python学习笔记-自用-day two-CSDN博客

本文链接：https://blog.csdn.net/weixin_43769170/article/details/129438404

https://www.liaoxuefeng.com/wiki/1016959663602400/1017328525009056（学习内容来自：廖雪峰的网站）

函数式编程

Functional Programming，思想更接近数学计算，是一种抽象程度很高的编程范式
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

Higher-order function
函数本身也可以赋值给变量，即变量可以指向函数，函数名也是变量，函数名其实就是指向函数的变量，

map/reduce

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

>>> def f(x):
...     return x * x
...
>>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> list(r)
[1, 4, 9, 16, 25, 36, 49, 64, 81]

r是Iterator，Iterator是惰性序列，因此通过list()函数让它把整个序列都计算出来并返回一个list

>>> list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
['1', '2', '3', '4', '5', '6', '7', '8', '9']
# 把这个list所有数字转为字符串

reduce

reduce把一个函数作用在一个序列[x1, x2, x3, …]上，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，其效果就是：

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

序列求和

>>> from functools import reduce
>>> def add(x, y):
...     return x + y
...
>>> reduce(add, [1, 3, 5, 7, 9])
25

把序列[1, 3, 5, 7, 9]变换成整数13579

>>> from functools import reduce
>>> def fn(x, y):
...     return x * 10 + y
...
>>> reduce(fn, [1, 3, 5, 7, 9])
13579

str转换为int

>>> from functools import reduce
>>> 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'))
13579

filter

filter()接收一个函数和一个序列，函数依次作用于每个元素，根据返回值是True还是False决定保留还是丢弃该元素。

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]

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

求素数-埃氏筛法

构造一个从3开始的奇数序列

def _odd_iter():
	n=1
	while True:
		n=n+2
		yield n
#一个生成器，并且是一个无限序列

筛选函数

def _not_divisible(n):
    return lambda x: x % n > 0

定义一个生成器，不断返回下一个素数

def primes():
    yield 2
    it = _odd_iter() # 初始序列
    while True:
        n = next(it) # 返回序列的第一个数
        yield n
        it = filter(_not_divisible(n), it) # 构造新序列

# 打印1000以内的素数:
for n in primes():
    if n < 1000:
        print(n)
    else:
        break

我在学习时lambda没太看懂，写了一个粗糙的易懂版本：


def _odd_iter():
    n = 1
    while True:
        n = n + 2
        yield n


def _not_divisible(n):
    for i in range(2,n):
        if n%i>0:
            continue
        else:
            return False
    return True

    #return x % n == 0

it = _odd_iter()
for i in range(30):
    it = filter(_not_divisible, it) # 构造新序列
    print(next(it))

函数作为返回值

当不需要立刻求和

def lazy_sum(*args):
    def sum():
        ax = 0
        for n in args:
            ax = ax + n
        return ax
    return sum
#调用lazy_sum()时，返回的并不是求和结果，而是求和函数

闭包

注意：

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
返回的函数并没有立刻执行，而是直到调用了f()才执行

def count():
    fs = []
    for i in range(1, 4):
        def f():
             return i*i
        fs.append(f)
    return fs

f1, f2, f3 = count()

匿名函数

关键字lambda表示匿名函数，冒号前面的x表示函数参数。匿名函数只能有一个表达式，不用写return，返回值就是该表达式的结果。
匿名函数lambda x: x * x实际上是

def f(x):
    return x * x

好处：

因为函数没有名字，不必担心函数名冲突。
匿名函数也是一个函数对象，也可以把匿名函数赋值给一个变量，再利用变量来调用该函数
把匿名函数作为返回值返回

>>> f = lambda x: x * x
>>> f
<function <lambda> at 0x101c6ef28>
>>> f(5)
25
-----------------------------------
def build(x, y):
    return lambda: x * x + y * y
-----------------------------------
def is_odd(n):
    return n % 2 == 1

L = list(filter(is_odd, range(1, 20)))
#上下两式子输出相同
L = list(filter(lambda x:x%2==1, range(1, 20)))

装饰器

>>> def now():
...     print('2015-3-25')

函数对象有一个__name__属性，可以拿到函数的名字
假设我们要增强now()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now()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

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

log是一个decorator，接受一个函数作为参数，并返回一个函数
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。

偏函数（Partial function）

functools.partial就是帮助我们创建一个偏函数的，不需要我们自己定义int2()，可以直接使用下面的代码创建一个新的函数int2

def int2(x, base=2):
    return int(x, base)
#代替：
>>> import functools
>>> int2 = functools.partial(int, base=2)

#同
kw = { 'base': 2 }
int('10010', **kw)

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

当传入：

max2 = functools.partial(max, 10)

实际上会把10作为*args的一部分自动加到左边，也就是：

max2(5, 6, 7)
#相当于：
args = (10, 5, 6, 7)
max(*args)#结果为10