Python3学习笔记之-函数式编程（第二篇）

Python3学习笔记之-函数式编程（第二篇）

---

文章目录

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

2、闭包

二、匿名函数

三、装饰器（难点）

四、偏函数

---

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