04-函数是编程

#!/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。