函数式编程
函数是Python内建支持的一种封装,我们通过把大段代码拆成函数,通过一层一层的函数调用,就可以把复杂任务分解成简单的任务,这种分解可以称之为面向过程的程序设计。函数就是面向过程的程序设计的基本单元。
函数式编程Functional Programming,虽然也可以归结到面向过程的程序设计,但其思想更接近数学计算。函数式编程就是一种抽象程度很高的编程范式。
在计算机的层次上,CPU执行的是加减乘除的指令代码,以及各种条件判断和跳转指令,所以,汇编语言是最贴近计算机的语言。
而计算则指数学意义上的计算,越是抽象的计算,离计算机硬件越远。
对应到编程语言,就是越低级的语言,越贴近计算机,抽象程度低,执行效率高,比如C语言;越高级的语言,越贴近计算,抽象程度高,执行效率低,比如Lisp语言。
函数式编程就是一种抽象程度很高的编程范式,纯粹的函数式编程语言编写的函数没有变量,因此,任意一个函数,只要输入是确定的,输出就是确定的,这种纯函数我们称之为没有副作用。而允许使用变量的程序设计语言,由于函数内部的变量状态不确定,同样的输入,可能得到不同的输出,因此,这种函数是有副作用的。
函数式编程的一个特点就是,允许把函数本身作为参数传入另一个函数,还允许返回一个函数!
Python对函数式编程提供部分支持。由于Python允许使用变量,因此,Python不是纯函数式编程语言
函数式编程的优点逻辑可证 这是一个学术上的优点:没有”边界效应”使得更容易从逻辑上证明程序是正确的。
边界效应是指在进行程序设计时,我们的编程思想、算法以及分析测试的数据有可能会接近我们所没有注意的边界。所有的操作设计都会有一个边界,例如整形数据的内存,很多情况下在进行程序设计时,往往会被我们所忽略
模块化
函数式编程推崇简单原则,一个函数只做一件事情,将大的功能拆分成尽可能小的模块。小的函数更易于阅读和检查错误。
组件化
小的函数更容易加以组合形成新的功能。
易于调试
细化的、定义清晰的函数使得调试更加简单。当程序不正常运行时,每一个函数都是检查数据是否正确的接口,能更快速地排除没有问题的代码,定位到出现问题的地方。
易于测试
不依赖于系统状态的函数无须在测试前构造测试桩,使得编写单元测试更加容易。
更高的生产率
函数式编程产生的代码比其他技术更少(往往是其他技术的一半左右),并且更容易阅读和维护。
函数式编程的特征
在支持函数式编程的语言中,大量使用如下特征的代码即可被认为是函数式:
1. 函数是一等公民函数能作为参数传递,或者是作为返回值返回。匿名函数(lambda)
lambda提供了快速编写简单函数的能力
闭包
闭包引用了外层函数的变量,然后返回内层函数
内置的不可变数据结构
如python中的元组
内置模板函数::见下文中的高阶函数::
递归
匿名函数(lambda)
当我们在传入函数时,有些时候,不需要显式地定义函数,直接传入匿名函数更方便。
例:
p = lambda x: x+x
print(p(10)
其等价于:
def test(x):
return x+x
p = test(10)
print(p)这里我建议尽量避免使用lambda。lambda功能十分有限,只能有一个表达式,返回值就是该表达式的结果。最主要是语句过于复杂,lambda表达式会很难阅读
高阶函数能接收函数做参数的函数:
变量可以指向函数
函数的参数可以接收变量
一个函数可以接收另一个函数作为参数
如:python内置函数,map()函数、reduce()函数、filter()函数等
Python的函数不但可以返回int、str、list、dict等数据类型,还可以返回函数
例:
def test(x, y, z):
return z(x, y)
print(test(2, 3, pow))
这里x,y是两个数值,z是一个函数
偏函数
Python的functools模块提供了很多有用的功能,偏函数是其中之一,偏函数把一个函数的某些参数给固定住(也就是设置默认值),返回一个新的函数,调用这个新函数会更简单。
如int()函数,其提供了base参数,默认值为10。如果传入base参数,就可以做进制的转换int('101010', base=2)如果经常需要做二进制转换我们就可以自己定义一个int2()函数
def int2(x, base=2):
return int(x, base)
这里如果我们使用functools.partial,就可以非常方便的直接创建一个int2()
from functools import partial
int2 = partial(int, base=2)