python之函数式编程

介于编辑器的局限，可能有些markdown语法正确起作用，读者可以查看我的博客网站:[www.bestyblog.top](http://www.bestblog.top) 函数是Python内建支持的一种封装，我们通过把大段代码拆成函数，通过一层一层的函数调用，就可以把复杂任务分解成简单的任务，这种分解可以称之为面向过程的程序设计。函数就是面向过程的程序设计的基本单元。 而函数式编程（请注意多了一个“式”字）——Functional Programming，虽然也可以归结到面向过程的程序设计，但其思想更接近数学计算。 函数式编程就是一种抽象程度很高的编程范式，纯粹的函数式编程语言编写的函数没有变量，因此，任意一个函数，只要输入是确定的，输出就是确定的，这种纯函数我们称之为没有副作用。而允许使用变量的程序设计语言，由于函数内部的变量状态不确定，同样的输入，可能得到不同的输出，因此，这种函数是有副作用的。 函数式编程的一个特点就是，允许把函数本身作为参数传入另一个函数，还允许返回一个函数！


---

# 高阶函数 高阶函数具有如下特点： 1. 变量可以指向函数 2. 函数名也是变量 3. 传入函数 实例： >>> f = abs >>> f(-10) 10 >>> abs = 10 >>> abs(-10) Traceback (most recent call last): File “”, line 1, in TypeError: ‘int’ object is not callable def add(x, y, f): return f(x) + f(y) ## map/reduce `map()`函数接收两个参数，一个是函数，一个是`Iterable`，`map`将传入的函数依次作用到序列的每个元素，并把结果作为新的`Iterator`返回。 >>> def f(x): … return x * x … >>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> list(r) [1, 4, 9, 16, 25, 36, 49, 64, 81] `reduce`把一个函数作用在一个序列`[x1, x2, x3, …]`上，这个函数必须接收两个参数，`reduce`把结果继续和序列的下一个元素做累积计算,即:

reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

>>> from functools import reduce >>> def add(x, y): … return x + y … >>> reduce(add, [1, 3, 5, 7, 9]) 25 ## filter `filter()`函数用于过滤序列。 `filter()`把传入的函数依次作用于每个元素，然后根据返回值是`True`还是`False`决定保留还是丢弃该元素。 def is_odd(n): return n % 2 == 1 list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])) # 结果: [1, 5, 9, 15] ## sorted 排序函数 `sorted()`函数也是一个高阶函数，它还可以接收一个`key`函数来实现自定义的排序(此种方法又称回调，是python高级知识，如要了解更多，建议参考《python cookbook》)。 >>> sorted([36, 5, -12, 9, -21], key=abs) [5, 9, -12, -21, 36]


# 返回函数 ## 函数作为返回值 高阶函数除了可以接受函数作为参数外，还可以把函数作为结果值返回。 def lazy_sum(*args): def sum(): ax = 0 for n in args: ax = ax + n return ax return sum >>> f = lazy_sum(1, 3, 5, 7, 9) >>> f ## 闭包 注意到返回的函数在其定义内部引用了局部变量`args`，当一个函数返回了一个函数后，其内部的局部变量还被新函数引用，所以，闭包用起来简单，实现起来可不容易。 返回的函数并没有立刻执行，而是直到调用了`f()`才执行。 返回闭包时牢记的一点就是：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。

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

结果：

>>> f1, f2, f3 = count()
>>> f1()
1
>>> f2()
4
>>> f3()
9


# 匿名函数 关键字`lambda`表示匿名函数. >>> f = lambda x: x * x >>> f # 装饰器 鉴于装饰器比较复杂，我日后会为装饰器专门写一篇文章，在这里就先不讲了。


今天没写多少，可能懒癌又犯了?，不过函数式编程除了闭包和装饰器外，内容不是很多，主要还是靠自己理解，至于闭包和装饰器，我会再专门写一篇文章进行介绍的✍。