python基础篇-启动篇(二)

启动篇主要讲述函数、模块、面向对象、类、继承、定制类几项知识

1、函数式编程

map()是 Python 内置的高阶函数，它接收一个函数 f 和一个 list，并通过把函数 f 依次作用在 list 的每个元素上，得到一个新的 list 并返回。注意：map()函数不改变原有的 list，而是返回一个新的 list。利用map()函数，可以把一个 list 转换为另一个 list，只需要传入转换函数。

reduce()函数也是Python内置的一个高阶函数。reduce()函数接收的参数和 map()类似，一个函数 f，一个list，但行为和 map()不同，reduce()传入的函数 f 必须接收两个参数，reduce()对list的每个元素反复调用函数f，并返回最终结果值。reduce()还可以接收第3个可选参数，作为计算的初始值

filter()函数是 Python 内置的另一个有用的高阶函数，filter()函数接收一个函数 f 和一个list，这个函数 f 的作用是对每个元素进行判断，返回 True或 False，filter()根据判断结果自动过滤掉不符合条件的元素，返回由符合条件元素组成的新list。

 s.strip(rm) 删除 s 字符串中开头、结尾处的 rm 序列的字符。

当rm为空时，默认删除空白符（包括'\n', '\r', '\t', ' ')

sorted()也是一个高阶函数，它可以接收一个比较函数来实现自定义排序，比较函数的定义是，传入两个待比较的元素 x, y，如果 x 应该排在 y 的前面，返回 -1，如果 x 应该排在 y 的后面，返回 1。如果 x 和 y 相等，返回 0。

2、闭包

闭包的特点是返回的函数还引用了外层函数的局部变量，所以，要正确使用闭包，就要确保引用的局部变量在函数返回后不能变

当内嵌函数体内引用到体外的变量时，将会把定义时涉及到的引用环境和函数体打包成一个整体（闭包）返回

用途1，当闭包执行完后，仍然能够保持住当前的运行环境。

用途2，闭包可以根据外部作用域的局部变量来得到不同的结果，这有点像一种类似配置功能的作用，我们可以修改外部的变量，闭包根据这个变量展现出不同的功能。

3、匿名函数

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，不写return，返回值就是该表达式的结果。

举栗子：
sorted([1, 3, 9, 5, 0], lambda x,y: -cmp(x,y))
[9, 5, 3, 1, 0]

4、装饰器：

实现了为函数动态增加功能，却又不改变本身函数代码；使用高阶函数，通过传入一个函数，并返回需要装饰的函数，从而实现为基础函数增强功能。装饰器可以极大的简化代码，避免每个函数编写重复性代码。

 

无参数装饰器：定义一个@log，功能是在函数调用时打印函数名，并执行f函数，这里可以看到定义的其实是一个闭包

def log(f):
    def fn(*args, **kw):
        print 'call ' + f.__name__ + '()...'
        return f(*args, **kw)
    return fn

使用                                                           

f1 = log(f1)                                                 

print f1()

python对装饰器的支持性，可使用@log进行对函数封装

@log
def add(x, y):
    return x + y
print add(1, 2)

由于add函数被装饰，在调用add函数时会先答应call add()日志后，执行add函数

有参数装饰器：定义一个@log，在真实应用中，装饰器不仅仅需要传入函数地址，可能也需要其他的参数

def log(prefix):
    def log_decorator(f):
        def wrapper(*args, **kw):
            print '[%s] %s()...' % (prefix, f.__name__)
            return f(*args, **kw)
        return wrapper
    return log_decorator

@log('DEBUG')
def test():
    pass
print test()

我们可以看下，有参和无参的差别，def log的里层部分与无参装饰器一致，如果需要加参则再次封装一层函数

完善装饰器：

def log(f):
    def wrapper(*args, **kw):
        print 'call...'
        return f(*args, **kw)
    return wrapper
@log
def f2(x):
    pass
print f2.__name__  输出： wrapper

可以看到f2的函数名被装饰器改变为@log内部定义的'wrapper'，如果想保留被装饰函数的所有属性，可通过functools函数自动化复制，在函数被装饰下面增加functools.wraps来保留原有属性

import functools
def log(f):
    @functools.wraps(f)
    def wrapper(*args, **kw):
        print 'call...'
        return f(*args, **kw)
    return wrapper

5、偏函数

functools.partial可以把一个参数多的函数变成一个参数少的新函数，少的参数需要在创建时指定默认值，这样，新函数调用的难度就降低了

int2 = functools.partial(int, base=2)