Python进阶教程

Python的进阶课程《python进阶》教程的笔记。
本课程主要介绍了Python的高阶使用，比如高阶函数，类等高级特性。

1-1 课程介绍

通过学习可以：

1. 掌握函数式编程
2. 掌握面向对象编程
3. 能够编写模块化的程序

2-1 函数式编程简介

函数式：functional，是一种编程范式。
函数式编程是一种抽象计算的编程模式。

语言层次	语言	贴近
高	Python——>函数式编程	计算
	c语言 ——>函数
	汇编语言
低	计算机硬件——>指令	计算机

函数式编程特点：

• 把计算视为函数而非指令。
• 纯函数式编程：不需要变量，没有副作用(执行多少次结果都一样)，测试简单。
• 支持高阶函数，代码简洁。

Python支持的函数式编程：

• 不是纯函数式编程：因为允许有变量。
• 支持高阶函数：函数也可以作为变量传入。
• 支持闭包：有了闭包就能返回函数。
• 有限度的支持匿名函数。

2-2 高阶函数

变量可以指向函数。
函数名就是指向函数的变量。
高阶函数：能接收函数作为参数的函数。

2-3 把函数作为参数

2-4 map()函数

map()是 Python 内置的高阶函数

它接收一个函数 f 和一个 list，并通过把函数 f 依次作用在 list 的每个元素上，得到一个新的 list 并返回。

例如，对于list [1, 2, 3, 4, 5, 6, 7, 8, 9]
如果希望把list的每个元素都作平方，就可以用map()函数：

[图片来源于慕课网此教程]
因此，我们只需要传入函数f(x)=x*x，就可以利用map()函数完成这个计算：

def f(x):
    return x*x
print map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])

#输出结果：
[1, 4, 9, 10, 25, 36, 49, 64, 81]

注意：map()函数不改变原有的 list，而是返回一个新的 list。

利用map()函数，可以把一个 list 转换为另一个 list，只需要传入转换函数。
由于list包含的元素可以是任何类型，因此，map() 不仅仅可以处理只包含数值的 list，事实上它可以处理包含任意类型的 list，只要传入的函数f可以处理这种数据类型。

2-5 reduce()函数

reduce()函数也是Python内置的一个高阶函数

reduce()函数接收的参数和 map()类似，一个函数 f，一个list，但行为和 map()不同， reduce()传入的函数 f 必须接收两个参数，reduce()对list的每个元素反复调用函数f，并返回最终结果值。

例如，编写一个f函数，接收x和y，返回x和y的和：

def f(x, y):
    return x + y

调用reduce(f, [1, 3, 5, 7, 9])时，reduce函数将做如下计算：

先计算头两个元素：f(1, 3)，结果为4；
再把结果和第3个元素计算：f(4, 5)，结果为9；
再把结果和第4个元素计算：f(9, 7)，结果为16；
再把结果和第5个元素计算：f(16, 9)，结果为25；
由于没有更多的元素了，计算结束，返回结果25。

上述计算实际上是对 list 的所有元素求和。虽然Python内置了求和函数sum()，但是，利用reduce()求和也很简单。
reduce()还可以接收第3个可选参数，作为计算的初始值。如果把初始值设为100，结果就是125，因为第一轮的计算是：计算初始值和第一个元素：f(100, 1)，结果为101。

2-6 filter()函数

filter()函数是 Python 内置的另一个有用的高阶函数

filter()函数接收一个函数 f 和一个list，这个函数 f 的作用是对每个元素进行判断，返回 True或 False，filter()根据判断结果自动过滤掉不符合条件的元素，返回由符合条件元素组成的新list。

例如，要从一个list [1, 4, 6, 7, 9, 12, 17]中删除偶数，保留奇数，首先，要编写一个判断奇数的函数：

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

然后，利用filter()过滤掉偶数：

filter(is_odd, [1, 4, 6, 7, 9, 12, 17])
#结果：[1, 7, 9, 17]

利用filter()，可以完成很多有用的功能，例如，删除 None 或者空字符串：

def is_not_empty(s):
    return s and len(s.strip()) > 0
filter(is_not_empty, ['test', None, '', 'str', '  ', 'END'])
#结果：['test', 'str', 'END']

注意: s.strip(rm) 删除 s 字符串中开头、结尾处的 rm 序列的字符。
当rm为空时，默认删除空白符（包括’\n’, ‘\r’, ‘\t’, ’ ‘)，如下：

a = '     123'
a.strip()
#结果： '123'

a='\t\t123\r\n'
a.strip()
#结果：'123'

2-7 自定义排序函数

Python内置的 sorted()函数可对list进行排序：

>>>sorted([36, 5, 12, 9, 21])
[5, 9, 12, 21, 36]

sorted()也是一个高阶函数

它可以接收一个比较函数来实现自定义排序， 比较函数的定义是，传入两个待比较的元素 x, y，如果 x 应该排在 y 的前面，返回 -1，如果 x 应该排在 y 的后面，返回 1。如果 x 和 y 相等，返回 0。

注意：这里的比较函数是第二个参数，第一个参数是list。

因此，如果我们要实现倒序排序，只需要编写一个reversed_cmp函数：

def reversed_cmp(x, y):
    if x > y:
        return -1
    if x < y:
        return 1
    return 0

这样，调用 sorted() 并传入 reversed_cmp 就可以实现倒序排序：

>>> sorted([36, 5, 12, 9, 21], reversed_cmp)
[36, 21, 12, 9, 5]

sorted()也可以对字符串进行排序，字符串默认按照ASCII大小来比较。

2-8 返回函数

Python的函数不但可以返回int、str、list、dict等数据类型，还可以返回函数！

例如，定义一个函数 f()，我们让它返回一个函数 g，可以这样写：

def f():
    print 'call f()...'
    # 定义函数g:
    def g():
        print 'call g()...'
    # 返回函数g:
    return g

上面的函数定义，我们在函数 f 内部又定义了一个函数 g。由于函数 g 也是一个对象，函数名 g 就是指向函数 g 的变量，所以，最外层函数 f 可以返回变量 g，也就是函数 g 本身。

调用函数 f，我们会得到 f 返回的一个函数：

>>> x = f()   # 调用f()
call f()...
>>> x   # 变量x是f()返回的函数：
<function g at 0x1037bf320>
>>> x()   # x指向函数，因此可以调用
call g()...   # 调用x()就是执行g()函数定义的代码

#请注意区分返回函数和返回值：
def myabs():
    return abs   # 返回函数
def myabs2(x):
    return abs(x)   # 返回函数调用的结果，返回值是一个数值

返回函数可以把一些计算延迟执行。
例如，如果定义一个普通的求和函数：

def calc_sum(lst):
    return sum(lst)
#调用calc_sum()函数时，将立刻计算并得到结果：
>>> calc_sum([1, 2, 3, 4])
10

但是，如果返回一个函数，就可以“延迟计算”：

def calc_sum(lst):
    def lazy_sum():
        return sum(lst)
    return lazy_sum
# 调用calc_sum()并没有计算出结果，而是返回函数:

>>> f = calc_sum([1, 2, 3, 4])
>>> f
<function lazy_sum at 0x1037bfaa0>
# 对返回的函数进行调用时，才计算出结果:

>>> f()
10

由于可以返回函数，我们在后续代码里就可以决定到底要不要调用该函数。

2-9 闭包

在函数内部定义的函数和外部定义的函数是一样的，只是他们无法被外部访问。
注意: 如果内部函数引用了外部函数的变量，那就没办法把内部函数拿到外部定义。

闭包：

这种内层函数引用了外层函数的变量（参数也算变量），然后返回内层函数的情况，称为闭包（Closure）。

闭包的特点：是返回的函数还引用了外层函数的局部变量，所以，要正确使用闭包，就要确保引用的局部变量在函数返回后不能变。举例如下：

# 希望一次返回3个函数，分别计算1x1,2x2,3x3:
def count():
    fs = []
    for i in range(1, 4):
        def f():
             return i*i
        fs.append(f)
    return fs

f1, f2, f3 = count()

你可能认为调用f1()，f2()和f3()结果应该是1，4，9，但实际结果全部都是 9（请自己动手验证）。
原因就是当count()函数返回了3个函数时，这3个函数所引用的变量 i 的值已经变成了3。由于f1、f2、f3并没有被调用，所以，此时他们并未计算 i*i，当 f1 被调用时：

>>> f1()
9     # 因为f1现在才计算i*i，但现在i的值已经变为3

因此，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。

2-10 匿名函数

高阶函数可以接收函数做参数，有些时候，我们不需要显式地定义函数，直接传入匿名函数更方便。
在Python中，对匿名函数提供了有限支持。还是以map()函数为例，计算 f(x)=x2 时，除了定义一个f(x)的函数外，还可以直接传入匿名函数：

>>> map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9])
[1, 4, 9, 16, 25, 36, 49, 64, 81]

通过对比可以看出，匿名函数 lambda x: x * x 实际上就是：

def f(x):
    return x * x

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，不写return，返回值就是该表达式的结果。

使用匿名函数可以简化代码：

>>> sorted([1, 3, 9, 5, 0], lambda x,y: -cmp(x,y))
[9, 5, 3, 1, 0]

#返回函数的时候，也可以返回匿名函数：
>>> myabs = lambda x: -x if x < 0 else x 
>>> myabs(-1)
1
>>> myabs(1)
1

2-11 decorator装饰器

装饰器：

定义一个函数，想在运行时动态的增加功能，不想改函数本身。

装饰器就是利用了高阶函数：使用函数作为参数，对其进行包装，然后返回一个新函数。

def f1(x):
    return x*2

def new_fn(f): # 这个就是装饰器函数
    def fn(x):
        print 'this is new function'
        print 'call'+f.__name__+'()' # display the name??
        return f(x)
    return fn

# 调用一
g1 = new_fn(f1)
print g1(5)

# 调用二, 这个方法隐藏了f1的基础实现。[函数名本身也是变量，可以赋值]
f1 = new_fn(f1)
print f1(5)

Python内置的@语法简化了装饰器的调用：

#注意此时某处应该已经定义了new_fn(f)函数
@new_fn
def f1(x):
    return x*2

# 等同与
def f1(x):
    return x*2

f1 = new_fn(f1)

装饰器的作用，简化python代码：

• 打印日志：@log
• 检测性能：@performance
• 数据库事务：@transaction
• URL路由：@post(‘/register’)

2-12 编写无参数的decorator

Python的 decorator 本质上就是一个高阶函数，它接收一个函数作为参数，然后，返回一个新函数。
使用decorator高阶函数，由于参数的个数是定死的，对于不同个数的函数不适用。
要让 @log 自适应任何参数定义的函数，可以利用Python的 *args 和 **kw，保证任意个数的参数总是能正常调用：

def log