python求前n项和函数调用_python一等函数

把函数视作对象

在 Python 中，函数是一等对象。编程语言理论家把“一等对象”定义为满足下述条件的程序实体：

在运行时创建

能赋值给变量或数据结构中的元素

能作为参数传给函数

能作为函数的返回结果

说明python 函数是对象：这里创建了一个函数，然后调用它，读取它的 __doc__ 属性，并且确定函数对象本身是 function 类的实例。

deffactorial(n):'''returns n!'''

return 1 if n < 2 else n * factorial(n - 1)print(factorial(5)) #调用

print(help(factorial)) #打印__doc__属性

print(type(factorial)) #打印类型

#结果

120Help on function factorialin module __main__:

factorial(n)

returns n!#__doc__属性

None #说明factorial是function类的一个实例

说明函数是一等对象：通过别名使用函数(对应于第二点)，把函数作为参数传递(对应于第三点)。

#创建一个函数，只有函数在调用的时候才会运行

deffactorial(n):'''returns n!'''

return 1 if n < 2 else n * factorial(n-1)

fact=factorialprint(fact)

map_fact= map(factorial, range(11))print('map fact:', map_fact)print(list(map_fact))#结果

map fact:[1, 1, 2, 6, 24, 120, 720, 5040, 40320, 362880, 3628800]

高阶函数

接受函数为参数，或者把函数作为结果返回的函数是高阶函数。

如map，filter，reduce，sorted。

map(function,iterable,...)会根据提供的函数对指定序列做映射。第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表。

filter(function,iterable)接收两个参数，第一个为函数，第二个为序列，序列的每个元素作为参数传递给函数进行判断，然后返回 True 或 False，最后将返回True 的元素放到新列表中。

reduce(function,iterable[,initializer])函数将一个数据集合(链表，元组等)中的所有数据进行下列操作：用传给 reduce 中的函数 function(有两个参数)先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果。

sorted(iterable[,cmp[,key[,reverse]]])排序函数

sorted示例，reverse函数作为参数，逆置的单词排序。

>>> defreverse(word):

...return word[::-1]

...>>> reverse('testing')'gnitset'

>>>reverse(fruits)

['banana', 'raspberry', 'cherry', 'apple', 'fig', 'strawberry']>>>fruits

['strawberry', 'fig', 'apple', 'cherry', 'raspberry', 'banana']>>> sorted(fruits, key=reverse)　　　　#reverse作为sorted函数的参数

['banana', 'apple', 'fig', 'raspberry', 'strawberry', 'cherry']

map和filter示例，计算阶乘：

>>>deffactorial(n):return 1 if n < 2 else n * factorial(n - 1)>>>list(map(factorial,range(6))) #0到5的阶乘

[1, 1, 2, 6, 24, 120]

list(map(factorial,filter(lambda n: n % 2,range(6)))) #过滤掉偶数的阶乘

[1, 6, 120]

reduce示例，求和：

from functools import reduce #reduce在functools模块下

from operator importadd

reduce(add,range(100))4950sum(range(100))4950

sum和reduce思想是把某个操作连续应用到序列的元素上，累计之前的结果，把一系列值规约成一个值。类似的函数还有any和all.

all(iterable)   //如果iterable的每个元素都是真值，返回True,否则返回False

any(iterable)    //只要有iterable的某个元素是真值就返回True。

匿名函数

lambda函数定义体中不能赋值，也不能使用while和try等python语句。适合用在参数列表中。(lambda表达式会创建函数对象)

fruits = ['banana', 'raspberry', 'cherry', 'apple', 'fig', 'strawberry']

sorted(fruits, key=lambda word: word[::-1]) #逆置的单词排序，代替了sorted示例中的reverse函数

['banana', 'apple', 'fig', 'raspberry', 'strawberry', 'cherry']

可调用对象和可调用类型

可以使用()符号调用的对象即为可调用对象

如下：

用户定义的函数：def语句或lambda函数创建

内置函数：C语言实现的函数，如len或time.strftime

内置方法：C语言实现的方法，如dict.get

方法：类中定义的函数

类：调用类时会调用__new__方法创建一个实例，然后运行__init__方法初始化实例返回调用方。

类实例：如果类定义了__call方法，那么它的实例可以作为函数调用。

生成器函数：使用yield关键字的函数或方法。

可以使用callable()函数判断对象是否可以调用。

>>>[callable(obj) for obj in (abs,str,13)]

[True, True, False]

用户定义的可调用类型

任何python对象都可以表现得像函数，只要实现__call__方法。

importrandomclassBingoCage:def __init__(self, items):

self._items=list(items)

random.shuffle(self._items)#打乱顺序

defpick(self):try:returnself._items.pop()exceptIndexError:raise LookupError('pick from empty BingoCage')def __call__(self, *args, **kwargs): #实现__call__方法

returnself.pick()

bingo= BingoCage(range(3))print(bingo.pick())print(bingo()) #调用bingo

print(callable(bingo)) #判断是否可调用

#结果：

02True

函数内省

函数对象不止有__doc__属性，还有很多其他属性，可用dir()函数查看

>>>dir(factorial)

['__annotations__', '__call__', '__class__', '__closure__', '__code__', '__defaults__', '__delattr__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__get__', '__getattribute__', '__globals__', '__gt__', '__hash__', '__init__', '__kwdefaults__', '__le__', '__lt__', '__module__', '__name__', '__ne__', '__new__', '__qualname__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__']

用户定义的函数的属性

名称

类型

说明

__annotations__

dict

参数返回值和的注释信息

__call__

method-wrapper

实现()运算符；即可调用对象协议

__closure__

tuple

函数闭包，即自有变量的绑定(通常是None)

__code__

code

编译成字节码的函数元数据和函数定义体

__defaults__

tuple

形式参数的默认值

__get__

method-wrapper

实现只读描述符协议

__globals__

dict

函数所在模块中的全局变量

__kwdefaults__

dict

仅限关键字形式参数的默认值

__name__

str

函数名称

__qualname__

str

函数的限定名称，如Random.choice

获取函数参数信息(法一)

函数的__default__属性保存着定位参数和关键字参数的默认值

函数的__code__包含许多参数信息，如：

__code__.co_argcount包含参数个数

__code__.co_varnames包含参数名称   (值得注意的是，这里包含函数体内定义的局部变量，真正的参数名称是前N个字符串，N的个数由co__argcount确定；且其中不包含前缀为*和**的变长参数)

def clip(text, max_len=20):"""在max_len前面或后面的第一个空格处截断文本"""end=Noneif len(text) >max_len:

space_before= text.rfind(' ', 0, max_len)if space_before >=0:

end=space_beforeelse:

space_after= text.rfind(' ', max_len)if space_after >=0:

end=space_afterif end isNone:

end=len(text)returntext[:end].rstrip()print(clip.__defaults__) #从后往前扫描，故max_len的默认值为20

print(clip.__code__)print(clip.__code__.co_argcount) #包含局部变量

print(clip.__code__.co_varnames) #如结果，实际参数为2

(20,)

2('text', 'max_len', 'end', 'space_before', 'space_after')

获取函数参数信息(法二)

使用inspect模块下的signature()函数，signature()函数返回一个signature对象，它有一个parameters属性，这是一个有序映射，把参数名和inspecr.Parameter对象对应起来。各个Parameter有各自属性：name(名称)，default(默认值),kind(类型)   //特殊的inspect._empty代表没有默认值

from inspect importsignature

sig= signature(clip) #clip为上个示例的函数，参数元组

print(sig)print(str(sig))for name, param insig.parameters.items():print(param.kind, ':', name, '=', param.default)#打印 参数类型：参数名称：参数默认值

#结果

(text, max_len=20)

(text, max_len=20)

POSITIONAL_OR_KEYWORD : text= POSITIONAL_OR_KEYWORD : max_len= 20

kind属性值是_ParameterKind类的5个值之一，如下：

POSITIONAL_OR_KEYWORD

可以通过定位参数和关键字参数传入的形参，多数python参数类型属于此类

VAR_POSITIONAL

定位参数元组

*   参数

VAR_KEYWORD

关键字参数字典

**  参数

KEYWORD_ONLY

仅限关键字参数

POSITONAL_ONLY

仅限定位参数

函数注解

除了name，kind，default，inspect.Parameter对象还有一个annotation(注解)属性，它的值通常为inspect._empty，但可能包含注解句法提供的函数签名元素据。

函数声明中的各个参数可以在：之后增加注解表达式。如果参数有默认值，注解放在参数名和 = 号之间。如果想注解返回值，在 )和函数声明末尾的：之间添加->和一个表达式，那个表达式可以是任意类型。

为clip函数添加注解：

def clip(text, max_len:'int > 0'=20) -> str: #max_len参数注解和返回值注解

"""在max_len前面或后面的第一个空格处截断文本"""end=Noneif len(text) >max_len:

space_before= text.rfind(' ', 0, max_len)if space_before >=0:

end=space_beforeelse:

space_after= text.rfind(' ', max_len)if space_after >=0:

end=space_afterif end isNone:

end=len(text)returntext[:end].rstrip()print(clip.__annotations__)#结果

{'max_len': 'int > 0', 'return': }

Python 对注解所做的唯一的事情是，把它们存储在函数的__annotations__ 属性里。仅此而已，Python 不做检查、不做强制、不做验证，什么操作都不做。换句话说，注解对 Python 解释器没有任何意义。注解只是元数据，可以供 IDE、框架和装饰器等工具使用。标准库中还没有什么会用到这些元数据，唯有inspect.signature() 函数知道怎么提取注解，如示例所示:

sig =signature(clip)print(sig.return_annotation)for param insig.parameters.values():

note= repr(param.annotation).ljust(13) #param.annotation获取注解，rerp返回注解的string形式

print(note, ':', param.name, '', param.default)

: text

'int > 0' : max_len 20

支持函数式编程的包

operator模块为多个算术运算符提供了对应的函数，例如可以使用mul来代替使用匿名函数lambda a,b:a * b

operator还有itemgetter和attrgetter函数。

itemgetter常见用途：根据元组的某个字段给元组列表排序。(itemgetter[i]类似lambda fields:fields[1],创建一个接受集合的函数，返回索引位1上的元素)

from operator importitemgetter

metro_data=[

('tokyo', 'JP', 36),

('mexico', 'IN', 21),

('new york', 'US', 20),

('sao paulo', 'BR', 19),

]for city in sorted(metro_data, key=itemgetter(1)): #按照元组第二项排序

print(city)#结果

('sao paulo', 'BR', 19)

('mexico', 'IN', 21)

('tokyo', 'JP', 36)

('new york', 'US', 20)for city in sorted(metro_data, key=itemgetter(2)): #按照元组第三项排序

print(city)#结果

('sao paulo', 'BR', 19)

('new york', 'US', 20)

('mexico', 'IN', 21)

('tokyo', 'JP', 36)

多个参数传递给itemgetter，它构建的函数会返回提取的值构成的元组：

cc_name = itemgetter(1, 0)for city inmetro_data:print(cc_name(city))#结果

('JP', 'tokyo')

('IN', 'mexico')

('US', 'new york')

('BR', 'sao paulo')

functools.partial冻结参数

functols.partial用于部分应用于一个函数。即：基于一个函数创建一个新的可调用对象，把原函数的某些参数固定。使用这个函数可以把接受一个或多个参数的函数改编成需要回调的API，这样需要的参数更少。

from operator importmul #乘法from functools importpartial

triple= partial(mul, 3) #把第一个参数固定为3

print(triple(7))print(list(map(triple, range(1, 10))))21[3, 6, 9, 12, 15, 18, 21, 24, 27]

functools.partialmethod函数作业于partial一样，不过是用于处理方法。

以上来自《流畅的python》第五章