python3入门笔记四之函数式编程---高阶函数,返回函数,匿名函数,装饰器,偏函数

简介: 函数式编程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!Python对函数式编程提供部分支持。由于Python允许使用变量,因此,Python不是纯函数式编程语言高阶函数(Higher-order function)特点:变量可以指向函数 即 函数本身也可以赋值给变量 x=abs x(-10) #10函数名也是变量 abs = 10 abs(-10) # TypeError: 'int' object is not callable注:由于abs函数实际上是定义在import builtins模块中的,所以要让修改abs变量的

函数式编程


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! Python对函数式编程提供部分支持。由于Python允许使用变量,因此,Python不是纯函数式编程语言


高阶函数(Higher-order function)


特点:


  1. 变量可以指向函数 即 函数本身也可以赋值给变量 x=abs x(-10) #10


  1. 函数名也是变量 abs = 10  abs(-10) # TypeError: 'int' object is not callable


注:由于abs函数实际上是定义在import builtins模块中的,所以要让修改abs变量的指向在其它模块也生效,要用import builtins; builtins.abs = 10


  1. 传入函数


既然变量可以指向函数,函数的参数能接收变量,那么一个函数就可以接收另一个函数作为参数,这种函数就称之为高阶函数


def add(x, y, f):
    return f(x) + f(y)
print(add(-5, 6, abs))    
# 11   
复制代码


map/reduce,filter,sorted


map/reduce的概念: Google论文“MapReduce: Simplified Data Processing on Large Clusters”


这四个用法同es6.


  1. map()函数接收两个参数,一个是函数,一个是Iterable 返回一个Iterator


def f(x):
    return x**2
a=map(f,[x for x in range(10)])
print(next(a)) # 0
print(list(a)) # [1, 4, 9, 16, 25, 36, 49, 64, 81]
复制代码


  1. 把这个list所有数字转为字符串:


print(list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9]))) 
# ['1', '2', '3', '4', '5', '6', '7', '8', '9']
复制代码


  1. reduce() 把结果继续和序列的下一个元素做累积计算:reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)序列[1, 3, 5, 7, 9]变换成整数13579:


from functools import reduce
    def fn(x,y):
        return x*10+y
    print(reduce(fn,[1,3,5,7,9])) #13579
复制代码


  1. str转换为int:


from functools import reduce
DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
def char2num(s):
    return DIGITS[s]
def str2int(s):
    return reduce(lambda x, y: x * 10 + y, map(char2num, s))
print(str2int('0123456789'))     # 123456789
复制代码


  1. filter() 接收一个函数和一个序列 ,返回的是一个Iterator 过滤出符合条件的数


def is_odd(n):
return n % 2 == 1
list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
复制代码


  1. sorted() 接收一个序列和一个函数 sorted([36, 5, -12, 9, -21])按绝对值大小排序:


sorted([36, 5, -12, 9, -21], key=abs)
# [5, 9, -12, -21, 36]
复制代码


  1. 要进行反向排序,不必改动key函数,可以传入第三个参数reverse=True:


L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]
def by_name(t):
    return t[0]
L2 = sorted(L, key=by_name,reverse=True)
print(L2)    
复制代码


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。


可变参数的求和(立刻返回计算结果):


def calc_sum(*args):
    ax = 0
    for n in args:
        ax = ax + n
    return ax
复制代码


返回求和的函数:


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() #25
复制代码


闭包(注意!)


返回闭包时牢记一点: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():
    fs = []
    for i in range(1, 4):
        def f():
             return i*i
        fs.append(f)
    return fs
f1, f2, f3 = count() 
# f1() 9
# f2() 9
# f3() 9
# 全部都是9!原因就在于返回的函数引用了变量i,但它并非立刻执行。等到3个函数都返回时,它们所引用的变量i已经变成了3,因此最终结果为9。
复制代码


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
for fn in count():
    print(fn())
# 1 4 9
复制代码


匿名函数


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,不用写return,返回值就是该表达式的结果list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))


lambda x: x * x  #等于
def f(x):
    return x * x
复制代码


用匿名函数有个好处,因为函数没有名字,不必担心函数名冲突。此外,匿名函数也是一个函数对象,也可以把匿名函数赋值给一个变量,再利用变量来调用该函数:


# 把匿名函数赋值给一个变量,再利用变量来调用该函数
f = lambda x: x * x
f(5)
#25
# 匿名函数作为返回值返回
def build(x, y):
    return lambda: x * x + y * y
复制代码


装饰器


在代码运行期间动态增加功能的方式,称之为“装饰器”(Decorator) 本质上,decorator就是一个返回函数的高阶函数


看看下面的代码,瞬间明白这个不就是Spring 的 aop思想吗,感觉像java的注解


@log
def now(a,b,*,age):
    print('2015-3-25')
def log(func):
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__) # __name__获取函数对象的名字
        print( args)
        print( kw)
        return func(*args, **kw)
    return wrapper
now('1','1',age=12)
# call now():
# ('1', '1')
# {'age': 12}
# 2015-3-25
复制代码


把@log放到now()函数的定义处,相当于执行了语句:now = log(now)wrapper()函数的参数定义是(*args, **kw),因此,wrapper()函数可以接受任意参数的调用。在wrapper()函数内,首先打印日志,再紧接着调用原始函数。


def log(text):
    def decorator(func):
        def wrapper(*args, **kw):
            print('%s %s():' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator
@log('execute')
def now():
    print('2015-3-25')
now()
# execute now():
# 2015-3-25
复制代码


剖析:  now = log('execute')(now) 首先执行log('execute'),返回的是decorator函数,再调用返回的函数,参数是now函数,返回值最终是wrapper函数。函数也是对象,它有__name__等属性 所以最后会出现 now.__name__  #'wrapper' 的情况 这样子会导致有些依赖函数签名的代码执行错误


但是Python内置的functools.wraps 就是用来 把原始函数的__name__等属性复制到对应的函数中 如:


@functools.wraps(func)
    def wrapper(*args, **kw):
复制代码


修改后运行now.__name__ 。结果为 #now


偏函数


偏函数是参数固定的函数,即有默认值的函数


Python的functools模块提供了很多有用的功能,其中一个就是偏函数(Partial function),


functools.partial就是帮助我们创建一个偏函数的, 它可以帮我们固定函数的参数,返回一个新的函数 可以接收函数对象、*args和**kw这3个参数


如 int 函数


import functools
int2 = functools.partial(int, base=2)
int2('1000000')
# 64
复制代码


如 max函数


import functools
# 实际上会把10作为*args的一部分自动加到左边 √ (廖老师的课程真给力 ☆( ̄▽ ̄)/$:*)
max2 = functools.partial(max, 10)
max2(5, 6, 7)
# 10




目录
相关文章
|
26天前
|
测试技术 数据库 Python
Python装饰器实战:打造高效性能计时工具
在数据分析中,处理大规模数据时,分析代码性能至关重要。本文介绍如何使用Python装饰器实现性能计时工具,在不改变现有代码的基础上,方便快速地测试函数执行时间。该方法具有侵入性小、复用性强、灵活度高等优点,有助于快速发现性能瓶颈并优化代码。通过设置循环次数参数,可以更准确地评估函数的平均执行时间,提升开发效率。
101 61
Python装饰器实战:打造高效性能计时工具
|
26天前
|
设计模式 前端开发 Shell
Python装饰器是什么?
装饰器是Python中用于动态修改函数、方法或类功能的工具,无需改变原代码。通过将函数作为参数传递并返回新函数,装饰器可以在原函数执行前后添加额外逻辑。例如,使用`@logger`装饰器可以打印函数调用日志,而`@timethis`则可用于计算函数执行时间。为了保持被装饰函数的元信息(如`__name__`和`__doc__`),可使用`functools.wraps`装饰器。此外,带参数的装饰器可通过嵌套函数实现,如`@timeitS(2)`,以根据参数条件输出特定信息。
85 59
|
2月前
|
缓存 数据安全/隐私保护 Python
python装饰器底层原理
Python装饰器是一个强大的工具,可以在不修改原始函数代码的情况下,动态地增加功能。理解装饰器的底层原理,包括函数是对象、闭包和高阶函数,可以帮助我们更好地使用和编写装饰器。无论是用于日志记录、权限验证还是缓存,装饰器都可以显著提高代码的可维护性和复用性。
45 5
|
2月前
|
Python
探索Python中的装饰器:简化代码,增强功能
在Python的世界里,装饰器就像是给函数穿上了一件神奇的外套,让它们拥有了超能力。本文将通过浅显易懂的语言和生动的比喻,带你了解装饰器的基本概念、使用方法以及它们如何让你的代码变得更加简洁高效。让我们一起揭开装饰器的神秘面纱,看看它是如何在不改变函数核心逻辑的情况下,为函数增添新功能的吧!
|
2月前
|
存储 缓存 Python
Python中的装饰器深度解析与实践
在Python的世界里,装饰器如同一位神秘的魔法师,它拥有改变函数行为的能力。本文将揭开装饰器的神秘面纱,通过直观的代码示例,引导你理解其工作原理,并掌握如何在实际项目中灵活运用这一强大的工具。从基础到进阶,我们将一起探索装饰器的魅力所在。
|
存储 监控 API
Python笔记2(函数参数、面向对象、装饰器、高级函数、捕获异常、dir)
Python笔记2(函数参数、面向对象、装饰器、高级函数、捕获异常、dir)
81 0
|
9月前
|
Python
Python基础 笔记(九) 函数及进阶
Python基础 笔记(九) 函数及进阶
58 6
|
6月前
|
存储 Python
Python笔记8 函数
本文是作者的Python复习笔记第八篇,全面介绍了Python中的函数定义与使用,包括函数的参数传递(位置参数、关键字参数、默认参数、列表参数、任意数量参数和关键字参数)、函数的返回值以及如何创建和调用函数库(模块),并提供了丰富的示例代码。
36 0
|
6月前
|
Python
【python笔记】使用zip函数迭代多个可迭代对象
【python笔记】使用zip函数迭代多个可迭代对象
|
9月前
|
Python
Python基础 笔记(三) 标识符、输入输出函数
Python基础 笔记(三) 标识符、输入输出函数
77 7