Python学习-函数式编程

最新推荐文章于 2022-07-22 17:58:27 发布

weixin_42886817

最新推荐文章于 2022-07-22 17:58:27 发布

阅读量151

点赞数

分类专栏： python学习文章标签：高阶函数匿名函数返回函数装饰器偏函数

原文链接：https://www.liaoxuefeng.com/wiki/1016959663602400/1017454145929440

版权

python学习专栏收录该内容

10 篇文章 0 订阅

订阅专栏

函数式编程

声明
函数式编程
返回函数
- 闭包
匿名函数
装饰器
偏函数

声明

本文是学习廖雪峰python教程的学习笔记，原文链接如下：
https://www.liaoxuefeng.com/wiki/1016959663602400/1017328525009056

函数式编程

面向过程的程序设计，思想接近数学计算。
函数式编程是一种抽象程度很高的编程范式。
函数式编程特点：允许吧函数本身作为参数传入另一个函数，还允许返回一个函数。

纯函数编程

纯函数式编程：函数没有变量，输入确定，输出就确定。
python对函数式编程提供部分支持。允许使用变量，不是纯函数式编程语言。

函数相关特性(变量)

函数本身可以赋值给变量，变量可以指向函数。可以通过变量名调用该函数。
函数名也是变量，指向一个具有特定功能的函数。此时如果让函数名指向其他对象（利用赋值语句= ），就无法调用之前函数的功能。
如果让函数名变量的指向在其他模块也生效，要用import builtins; builtins.abs = 10

高阶函数（传入函数）

高阶函数：变量可以指向函数，函数的参数能接收变量，那么一个函数就可以接收另一个函数作为参数，这种函数就称之为高阶函数。

高级函数

map

map()函数接收两个参数，一个是函数，一个是Iterable，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。(因为iterator是惰性序列，可以通过list将它列出)

def f(x):
    return x**2
l=[1,2,3,4,5]
i=map(f,l)
print(list(i))
#next(i)

结果：
[1, 4, 9, 16, 25]

reduce

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。即:
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

例如实现序列求和：

from functools import reduce
def add(x,y):
    return  x+y

i=reduce(add,[1,2,3,4,5,6,7,8,9])
print(i)

结果如下：
45

将map和reduce结合，实现字符串到Int的转换：

from functools import reduce
def f(x,y):
    return x*10+y

def str2int(s):
    digits={'0':0,'1':1,'2':2,'3':3,'4':4,'5':5,'6':6,'7':7,'8':8,'9':9}
    return digits[s]

r=reduce(f,map(str2int,'534216436'))
print(r,isinstance(r,int))

结果如下：
534216436 True

实例二：

def normalize(name):
    t=name.capitalize()
    return t
names=['adam','LISA','SAlina','barT']
print(list(map(normalize,names)))

结果：
['Adam', 'Lisa', 'Salina', 'Bart']

filter

Python内建的filter()函数用于过滤序列。

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。
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。

由于filter()使用了惰性计算，所以只有在取filter()结果的时候，才会真正筛选并每次返回下一个筛出的元素。

def is_odd(n):
    return n % 2 == 1

list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
# 结果: [1, 5, 9, 15]

利用filter求回数：

def is_palindrome(n):
    tmp=n
    p=0
    while tmp!=0:
       p=p*10+tmp%10
       tmp=tmp//10
    if p==n :
        return True
    else:
        return False

out=filter(is_palindrome,range(1,1000))
print(list(out))

结果：
[1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 22, 33, 44, 55, 66, 77, 88, 99, 101, 111，...888, 898, 909, 919, 929, 939, 949, 959, 969, 979, 989, 999]]

sorted 排序算法

Python内置的sorted()函数就可以对list进行排序
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：sorted([36, 5, -12, 9, -21], key=abs) key指定的函数将作用于list的每一个元素上，并根据key函数返回的结果进行排序。对比原始的list和经过key=abs处理过的list.
要进行反向排序，不必改动key函数，可以传入第三个参数reverse=True

对字典按照名字排序：

def by_name(t):
    return t[0]
L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]
L2 = sorted(L, key=by_name)
print(L2)

结果如下：
[('Adam', 92), ('Bart', 66), ('Bob', 75), ('Lisa', 88)]

返回函数

高阶函数除了可以接受函数作为参数外，还可以把函数作为结果值返回。

def lazy_sum(*args):
    def sum():
        ax = 0
        for n in args:
            ax = ax + n
        return ax
    return sum

>>> f = lazy_sum(1, 3, 5, 7, 9)
>>> f
<function lazy_sum.<locals>.sum at 0x101c6ed90>
>>> f()
25

在函数lazy_sum中又定义了函数sum，并且，内部函数sum可以引用外部函数lazy_sum的参数和局部变量，当lazy_sum返回函数sum时，相关参数和变量都保存在返回的函数中，这种称为“闭包（Closure）”的程序结构拥有极大的威力。

请再注意一点，当我们调用lazy_sum()时，每次调用都会返回一个新的函数，即使传入相同的参数：

>>> f1 = lazy_sum(1, 3, 5, 7, 9)
>>> f2 = lazy_sum(1, 3, 5, 7, 9)
>>> f1==f2
False

返回的函数并没有立刻执行，而是直到调用了f()才执行。

闭包

闭包返回的函数在其定义内部引用了局部变量args，所以，当一个函数返回了一个函数后，其内部的局部变量还被新函数引用，所以，闭包用起来简单，实现起来可不容易。
返回闭包时牢记一点：**返回函数不要引用任何循环变量，或者后续会发生变化的变量。 **
如果一定要引用循环变量怎么办？方法是再创建一个函数，用该函数的参数绑定循环变量当前的值，无论该循环变量后续如何更改，已绑定到函数参数的值不变

使用闭包实现计数器：

def createCounter():
    c=[0]
    def counter():
        c[0] = c[0] + 1
        return c[0]
    return counter

counterA = createCounter()
print(counterA(), counterA(), counterA(), counterA(), counterA())

结果如下：
1 2 3 4 5

匿名函数

list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
关键字lambda表示匿名函数，冒号前面的x表示函数参数。

匿名函数的限制：只能有一个表达式，不用写return ，返回值是表达式的结果。
匿名函数的优点：不必担心函数名冲突
匿名函数也是函数对象，可以赋值给一个变量，再通过变量调用该函数，f = lambda x: x * x
同样，也可以把匿名函数作为返回值返回

示例：

L=list(filter(lambda x:x%2==1,range(1,20)))
print(L)

结果：
[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]

装饰器

函数对象有一个__name__属性，可以拿到函数的名字。
要增强函数的功能，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('2015-3-25')

调用now()函数，不仅会运行now()函数本身，还会在运行now()函数前打印一行日志：

>>> now()
call now():
2015-3-25

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。

自定义python装饰器时一定要记住使用@functools.wraps(func)修饰wrapper

import functools

def log(func):
    @functools.wraps(func)
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper

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

在面向对象（OOP）的设计模式中，decorator被称为装饰模式。OOP的装饰模式需要通过继承和组合来实现，而Python除了能支持OOP的decorator外，直接从语法层次支持decorator。Python的decorator可以用函数实现，也可以用类实现。

import functools

def log(text=''):
    def decorator(fn):
        @functools.wraps(fn)
        def wrapper(*args,**kw):
            print('%s begin call %s'%(text,fn.__name__))
            c=fn(*args,**kw)
            print('%s end call %s'%(text,fn.__name__))
            return c
        return wrapper
    return decorator

@log()
def now1():
    print('now')

@log('execute')
def now2():
    print('now')

now1()
now2()

结果：

begin call now1
now
 end call now1
execute begin call now2
now
execute end call now2

偏函数

functools.partial的作用就是，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。
，创建偏函数时，实际上可以接收函数对象、*args和**kw这3个参数。

详细教程链接：
https://www.liaoxuefeng.com/wiki/1016959663602400/1017454145929440

weixin_42886817

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Python学习-函数式编程

函数式编程声明函数式编程纯函数编程函数相关特性(变量)高阶函数（传入函数）高级函数mapreducefiltersorted 排序算法声明本文是学习廖雪峰python教程的学习笔记，原文链接如下：https://www.liaoxuefeng.com/wiki/1016959663602400/1017328525009056函数式编程面向过程的程序设计，思想接近数学计算。函数式...
复制链接

扫一扫