python 匹配字符串map lambda函数_python--------函数式编程【匿名 、高级、map、filter、reduce、zip、sorted函数】...

@[toc]

函数式编程概述

函数式编程： 函数式=编程语言定义的函数+数学意义的函数

优点：

便于进行单元测试

便于调试

适合并行执行

特性

不可变数据(不可变：不用变量保存状态，不修改变量)

非函数式：

a=1

def incr_test1():

global a

a+=1

return a

print(incr_test1())

运行结果

2

函数式：

n=1

def incr_test2(n):

return n+1

print(incr_test2(2))

运行结果

3

第一类对象(函数即"变量")---------看下面高阶函数的条件

尾调用优化(尾递归) 尾调用：在函数最后一步调用另外一个函数(最后一行不一定是函数的最后一步)

函数bar3在foo3内为尾调用

def bar3(n):

return n

def foo3():

return bar3(3)

函数bar4和bar5在foo4内均为尾调用，二者在if判断条件不同的情况下都有可能作为函数的最后一步

def bar4(n):

return n

def bar5(n):

return n+1

def foo4(x):

if type(x) is str:

return bar4(x)

elif type(x) is int:

return bar5(x)

函数bar6在foo5内为非尾调用

def bar6(n):

return n

def foo5(x):

y=bar6(x)

return y

函数bar7在foo6内非尾调用

def bar7(n):

return n

def foo6(x):

return bar7(x)+1

高阶函数

下面两个条件满足其中一个即可：

函数可以接收另一个函数作为参数

def add(x,y,f):

return f(x)+f(y)

print(add(-5,6,abs)) #f=abs abs()求绝对值

运行结果

11

返回值可以是函数名

def bar1():

print('from bar1')

def foo1():

print('from foo')

return bar1

m=foo1() #n=bar1

m()

运行结果

from foo

from bar1

def hanle():

print('from hanle')

return hanle

h=hanle()

h()

运行结果

from hanle

from hanle

这个就不是高阶函数

def foo(n):

print(n)

def bar(name):

print('i am name is %s'%name)

foo(bar('alex')) #bar函数没有返回值，返回值不是函数名

运行结果

i am name is alex

None

匿名函数

lambda 参数列表:函数返回值表达式语句

关键字lambda表示匿名函数

冒号前表示参数，冒号后表示返回值

def func(x):

return x+1

res=func(10)

print(res)

#相当于

res=lambda x:x+1

print(res(10)) #记得带参数

运行结果

11

11

res=lambda x:x+'_ab'

print(res('alex'))

运行结果

alex_ab

lambda表达式序列

可以将lambda表达式作为序列(如列表、元组或字典等)元素，从而实现挑战表的功能，也就是函数的列表

序列=[(lambda 表达式1),(lambda 表达式2), ...]

调用序列中lambda表达式的方法

序列[索引](lambda 表达式的参数列表)

定义一个lambda表达式序列，第一个元素用于计算参数的平方，第二个元素用于计算参数的立方，第三个元素用于计算参数的四次方

arr=[(lambda x:x**2),(lambda x:x**3),(lambda x:x**4)]

print(arr[0](2),arr[1](2),arr[2](2))

运行结果

4 8 16

将lambda表达式作为函数的返回值

def math(o):

if(o==1):

return lambda x,y:x+y

if(o==2):

return lambda x,y:x-y

if(o==3):

return lambda x,y:x*y

if(o==4):

return lambda x,y:x/y

action=math(1) #返回加法lambda表达式

print('10+2=',action(10,2))

action=math(2) #返回减法lambda表达式

print('10-2=',action(10,2))

action=math(3) #返回乘法lambda表达式

print('10*2=',action(10,2))

action=math(4) #返回除法lambda表达式

print('10/2=',action(10,2))

运行结果

10+2= 12

10-2= 8

10*2= 20

10/2= 5.0

python函数式编程常用的函数(它们也是高阶函数)

map()函数

map()函数用于指定序列中的所有元素作为参数调用指定函数，并将结果构成一个新的序列返回

map()函数接收两个参数，一个是函数，一个是Iterable(可迭代对象)，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

map()作为高阶函数，事实上它把运算规则抽象了

arr=map(lambda x:x**2,[2,4,6,8,10])

for n in arr:

print(n)

运行结果

4

16

36

64

100

#enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中

arr=map(lambda x:x**2,[2,4,6,8,10])

for i in enumerate(arr):

print(i)

arr=map(lambda x,y:x+y,[1,2,3,4],[5,6,7,8]) #两个序列

for m in enumerate(arr):

print(m)

运行结果

(0, 4)

(1, 16)

(2, 36)

(3, 64)

(4, 100)

(0, 6)

(1, 8)

(2, 10)

(3, 12)

print(map(str,[1,2,3,4,5,6]))

print(list(map(str,[1,2,3,4,5,6]))) #转换成字符串

运行结果

#内存地址

['1', '2', '3', '4', '5', '6']

reduce()函数

reduce把一个函数作用在一个序列上，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

==从python3.0后，reduce()函数不被集成在python内置函数中，需要使用下面的语句引用functools模块，才能调用reduce()函数==

from functools import reduce

def func(x,y):

return x+y

sum=reduce(func,(2,4,6,8,10))

print(sum)

运行结果

30

程序运算过程

(1)reduce()函数首先使用2和4参数调用func()函数，得到结果6

(2)使用结果6和序列第三个元素6为参数调用func()函数，得到结果12

(3)使用结果12和序列第四个元素8为参数调用func()函数，得到结果20

(4)使用结果20和序列的第五个元素10为参数调用func()函数，得到结果30

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 func1(x,y):

return x*10+y

a=reduce(func1,[1,3,5,7,9])

print(a)

运行结果

13579

filter()函数

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。

在一个list中，删掉偶数，只保留奇数

def is_odd(n):

return n%2==1

print(list(filter(is_odd,[1,2,3,4,5,6,9,10,15])))

运行结果

[1, 3, 5, 9, 15]

把一个序列中的空字符串删掉

def not_empty(s):

return s and s.strip()

print(list(filter(not_empty,['a',' ','b',None,'c',' '])))

运行结果

['a', 'b', 'c']

people=[{'name':'alex','age':100000},

{'name':'xiaoli','age':10000000},

{'name':'xiaoguo','age':9000},

{'name':'xiaowang','age':18}

]

print(list(filter(lambda p:p['age']<=18,people)))

运行结果

[{'name': 'xiaowang', 'age': 18}]

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

map() filter() reduce() 区别

map() 处理序列中的每个元素，得到的结果是一个'列表'，该'列表'元素个数及位置与原来一样

filter()遍历序列中的每一个元素，判断每个元素得到的布尔值，如果是True则留下来

reduce() 处理一个序列，把序列进行合并操作

sorted()函数

排序函数，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是字典，直接比较数学上的大小是没有意义的，因此，比较过程必须通过函数抽象出来

print(sorted([36,5,-12,9,-21]))

#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

print(sorted([36,5,-12,9,-21],key=abs))

print(sorted(['bob','about','Zoo','Credit']))

#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

print(sorted(['bob','about','Zoo','Credit'],key=str.lower))

#反向排序

print(sorted(['bob','about','Zoo','Credit'],key=str.lower,reverse=True))

运行结果

[-21, -12, 5, 9, 36]

[5, 9, -12, -21, 36]

['Credit', 'Zoo', 'about', 'bob']

['about', 'bob', 'Credit', 'Zoo']

['Zoo', 'Credit', 'bob', 'about']

L=[('Bob',75),('Adam',92),('Bart',66),('Lisa',88)]

def by_name(t):

return t[0]

def by_score(t):

return t[1]

L2=sorted(L,key=by_name)

print('根据名字排序：',L2)

L2=sorted(L,key=by_score,reverse=True)

print('根据成绩排序：',L2)

运行结果

根据名字排序： [('Adam', 92), ('Bart', 66), ('Bob', 75), ('Lisa', 88)]

根据成绩排序： [('Adam', 92), ('Lisa', 88), ('Bob', 75), ('Bart', 66)]

zip()函数

zip()函数以一系列列表作为参数，将列表中对应的元素打包成一个个元组，然后返回由这些元组组成的列表

a=[1,2,3]

b=[4,5,6]

zipped=zip(a,b)

for i in zipped:

print(i)

运行结果

(1, 4)

(2, 5)

(3, 6)

如果传入的参数长度不等，则返回列表的长度和参数中长度最短的列表相同

a=[1,2,3]

b=[4,5,6,7]

zipped=zip(a,b)

for n in zipped:

print(n)

运行结果

(1, 4)

(2, 5)

(3, 6)

将打包结果前面加上操作符，并以此为参数调用zip()函数，可以将打包结果解压*

a=[1,2,3]

b=[4,5,6]

zipped=zip(a,b)

unzipped=zip(*zipped)

for m in unzipped:

print(m)

运行结果

(1, 2, 3)

(4, 5, 6)

普通函数方式与函数式编程的对比

通过学习以上的函数可以更好的看出它们的区别

以普通编程方式计算列表元素中的正数之和

list=[2,-6,11,-7,8,15,-14,-1,10,-13,18]

sum=0

for i in range(len(list)):

if list[i]>0:

sum+=list[i]

print(sum)

运行结果

64

以函数式编程方式实现

from functools import reduce

list=[2,-6,11,-7,8,15,-14,-1,10,-13,18]

s=filter(lambda x:x>0,list)

sum=reduce(lambda x,y:x+y,s)

print(sum)

运行结果

64

相比而言，函数式编程具有如下几个特点

代码更简单

数据、操作、返回值都在一起

没有循环体，几乎没有临时变量

代码用来描述要做什么，而不是怎么去做