函数式编程
①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。
高阶函数
①变量可指向函数
f = abs
f(-10)
#结果为10
②函数的参数可传入函数
def add(x, y, f):
return f(x) + f(y)
print(add(-5, 6, abs))
#结果为11。
③map(
)函数:map()
函数接收两个参数,一个是函数,一个是Iterable(Iterator是惰性序列),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。
例如把发f(x)=x^2
和str
作用在list的[1,2,3,4,5,6,7,8,9]上:
def f(x):
return x * x
r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
list(r)
#结果为[1, 4, 9, 16, 25, 36, 49, 64, 81]
list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
#结果为['1', '2', '3', '4', '5', '6', '7', '8', '9']
④reduce()
: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。
from functools import reduce
def add(x, y):
return x + y
reduce(add, [1, 3, 5, 7, 9])
#结果为25
def fn(x, y):
return x * 10 + y
def char2num(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]
reduce(fn, map(char2num, '13579'))
#结果为13579
⑤filter()
: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(True丢弃)。
def is_odd(n):
return n % 2 == 1
list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
#结果为[1, 5, 9, 15]
def not_empty(s):
return s and s.strip()
list(filter(not_empty, ['A', '', 'B', None, 'C', ' ']))
# 结果: ['A', 'B', 'C']
⑥sorted()
:将list的内容进行排序,key()
决定安排依据。
key的解释是这样的:主要是用来进行比较的元素,只有一个参数,具体的函数的参数就是取自于可迭代对象中,指定可迭代对象中的一个元素来进行排序。
sorted([36, 5, -12, 9, -21])#从小到大
#结果为[-21, -12, 5, 9, 36]
sorted([36, 5, -12, 9, -21], key=abs)#按绝对大小排序
#结果为[5, 9, -12, -21, 36]
sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower)#按小写(大写)排序
#结果为['about', 'bob', 'Credit', 'Zoo']
sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)#反向排序
#结果为['Zoo', 'Credit', 'bob', 'about']
返回函数
①函数作为返回值
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()
#结果为25
函数lazy_sum的返回值为函数sum,不会立即求和,在调用时才计算和。
②函数的相关参数和变量都保存在返回的函数中,这种称为“闭包(Closure)”。每次调用该函数都会产生新的函数。
def count():
fs = []
for i in range(1, 4):
def f():
return i*i
fs.append(f)
return fs
f1, f2, f3 = count()
f1()
f2()
f3()
#结果为9 9 9。
都返回9的原因:每次count赋值都不计算i*i,而i的最终值为3存在fs中,调用时才用i计算。
③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。
“闭包”的最大的作用——保存局部信息不被销毁。会一直保留上一次调用函数后外部函数的局部变量值
def count():
def f(j):
def g():
return j*j
return g
fs = []
for i in range(1, 4):
fs.append(f(i)) # f(i)立刻被执行,因此i的当前值被传入f()
return fs
f1, f2, f3 = count()
f1()
#结果为1 4 9
python自增算法:a = a+1或a+=1
匿名函数
匿名函数不需要定义函数名,直接使用。
list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))#将列表组元带入匿名函数中返回x*x的结果
#结果为[1, 4, 9, 16, 25, 36, 49, 64, 81]
#效果同:
def f(x):
return x * x
list(map(f,[......])
装饰器
装饰器:不希望修改某个函数的定义,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)。
偏函数
偏函数:当函数的参数个数太多,需要简化时,使用functools.partial可以创建一个新的函数,这个新函数可以固定住原函数的部分参数,从而在调用时更简单。
import functools
int2 = functools.partial(int, base=2)
int2('1000000')
#结果为64
#效果同:
def int2(x, base=2):
return int(x, base)
int2('1000000')
#结果为64