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:
- 掌握函数式编程
- 掌握面向对象编程
- 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