Python3学习笔记之-函数式编程(第二篇)
文章目录
一、返回函数
1、函数作为返回值
高阶函数除了可以接受函数为参数,还可以把函数作为返回值。
比如:
def lazy_sum(*args):
def sum():
ax = 0
for n in args:
ax = ax + n
return ax
return sum
当我们调用lazy_sum()时,返回的并不是求和结果,而是求和函数:
f = lazy_sum(1, 3, 5, 7, 9)
f
#结果:<function lazy_sum.<locals>.sum at 0x101c6ed90>
#再次调用
f()
#结果:25
当我们再次调用函数f
时,才真正计算求和的结果,在这个例子中,我们在函数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。
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
f1()
和f2()
的调用结果互不影响。
2、闭包
如果在一个函数的内部定义了另一个函数,外部的我们叫它外函数,内部的我们叫它内函数。
闭包:在一个外函数中定义了一个内函数,内函数里运用了外函数的临时变量,并且外函数的返回值是内函数的引用,这样就构成了一个闭包。
一般我们认为函数结束,函数内部所有的东西都会释放,但是闭包不同,有些可能会用的变量将会绑定在内函数中,然后外函数自己结束。
def count():
fs = []
for i in range(1, 4):
def f():
return i*i
fs.append(f)
return fs
f1, f2, f3 = count()
这个实例每次循环都会创建一个新的函数,然后把创建的3个函数都返回了,你也许会认为调用f1(),f2(),f3()结果应该是1,4,9,但实际上结果为:
f1()
9
f2()
9
f3()
9
全部都是9
!原因就在于返回的函数引用了变量i
,但它并非立刻执行。等到3个函数都返回时,它们所引用的变量i
已经变成了3
,因此最终结果为9
。
返回闭包注意: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:
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
再看看结果:
f1, f2, f3 = count()
f1()
1
f2()
4
f3()
9
缺点是代码较长,可利用lambda函数缩短代码。
二、匿名函数
就是不用取名字的函数,不需要显示定义函数,直接传入匿名函数,更加方便。
在Python中关键字lambda表示匿名函数,冒号前面的x表示函数参数,匿名函数有个限制,就是只能有一个表达式,不用写return,返回值就是该表达式的结果。
匿名函数有个好处,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,再利用变量来调用函数。
f = lambda x: x * x
f
#结果:<function <lambda> at 0x101c6ef28>
f(5)
#结果:25
同样,也可以把匿名函数作为返回值返回,比如:
def build(x, y):
return lambda: x * x + y * y
三、装饰器(难点)
由于函数也是一个对象,而且函数对象可以被赋值给变量,所以,通过变量也可以调用该函数
def now():
print('2021')
f=now
f()
#结果:2021
函数对象有一个__name__属性,可以拿到函数的名字:
now.__name__
#结果:'now'
f.__name__
#结果:'now'
现在,我们给now()函数增加功能,但是呢我们又不想修改now函数的定义,这在代码运行期间动态添加功能的方式,称之为“装饰器”(Decorator)。
本质上,decorator就是一个返回函数的高阶函数,假如我们定义一个装饰器,它能打印日志:
def log(func):
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
log是一个装饰器,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,把装饰器至于函数的定义处:
@log
def now():
print('2021')
如果调用now()函数,不仅会运行now()函数本身,还会运行now()函数前打印一行日志。
now()
#call now():
#2021
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()
是一个装饰器,它可以返回一个函数,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,也就是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。
如果decorator本身需要传入参数,那就需要编写一个返回decorator的高阶函数,写出来会更复杂。比如,要自定义log的文本:
def log(text):
def decorator(func):
def wrapper(*args, **kw):
print('%s %s():' % (text, func.__name__))
return func(*args, **kw)
return wrapper
return decorator
这个3层嵌套的decorator用法如下:
@log('execute')
def now():
print('2021')
执行结果如下:
now()
execute now():
2021
和两层嵌套的decorator相比,3层嵌套的效果是这样的:
now = log('execute')(now)
解析:
首先执行log('execute')
,返回的是decorator
函数,
再调用返回的函数,参数是now
函数,返回值最终是wrapper
函数。
以上两种decorator的定义都没有问题,但还差最后一步。因为我们讲了函数也是对象,它有__name__
等属性,但你去看经过decorator装饰之后的函数,它们的__name__
已经从原来的'now'
变成了'wrapper'
:
now.__name__
'wrapper'
因为返回的那个wrapper()
函数名字就是'wrapper'
,所以,需要把原始函数的__name__
等属性复制到wrapper()
函数中,否则,有些依赖函数签名的代码执行就会出错。
不需要编写wrapper.__name__ = func.__name__
这样的代码,Python内置的functools.wraps
就是干这个事的,所以,一个完整的decorator的写法如下:
import functools
def log(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
或者针对带参数的decorator:
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
import functools
是导入functools
模块。模块的概念稍候讲解。现在,只需记住在定义wrapper()
的前面加上@functools.wraps(func)
即可。
有关装饰器详细讲解可以参考学习:https://www.zhihu.com/question/26930016
四、偏函数
Python的functools模块提供了很多有用的功能,其中一个就是偏函数(Partial function)。
通过设定参数默认值,可以降低调用的难度,而偏函数也可以做到,例如:
int()
函数可以把字符串转换为整数,当仅传入字符串时,int()
函数默认按十进制转换:
int('12345')
#结果:12345
但int()
函数还提供额外的base
参数,默认值为10
。如果传入base
参数,就可以做N进制的转换:
int('12345', base=8)
#结果:5349
int('12345', 16)
#结果:74565
假设要转换大量的二进制字符串,每次都传入int(x, base=2)
非常麻烦,于是,我们想到,可以定义一个int2()
的函数,默认把base=2
传进去:
def int2(x, base=2):
return int(x, base)
这样,我们转换二进制就非常方便了:
int2('1000000')
#结果:64
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
:
import functools
int2 = functools.partial(int, base=2)
int2('1000000')
#结果:64
所以,简单总结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。
上面的新的int2
函数,虽然把base定义为2,但也可以在函数调用时传入其他值:
int2('1000000', base=10)
#结果:1000000