4.函数式编程

# Log模块资料
- https://www.cnblogs.com/yyds/p/6901864.html

## 函数式编程(FunctionalProgramming)
- 基于lambda演算的一种编程方式
    - 程序中只有函数
    - 函数可以作为参数，同样可以作为返回值
    - 纯函数式编程语言： LISP， Haskell
    
- Python函数式编程只是借鉴函数式编程的一些特点，可以理解成一半函数式一半Python
- 需要讲述
    - 高阶函数
    - 返回函数
    - 匿名函数
    - 装饰器
    - 偏函数

###  lambda表达式
- 函数： 最大程度复用代码
    - 存在问题： 如果函数很小，很短，则会造成啰嗦
    - 如果函数被调用次数少，则会造成浪费
    - 对于阅读者来说，造成阅读流程的被迫中断
   
- lambda表达式（匿名函数）：
    - 一个表达式，函数体相对简单
    - 不是一个代码块，仅仅是一个表达式
    - 可以有参数，有多个参数也可以，用逗号隔开

# “小”函数举例
def printA():
    print("AAAAAAAA")    
printA()

# lambda表达式的用法
# 1. 以lambda开头
# 2. 紧跟一定的参数（如果有的话）
# 3. 参数后用冒号和表达式主题隔开
# 4. 只是一个表达式，所以，没有return

# 计算一个数字的100倍数
# 因为就是一个表达式，所以没有return
stm = lambda x: 100 * x 
# 使用上跟函数调用一模一样
stm(89)

stm2 = lambda x,y,z: x+ y*10 + z*100
stm2(4,5,6)

### 高阶函数
- 把函数作为参数使用的函数，叫高阶函数

# 变量可以赋值
a = 100
b = a

# 函数名称就是一个变量
def funA():
    print("In funA")
    
funB = funA
funB()

### 以上代码得出的结论：
- 函数名称是变量
- funB 和 funA只是名称不一样而已
- 既然函数名称是变量，则应该可以被当做参数传入另一个函数

# 高阶函数举例
# funA是普通函数，返回一个传入数字的100倍数字

def funA(n):
    return n * 100

# 再写一个函数，把传入参数乘以300倍，
def funB(n ):
    # 最终是想返回300n
    return funA(n) * 3

print(funB(9))

# 写一个高阶函数
def funC(n, f):
    # 假定函数是把n扩大100被
    return f(n) * 3

print( funC(9, funA) )

# 比较funC和funB, 显然funC的写法要优于funB
# 例如：
def funD(n):
    return n*10

# 需求变更，需要把n放大三十倍，此时funB则无法实现
print(funC(7, funD))

###  系统高阶函数-map
- 原意就是映射，即把集合或者列表的元素，每一个元素都按照一定规则进行操作，生成一个新的列表或者集合
- map函数是系统提供的具有映射功能的函数，返回值是一个迭代对象

# map举例
# 有一个列表，想对列表里的每一个元素乘以10， 并得到新的列表

l1 = [i for i in range(10)]
print(l1)
l2 = []
for i in l1:
    l2.append(i * 10)

print(l2)


# 利用map实现
def mulTen(n):
    return n*10

l3 = map(mulTen, l1 )
# map类型是一个可迭代的结构，所以可以使用for遍历
for i in l3:
    print(i)
  
# 以下列表生成式得到的结果为空， why？
l4 = [i for i in l3]
print(l4)

### reduce
- 原意是归并，缩减
- 把一个可迭代对象最后归并成一个结果
- 对于作为参数的函数要求： 必须由两个参数，必须由返回结果
- reduce([1,2,3,4,5]) == f( f(f(f(1,2),3), 4),5)
- reduce 需要导入functools包

from functools import reduce

# 定义一个操作函数
# 加入操作函数只是相加
def myAdd(x,y):
    return x + y
    
# 对于列表[1,2,3,4,5,6]执行myAdd的reduce操作
rst = reduce( myAdd, [1,2,3,4,5,6] )
print(rst)

### filter 函数
- 过滤函数： 对一组数据进行过滤，符合条件的数据会生成一个新的列表并返回
- 跟map相比较：
    - 相同：都对列表的每一个元素逐一进行操作
    - 不同：
        - map会生成一个跟原来数据想对应的新队列
        - filter不一定，只要符合条件的才会进入新的数据集合
    - filter函数怎么写：
        - 利用给定函数进行判断
        - 返回值一定是个布尔值
        - 调用格式： filter(f, data), f是过滤函数， data是数据

 

# filter案例
# 对于一个列表，对其进行过滤，偶数组成一个新列表

# 需要定义过滤函数
# 过滤函数要求有输入，返回布尔值
def isEven(a):
    return a % 2 == 0

l = [3,4,56,3,2,3,4556,67,4,4,3,23455,43]

rst = filter(isEven, l)
# 返回的filter内容是一个可迭代对象
print(type(rst))
print(rst)

print([i for i in rst])

### 高阶函数-排序
- 把一个序列按照给定算法进行排序
- key: 在排序钱对每一个元素进行key函数运算，可以理解成按照key函数定义的逻辑进行排序
- python2 和 python3 相差巨大

# 排序的案例
a = [234,22312,123,45,43,2,3,66723,34]
al = sorted(a, reverse=True)
print(al)

# 排序案例2
a = [-43,23,45,6,-23,2,-4345]
# 按照绝对值进行排序
# abs是求绝对值的意思
# 即按照绝对值的倒叙排列
al = sorted(a, key=abs, reverse=True)
print(al)

# sorted案例

astr = ['dana', 'Danaa', 'wangxiaojing', 'jingjing', 'haha']
str1 = sorted(astr)
print(str1)
str2 = sorted(astr, key=str.lower)
print(str2)

## 返回函数
- 函数可以返回具体的值
- 也可以返回一个函数作为结果

# 定义一个普通函数

def myF(a):
    print('In myF')
    return None

a = myF(8)
print(a)
# 函数作为返回值返回， 被返回的函数在函数体内定义
def myF2():
    
    def myF3():
        print("In myF3")
        return 3
    return myF3
# 使用上面定义
# 调用myF2， 返回一个函数myF3，赋值给f3
f3 = myF2()
print(type(f3))
print(f3)
f3()

# 负责一点的返回函数的例子
# args:参数列表
# 1 myF4定义函数，返回内部定义的函数myF5
# 2. myF5使用了外部变量，这个变量是myF4的参数

def myF4( *args):
    def myF5():
        rst = 0
        for n in args:
            rst += n
        return rst
    return myF5

f5 = myF4(1,2,3,4,5,6,7,8,9,0)
# f5的调用方式
f5()
f6 = myF4(10,20,30,40,50)
# f5的调用方式
f6()

## 闭包（closure)
- 当一个函数在内部定义函数，并且内部的函数应用外部函数的参数或者局部变量，当内部函数被当做返回值的时候，相关参数和变量保存在返回的函数中，这种结果，叫闭包
- 上面定义的myF4是一个标准闭包结构

# 闭包常见坑
def count():
    # 定义列表，列表里存放的是定义的函数
    fs = []
    for i in range(1,4):
        # 定义了一个函数f
        # f是一个闭包结构
        def f():
            return i*i
        fs.append(f)
    return fs

f1,f2,f3 = count()
print(f1())
print(f2())
print(f3())

### 出现的问题：
- 造成上述状况的原因是,返回函数引用了变量i， i并非立即执行，而是等到三个函数都返回的时候才统一使用，此时i已经变成了3，最终调用的时候，都返回的是 3*3
- 此问题描述成：返回闭包时，返回函数不能引用任何循环变量
- 解决方案： 再创建一个函数，用该函数的参数绑定循环变量的当前值，无论该循环变量以后如何改变，已经绑定的函数参数值不再改变

# 修改上述函数
def count2():
    def f(j):
        def g():
            return j*j
        return g
    fs = []
    for i in range(1,4):
        fs.append(f(i))
    return fs

f1,f2,f3 = count2()
print(f1())
print(f2())
print(f3())

### 装饰器

def hello():
    print("Hello world")
    
hello()

f = hello
f()

# f和hello是一个函数
print(id(f)) 
print(id(hello))

print(f.__name__)
print(f.__name__)

# 现在由新的需求：
# 对hello功能进行扩展，每次打印hello之前打印当前系统时间
# 而实现这个功能又不能改动现有代码
# ==>使用装饰器

### 装饰器(Decrator)
- 在不改动函数代码的基础上无限制扩展函数功能的一种机制，本质上讲，装饰器是一个返回函数的高阶函数
- 装饰器的使用： 使用@语法， 即在每次要扩展到函数定义前使用@+函数名

# 任务：
# 对hello函数进行功能扩展，每次执行hello万打印当前时间

import time

# 高阶函数，以函数作为参数
def printTime(f):
    def wrapper(*args, **kwargs):
        print("Time: ", time.ctime())
        return f(*args, **kwargs)
    return wrapper

# 上面定义了装饰器，使用的时候需要用到@， 此符号是python的语法糖
@printTime
def hello():
    print("Hello world")
    
hello()

# 装饰器的好处是，一点定义，则可以装饰任意函数
# 一旦被其装饰，则则把装饰器的功能直接添加到定义函数的功能上

@printTime
def hello2():
    print("今天很高兴，被老板揪着讲课了")
    print("还可以由很多的选择")

hello2()

# 上面对函数的装饰使用了系统定义的语法糖
# 下面开始手动执行下装饰器
# 先定义函数

def hello3():
    print("我是手动执行的")
    
hello3()

hello3 = printTime(hello3)
hello3()

f = printTime(hello3)
f()
# 作业：
# 解释下面的执行结果

### 偏函数

# 把字符串转化成十进制数字
int("12345")

# 求八进制的字符串12345，表示成十进制的数字是多少
int("12345", base=8)

# 新建一个函数，此函数是默认输入的字符串是16进制数字
# 把此字符串返回十进制的数字
def int16(x, base=16):
    return int(x, base)

int16("12345")

### 偏函数
- 参数固定的函数，相当于一个由特定参数的函数体
- functools.partial的作用是，把一个函数某些函数固定，返回一个新函数

import functools
#实现上面int16的功能
int16 = functools.partial(int, base=16)

int16("12345")