy_sum(1, 3, 5, 7, 9)
print f # <function summary at 0x7fb935d11aa0>
print f() # 调用函数f时,才真正计算求和的结果
'''
匿名函数
'''
# 当我们在传入函数时,有时候,不需要显式地定义函数,直接传入匿名函数更方便。
# 在Python中,对匿名函数提供了有限支持。还是以map()函数为例,计算f(x)=x2时,
# 除了定义一个f(x)的函数外,还可以直接传入匿名函数:
print map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9])
# [1, 4, 9, 16, 25, 36, 49, 64, 81]
# 通过对比可以看出,匿名函数lambda x: x * x实际上就是:
def f(x):
return x * x
# 关键字lambda表示匿名函数,冒号前面的x表示函数参数。
# 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。
# 用匿名函数有个好处,因为函数没有名字,不必担心函数名冲突。
# 此外,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
print f # <function <lambda> at 0x7f9185f02aa0>
print 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
'''
装饰器
'''
# 由于函数也是一个对象,而且函数对象可以被赋值给变量,所以通过变量也能调用该函数
def now():
print '2014-03-16'
f = now
f()
# 函数对象有一个__name__属性,可以拿到函数的名字:
print now.__name__
print f.__name__
# 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)。
# 本质上,decorator就是一个返回函数的高阶函数。所以,我们要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
# 观察上面的log,因为它是一个decorator,所以接受一个函数作为参数,并返回一个函数。
# 我们要借助Python的@语法,把decorator置于函数的定义处:
@log
def now():
print '2013-12-25'
now()
# call now():
# 2013-12-25
# 把@log放到now()函数的定义处,相当于执行了语句:
now = log(now)
'''
由于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。
如果decorator本身需要传入参数,那就需要编写一个返回decorator的高阶函数,写出来会更复杂。比如,要自定义log的文本:
'''
def log(text):
def decorator(func):
def wrapper(*args, **kw):
print '%s %s():' % (text, func.__name__)
return func(*args, **kw)
return wrapper
return decorator
@log('execute')
def now():
print '2013-12-25'
now()
# 和两层嵌套的decorator相比,3层嵌套的效果是这样的:
now = log('execute')(now)
'''
我们来剖析上面的语句,首先执行log(‘execute’),返回的是decorator函数,再调用返回的函数,参数是now函数,返回值最终是wrapper函数。
以上两种decorator的定义都没有问题,但还差最后一步。因为我们讲了函数也是对象,
它有__name__等属性,但你去看经过decorator装饰之后的函数,它们的__name__已经从原来的’now’变成了’wrapper’:
'''
print now.__name__
'''
因为返回的那个wrapper()函数名字就是’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。
不需要编写wrapper.__name__ = func.__name__这样的代码,Python内置的functools.wraps就是干这个事的,所以,一个完整的decorator的写法如下:
'''
import functools
def log(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print 'call %s():' % func.__name__
return func(*args, **kw)
return wrapper
# 或者针对带参数的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
# import functools是导入functools模块。模块的概念稍候讲解。现在,只需记住在定义wrapper()的前面加上@functools.wraps(func)即可。
04-函数是编程
最新推荐文章于 2022-07-31 13:28:26 发布