第二部分:函数作为对象
第七章:函数作为一等对象
我从未认为 Python 受到函数式语言的重大影响,无论人们说什么或想什么。我更熟悉命令式语言,如 C 和 Algol 68,尽管我将函数作为一等对象,但我并不认为 Python 是一种函数式编程语言。
Guido van Rossum,Python BDFL¹
Python 中的函数是一等对象。编程语言研究人员将“一等对象”定义为一个程序实体,可以:
- 在运行时创建
- 赋值给变量或数据结构中的元素
- 作为参数传递给函数
- 作为函数的结果返回
在 Python 中,整数、字符串和字典是函数的一等对象的其他示例——这里没有什么花哨的东西。将函数作为一等对象是函数式语言(如 Clojure、Elixir 和 Haskell)的一个重要特性。然而,一等函数非常有用,以至于它们被流行的语言(如 JavaScript、Go 和 Java(自 JDK 8 起))采用,这些语言都不声称自己是“函数式语言”。
本章和第三部分的大部分内容探讨了将函数视为对象的实际应用。
提示
术语“一等函数”被广泛用作“函数作为一等对象”的简称。这并不理想,因为它暗示了函数中的“精英”。在 Python 中,所有函数都是一等对象。
本章的新内容
部分“可调用对象的九种类型”在本书第一版中标题为“可调用对象的七种类型”。新的可调用对象是原生协程和异步生成器,分别在 Python 3.5 和 3.6 中引入。它们都在第二十一章中介绍,但为了完整起见,它们与其他可调用对象一起提及在这里。
“仅位置参数” 是一个新的部分,涵盖了 Python 3.8 中添加的一个特性。
我将运行时访问函数注解的讨论移到了“在运行时读取类型提示”。在我写第一版时,PEP 484—类型提示 仍在考虑中,人们以不同的方式使用注解。自 Python 3.5 起,注解应符合 PEP 484。因此,在讨论类型提示时,最好的地方是在这里。
注意
本书的第一版有关函数对象内省的部分过于低级,分散了本章的主题。我将这些部分合并到了一个名为“函数参数内省”在 fluentpython.com的帖子中。
现在让我们看看为什么 Python 函数是完整的对象。
将函数视为对象
示例 7-1 中的控制台会话显示了 Python 函数是对象。在这里,我们创建一个函数,调用它,读取其 __doc__
属性,并检查函数对象本身是否是 function
类的一个实例。
示例 7-1。创建和测试一个函数,然后读取其 __doc__
并检查其类型
>>> def factorial(n): # ① ... """returns n!""" ... return 1 if n < 2 else n * factorial(n - 1) ... >>> factorial(42) 1405006117752879898543142606244511569936384000000000 >>> factorial.__doc__ # ② 'returns n!' >>> type(factorial) # ③ <class 'function'>
①
这是一个控制台会话,所以我们在“运行时”创建一个函数。
②
__doc__
是函数对象的几个属性之一。
③
factorial
是 function
类的一个实例。
__doc__
属性用于生成对象的帮助文本。在 Python 控制台中,命令 help(factorial)
将显示类似于 图 7-1 的屏幕。
图 7-1。factorial
的帮助屏幕;文本是从函数的 __doc__
属性构建的。
示例 7-2 展示了函数对象的“第一类”特性。我们可以将其赋值给变量fact
,并通过该名称调用它。我们还可以将factorial
作为参数传递给map
函数。调用map(function, iterable)
会返回一个可迭代对象,其中每个项目都是调用第一个参数(一个函数)对第二个参数(一个可迭代对象)中的连续元素的结果,本例中为range(10)
。
示例 7-2. 通过不同名称使用factorial
,并将factorial
作为参数传递
>>> fact = factorial >>> fact <function factorial at 0x...> >>> fact(5) 120 >>> map(factorial, range(11)) <map object at 0x...> >>> list(map(factorial, range(11))) [1, 1, 2, 6, 24, 120, 720, 5040, 40320, 362880, 3628800]
拥有头等函数使得以函数式风格编程成为可能。函数式编程的一个特点是使用高阶函数,我们的下一个主题。
高阶函数
一个将函数作为参数或返回函数作为结果的函数是高阶函数。一个例子是map
,如示例 7-2 所示。另一个是内置函数sorted
:可选的key
参数允许您提供一个要应用于每个项目以进行排序的函数,正如我们在“list.sort 与 sorted 内置函数”中看到的。例如,要按长度对单词列表进行排序,可以将len
函数作为key
传递,如示例 7-3 所示。
示例 7-3. 按长度对单词列表进行排序
>>> fruits = ['strawberry', 'fig', 'apple', 'cherry', 'raspberry', 'banana'] >>> sorted(fruits, key=len) ['fig', 'apple', 'cherry', 'banana', 'raspberry', 'strawberry'] >>>
任何一个参数为一个参数的函数都可以用作键。例如,为了创建一个韵典,将每个单词倒着拼写可能很有用。在示例 7-4 中,请注意列表中的单词根本没有改变;只有它们的反向拼写被用作排序标准,以便浆果出现在一起。
示例 7-4. 按单词的反向拼写对单词列表进行排序
>>> def reverse(word): ... return word[::-1] >>> reverse('testing') 'gnitset' >>> sorted(fruits, key=reverse) ['banana', 'apple', 'fig', 'raspberry', 'strawberry', 'cherry'] >>>
在函数式编程范式中,一些最著名的高阶函数包括map
、filter
、reduce
和apply
。apply
函数在 Python 2.3 中已被弃用,并在 Python 3 中移除,因为它不再必要。如果需要使用动态参数集调用函数,可以编写fn(*args, **kwargs)
,而不是apply(fn, args, kwargs)
。
map
、filter
和reduce
高阶函数仍然存在,但对于它们的大多数用例,都有更好的替代方案,如下一节所示。
map、filter 和 reduce 的现代替代品
函数式语言通常提供map
、filter
和reduce
高阶函数(有时使用不同的名称)。map
和filter
函数在 Python 3 中仍然是内置函数,但自列表推导式和生成器表达式引入以来,它们变得不再那么重要。列表推导式或生成器表达式可以完成map
和filter
的工作,但更易读。考虑示例 7-5。
示例 7-5. 使用map
和filter
生成的阶乘列表与编码为列表推导式的替代方案进行比较
>>> list(map(factorial, range(6))) # ① [1, 1, 2, 6, 24, 120] >>> [factorial(n) for n in range(6)] # ② [1, 1, 2, 6, 24, 120] >>> list(map(factorial, filter(lambda n: n % 2, range(6)))) # ③ [1, 6, 120] >>> [factorial(n) for n in range(6) if n % 2] # ④ [1, 6, 120] >>>
①
从 0!到 5!构建一个阶乘列表。
②
使用列表推导式进行相同的操作。
③
列出了奇数阶乘数的列表,直到 5!,同时使用map
和filter
。
④
列表推导式可以完成相同的工作,取代map
和filter
,使得lambda
变得不再必要。
在 Python 3 中,map
和filter
返回生成器——一种迭代器形式,因此它们的直接替代品现在是生成器表达式(在 Python 2 中,这些函数返回列表,因此它们最接近的替代品是列表推导式)。
reduce
函数从 Python 2 中的内置函数降级为 Python 3 中的functools
模块。它最常见的用例,求和,更适合使用自 2003 年发布 Python 2.3 以来可用的sum
内置函数。这在可读性和性能方面是一个巨大的胜利(参见示例 7-6)。
示例 7-6. 使用 reduce
和 sum
对整数求和,直到 99
>>> from functools import reduce # ① >>> from operator import add # ② >>> reduce(add, range(100)) # ③ 4950 >>> sum(range(100)) # ④ 4950 >>>
①
从 Python 3.0 开始,reduce
不再是内置函数。
②
导入 add
来避免创建一个仅用于添加两个数字的函数。
③
对整数求和,直到 99。
④
使用 sum
完成相同的任务—无需导入和调用 reduce
和 add
。
注意
sum
和 reduce
的共同思想是对系列中的连续项目应用某种操作,累积先前的结果,从而将一系列值减少为单个值。
其他减少内置函数是 all
和 any
:
all(iterable)
如果可迭代对象中没有假值元素,则返回 True
;all([])
返回 True
。
any(iterable)
如果可迭代对象中有任何元素为真,则返回 True
;any([])
返回 False
。
我在 “向量取 #4:哈希和更快的 ==” 中对 reduce
进行了更详细的解释,在那里,一个持续的示例为使用这个函数提供了有意义的上下文。在本书后面的部分,当重点放在可迭代对象上时,将总结减少函数,见 “可迭代对象减少函数”。
为了使用高阶函数,有时创建一个小的、一次性的函数是很方便的。这就是匿名函数存在的原因。我们将在下面介绍它们。
匿名函数
lambda
关键字在 Python 表达式中创建一个匿名函数。
然而,Python 的简单语法限制了 lambda
函数的主体必须是纯表达式。换句话说,主体不能包含其他 Python 语句,如 while
、try
等。赋值语句 =
也是一个语句,因此不能出现在 lambda
中。可以使用新的赋值表达式语法 :=
,但如果你需要它,你的 lambda
可能太复杂和难以阅读,应该重构为使用 def
的常规函数。
匿名函数的最佳用法是在作为高阶函数的参数列表的上下文中。例如,示例 7-7 是从 示例 7-4 重写的韵脚索引示例,使用 lambda
,而不定义一个 reverse
函数。
示例 7-7. 使用 lambda
按照它们的反向拼写对单词列表进行排序
>>> fruits = ['strawberry', 'fig', 'apple', 'cherry', 'raspberry', 'banana'] >>> sorted(fruits, key=lambda word: word[::-1]) ['banana', 'apple', 'fig', 'raspberry', 'strawberry', 'cherry'] >>>
在高阶函数的参数的有限上下文之外,匿名函数在 Python 中很少有用。语法限制往往使得非平凡的 lambda
要么难以阅读,要么无法工作。如果一个 lambda
难以阅读,我强烈建议您遵循 Fredrik Lundh 的重构建议。
lambda
语法只是一种语法糖:lambda
表达式创建一个函数对象,就像 def
语句一样。这只是 Python 中几种可调用对象中的一种。下一节将回顾所有这些对象。
可调用对象的九种类型
调用运算符 ()
可以应用于除函数以外的其他对象。要确定对象是否可调用,请使用内置函数 callable()
。截至 Python 3.9,数据模型文档 列出了九种可调用类型:
用户定义的函数
使用 def
语句或 lambda
表达式创建。
内置函数
在 C 中实现的函数(对于 CPython),如 len
或 time.strftime
。
内置方法
在 C 中实现的方法,比如 dict.get
。
方法
在类的主体中定义的函数。
类
当调用一个类时,它运行其 __new__
方法来创建一个实例,然后运行 __init__
来初始化它,最后将实例返回给调用者。因为 Python 中没有 new
运算符,调用一个类就像调用一个函数一样。²
类实例
如果一个类定义了 __call__
方法,那么它的实例可以被调用为函数—这是下一节的主题。
生成器函数
在其主体中使用yield
关键字的函数或方法。调用时,它们返回一个生成器对象。
本机协程函数
使用async def
定义的函数或方法。调用时,它们返回一个协程对象。在 Python 3.5 中添加。
异步生成器函数
使用async def
定义的函数或方法,在其主体中有yield
。调用时,它们返回一个用于与async for
一起使用的异步生成器。在 Python 3.6 中添加。
生成器、本机协程和异步生成器函数与其他可调用对象不同,它们的返回值永远不是应用程序数据,而是需要进一步处理以产生应用程序数据或执行有用工作的对象。生成器函数返回迭代器。这两者在第十七章中有所涉及。本机协程函数和异步生成器函数返回的对象只能在异步编程框架(如asyncio)的帮助下使用。它们是第二十一章的主题。
提示
鉴于 Python 中存在各种可调用类型,确定对象是否可调用的最安全方法是使用callable()
内置函数:
>>> abs, str, 'Ni!' (<built-in function abs>, <class 'str'>, 'Ni!') >>> [callable(obj) for obj in (abs, str, 'Ni!')] [True, True, False]
我们现在开始构建作为可调用对象的类实例。
用户定义的可调用类型
Python 函数不仅是真实对象,而且任意 Python 对象也可以被制作成类似函数的行为。实现__call__
实例方法就是全部所需。
示例 7-8 实现了一个BingoCage
类。可以从任何可迭代对象构建一个实例,并且以随机顺序存储内部项目的list
。调用实例会弹出一个项目。³
示例 7-8. bingocall.py:BingoCage
只做一件事:从一个打乱顺序的列表中挑选项目
import random class BingoCage: def __init__(self, items): self._items = list(items) # ① random.shuffle(self._items) # ② def pick(self): # ③ try: return self._items.pop() except IndexError: raise LookupError('pick from empty BingoCage') # ④ def __call__(self): # ⑤ return self.pick()
①
__init__
接受任何可迭代对象;构建本地副本可防止对作为参数传递的任何list
产生意外副作用。
②
shuffle
能够正常工作,因为self._items
是一个list
。
③
主要方法。
④
如果self._items
为空,则使用自定义消息引发异常。
⑤
bingo.pick()
的快捷方式:bingo()
。
这里是示例 7-8 的简单演示。请注意bingo
实例如何被调用为函数,并且callable()
内置函数将其识别为可调用对象:
>>> bingo = BingoCage(range(3)) >>> bingo.pick() 1 >>> bingo() 0 >>> callable(bingo) True
实现__call__
的类是创建类似函数的对象的简单方法,这些对象具有必须在调用之间保持的一些内部状态,例如BingoCage
中剩余项目的情况。__call__
的另一个很好的用例是实现装饰器。装饰器必须是可调用的,有时方便在装饰器的调用之间“记住”一些东西(例如,用于记忆化的缓存昂贵计算的结果以供以后使用)或将复杂实现拆分为单独的方法。
使用闭包是创建具有内部状态的函数的功能方法。闭包以及装饰器是第九章的主题。
现在让我们探索 Python 提供的强大语法,用于声明函数参数并将参数传递给它们。
从位置参数到仅关键字参数
Python 函数最好的特性之一是极其灵活的参数处理机制。与之密切相关的是在调用函数时使用*
和**
将可迭代对象和映射解包为单独的参数。要查看这些功能的实际应用,请参见示例 7-9 的代码以及在示例 7-10 中展示其用法的测试。
示例 7-9。tag
生成 HTML 元素;一个关键字参数class_
用于传递class
属性,因为class
是 Python 中的关键字
def tag(name, *content, class_=None, **attrs): """Generate one or more HTML tags""" if class_ is not None: attrs['class'] = class_ attr_pairs = (f' {attr}="{value}"' for attr, value in sorted(attrs.items())) attr_str = ''.join(attr_pairs) if content: elements = (f'<{name}{attr_str}>{c}</{name}>' for c in content) return '\n'.join(elements) else: return f'<{name}{attr_str} />'
tag
函数可以以许多方式调用,就像示例 7-10 所示。
示例 7-10。从示例 7-9 调用tag
函数的许多方法
>>> tag('br') # ① '<br />' >>> tag('p', 'hello') # ② '<p>hello</p>' >>> print(tag('p', 'hello', 'world')) <p>hello</p> <p>world</p> >>> tag('p', 'hello', id=33) # ③ '<p id="33">hello</p>' >>> print(tag('p', 'hello', 'world', class_='sidebar')) # ④ <p class="sidebar">hello</p> <p class="sidebar">world</p> >>> tag(content='testing', name="img") # ⑤ '<img content="testing" />' >>> my_tag = {'name': 'img', 'title': 'Sunset Boulevard', ... 'src': 'sunset.jpg', 'class': 'framed'} >>> tag(**my_tag) # ⑥ '<img class="framed" src="sunset.jpg" title="Sunset Boulevard" />'
①
单个位置参数会生成一个具有该名称的空tag
。
②
第一个参数之后的任意数量的参数将被*content
捕获为一个tuple
。
③
在tag
签名中未明确命名的关键字参数将被**attrs
捕获为一个dict
。
④
class_
参数只能作为关键字参数传递。
⑤
第一个位置参数也可以作为关键字传递。
⑥
使用**
前缀my_tag
dict
将其所有项作为单独的参数传递,然后绑定到命名参数,其余参数由**attrs
捕获。在这种情况下,我们可以在参数dict
中有一个'class'
键,因为它是一个字符串,不会与 Python 中的class
保留字冲突。
关键字参数是 Python 3 的一个特性。在示例 7-9 中,class_
参数只能作为关键字参数给出,永远不会捕获未命名的位置参数。要在定义函数时指定关键字参数,请在参数前加上*
命名它们。如果您不想支持可变位置参数但仍想要关键字参数,请在签名中放置一个单独的*
,就像这样:
>>> def f(a, *, b): ... return a, b ... >>> f(1, b=2) (1, 2) >>> f(1, 2) Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: f() takes 1 positional argument but 2 were given
请注意,关键字参数不需要具有默认值:它们可以是强制性的,就像前面示例中的b
一样。
仅限位置参数
自 Python 3.8 以来,用户定义的函数签名可以指定位置参数。这个特性在内置函数中一直存在,比如divmod(a, b)
,它只能使用位置参数调用,而不能像divmod(a=10, b=4)
那样调用。
要定义一个需要位置参数的函数,请在参数列表中使用/
。
这个来自“Python 3.8 有什么新特性”的示例展示了如何模拟divmod
内置函数:
def divmod(a, b, /): return (a // b, a % b)
/
左侧的所有参数都是仅限位置的。在/
之后,您可以指定其他参数,它们的工作方式与通常一样。
警告
参数列表中的/
在 Python 3.7 或更早版本中是语法错误。
例如,考虑来自示例 7-9 的tag
函数。如果我们希望name
参数是仅限位置的,我们可以在函数签名中的它后面添加/
,就像这样:
def tag(name, /, *content, class_=None, **attrs): ...
您可以在“Python 3.8 有什么新特性”和PEP 570中找到其他仅限位置参数的示例。
在深入研究 Python 灵活的参数声明功能后,本章的其余部分将介绍标准库中用于以函数式风格编程的最有用的包。
函数式编程包
尽管 Guido 明确表示他并没有设计 Python 成为一个函数式编程语言,但由于头等函数、模式匹配以及像operator
和functools
这样的包的支持,函数式编码风格可以被很好地使用,我们将在接下来的两节中介绍它们。
运算符模块
在函数式编程中,使用算术运算符作为函数很方便。例如,假设您想要乘以一系列数字以计算阶乘而不使用递归。要执行求和,您可以使用 sum
,但没有相应的乘法函数。您可以使用 reduce
——正如我们在 “map、filter 和 reduce 的现代替代品” 中看到的那样——但这需要一个函数来将序列的两个项相乘。示例 7-11 展示了如何使用 lambda
解决这个问题。
示例 7-11. 使用 reduce
和匿名函数实现阶乘
from functools import reduce def factorial(n): return reduce(lambda a, b: a*b, range(1, n+1))
operator
模块提供了几十个运算符的函数等效版本,因此您不必编写像 lambda a, b: a*b
这样的琐碎函数。有了它,我们可以将 示例 7-11 重写为 示例 7-12。
示例 7-12. 使用 reduce
和 operator.mul
实现阶乘
from functools import reduce from operator import mul def factorial(n): return reduce(mul, range(1, n+1))
operator
替换的另一组单一用途的 lambda
是用于从序列中选择项或从对象中读取属性的函数:itemgetter
和 attrgetter
是构建自定义函数的工厂来执行这些操作。
示例 7-13 展示了 itemgetter
的一个常见用法:按一个字段的值对元组列表进行排序。在示例中,城市按国家代码(字段 1)排序打印。本质上,itemgetter(1)
创建一个函数,给定一个集合,返回索引 1 处的项。这比编写和阅读 lambda fields: fields[1]
更容易,后者执行相同的操作。
示例 7-13. 使用 itemgetter
对元组列表进行排序(数据来自 示例 2-8)
>>> metro_data = [ ... ('Tokyo', 'JP', 36.933, (35.689722, 139.691667)), ... ('Delhi NCR', 'IN', 21.935, (28.613889, 77.208889)), ... ('Mexico City', 'MX', 20.142, (19.433333, -99.133333)), ... ('New York-Newark', 'US', 20.104, (40.808611, -74.020386)), ... ('São Paulo', 'BR', 19.649, (-23.547778, -46.635833)), ... ] >>> >>> from operator import itemgetter >>> for city in sorted(metro_data, key=itemgetter(1)): ... print(city) ... ('São Paulo', 'BR', 19.649, (-23.547778, -46.635833)) ('Delhi NCR', 'IN', 21.935, (28.613889, 77.208889)) ('Tokyo', 'JP', 36.933, (35.689722, 139.691667)) ('Mexico City', 'MX', 20.142, (19.433333, -99.133333)) ('New York-Newark', 'US', 20.104, (40.808611, -74.020386))
如果将多个索引参数传递给 itemgetter
,则它构建的函数将返回提取的值的元组,这对于按多个键排序很有用:
>>> cc_name = itemgetter(1, 0) >>> for city in metro_data: ... print(cc_name(city)) ... ('JP', 'Tokyo') ('IN', 'Delhi NCR') ('MX', 'Mexico City') ('US', 'New York-Newark') ('BR', 'São Paulo') >>>
因为 itemgetter
使用 []
运算符,它不仅支持序列,还支持映射和任何实现 __getitem__
的类。
itemgetter
的姐妹是 attrgetter
,它通过名称创建提取对象属性的函数。如果将多个属性名称作为参数传递给 attrgetter
,它还会返回一个值元组。此外,如果任何参数名称包含 .
(点),attrgetter
将浏览嵌套对象以检索属性。这些行为在 示例 7-14 中展示。这不是最短的控制台会话,因为我们需要构建一个嵌套结构来展示 attrgetter
处理带点属性的方式。
示例 7-14. 使用 attrgetter
处理先前定义的 namedtuple
列表 metro_data
(与 示例 7-13 中出现的相同列表)
>>> from collections import namedtuple >>> LatLon = namedtuple('LatLon', 'lat lon') # ① >>> Metropolis = namedtuple('Metropolis', 'name cc pop coord') # ② >>> metro_areas = Metropolis(name, cc, pop, LatLon(lat, lon)) ![3 ... for name, cc, pop, (lat, lon) in metro_data] >>> metro_areas[0] Metropolis(name='Tokyo', cc='JP', pop=36.933, coord=LatLon(lat=35.689722, lon=139.691667)) >>> metro_areas[0].coord.lat # ④ 35.689722 >>> from operator import attrgetter >>> name_lat = attrgetter('name', 'coord.lat') # ⑤ >>> >>> for city in sorted(metro_areas, key=attrgetter('coord.lat')): # ⑥ ... print(name_lat(city)) # ⑦ ... ('São Paulo', -23.547778) ('Mexico City', 19.433333) ('Delhi NCR', 28.613889) ('Tokyo', 35.689722) ('New York-Newark', 40.808611)
①
使用 namedtuple
定义 LatLon
。
②
还要定义 Metropolis
。
③
使用 Metropolis
实例构建 metro_areas
列表;注意嵌套元组解包以提取 (lat, lon)
并将其用于构建 Metropolis
的 coord
属性的 LatLon
。
④
访问元素 metro_areas[0]
以获取其纬度。
⑤
定义一个 attrgetter
来检索 name
和 coord.lat
嵌套属性。
⑥
再次使用 attrgetter
按纬度对城市列表进行排序。
⑦
使用 ⑤ 中定义的 attrgetter
仅显示城市名称和纬度。
这是在 operator
中定义的函数的部分列表(以 _
开头的名称被省略,因为它们主要是实现细节):
>>> [name for name in dir(operator) if not name.startswith('_')] ['abs', 'add', 'and_', 'attrgetter', 'concat', 'contains', 'countOf', 'delitem', 'eq', 'floordiv', 'ge', 'getitem', 'gt', 'iadd', 'iand', 'iconcat', 'ifloordiv', 'ilshift', 'imatmul', 'imod', 'imul', 'index', 'indexOf', 'inv', 'invert', 'ior', 'ipow', 'irshift', 'is_', 'is_not', 'isub', 'itemgetter', 'itruediv', 'ixor', 'le', 'length_hint', 'lshift', 'lt', 'matmul', 'methodcaller', 'mod', 'mul', 'ne', 'neg', 'not_', 'or_', 'pos', 'pow', 'rshift', 'setitem', 'sub', 'truediv', 'truth', 'xor']
列出的 54 个名称中大多数都是不言自明的。以i
为前缀的名称组和另一个运算符的名称,例如iadd
、iand
等,对应于增强赋值运算符,例如+=
、&=
等。如果第一个参数是可变的,这些会在原地更改第一个参数;如果不是,该函数的工作方式类似于没有i
前缀的函数:它只是返回操作的结果。
在剩余的operator
函数中,methodcaller
是我们将要介绍的最后一个。它在某种程度上类似于attrgetter
和itemgetter
,因为它会即时创建一个函数。它创建的函数会按名称在给定的对象上调用一个方法,就像示例 7-15 中所示的那样。
示例 7-15。methodcaller
的演示:第二个测试显示了额外参数的绑定
>>> from operator import methodcaller >>> s = 'The time has come' >>> upcase = methodcaller('upper') >>> upcase(s) 'THE TIME HAS COME' >>> hyphenate = methodcaller('replace', ' ', '-') >>> hyphenate(s) 'The-time-has-come'
示例 7-15 中的第一个测试只是为了展示methodcaller
的工作原理,但如果您需要将str.upper
作为一个函数使用,您可以直接在str
类上调用它,并传递一个字符串作为参数,就像这样:
>>> str.upper(s) 'THE TIME HAS COME'
示例 7-15 中的第二个测试表明,methodcaller
也可以进行部分应用,冻结一些参数,就像functools.partial
函数一样。这是我们下一个主题。Bold Textopmod07
使用functools.partial
冻结参数
functools
模块提供了几个高阶函数。我们在“map、filter 和 reduce 的现代替代品”中看到了reduce
。另一个是partial
:给定一个可调用对象,它会生成一个新的可调用对象,其中原始可调用对象的一些参数绑定为预定值。这对于将接受一个或多个参数的函数适应需要较少参数的回调函数的 API 很有用。示例 7-16 是一个微不足道的演示。
示例 7-16。使用partial
在需要一个参数可调用对象的地方使用两个参数函数
>>> from operator import mul >>> from functools import partial >>> triple = partial(mul, 3) # ① >>> triple(7) # ② 21 >>> list(map(triple, range(1, 10))) # ③ [3, 6, 9, 12, 15, 18, 21, 24, 27]
①
从mul
创建新的triple
函数,将第一个位置参数绑定为3
。
②
测试它。
③
使用triple
与map
;在这个例子中,mul
无法与map
一起使用。
流畅的 Python 第二版(GPT 重译)(四)(2)https://developer.aliyun.com/article/1484437