Python学习笔记（七）：高级特性、函数式编程、模板（快速入门篇）

看完自强学堂的介绍后，觉得少讲了很多在《Head First Python》和《Python基础教程》中有的东西，于是借廖雪峰的博客进行进一步补充：http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000

由于是补充，所以这里仅提及在前面笔记中缺少的东西，不做重复介绍。

高级特性

列表生成式

运用列表生成式，可以快速生成list，可以通过一个list推导出另一个list，而代码却十分简洁。

[x * x for x in range(1, 11) if x % 2 == 0]Result：[4, 16, 36, 64, 100]

生成器

generator是非常强大的工具，在Python中，可以简单地把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。

要理解generator的工作原理，它是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。

列表生成式改生成器

只要把一个列表生成式的[]改成()，就创建了一个generator
“
L = [x * x for x in range(10)] #列表生成式
g = (x * x for x in range(10)) #生成器

创建了一个generator后，基本上永远不会调用next()方法，而是通过for循环来迭代它。

yield关键字的生成器

如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

def fib(max):    n, a, b = 0, 0, 1    while n < max:        yield b         #print b        a, b = b, a + b        n = n + 1

函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

函数式编程

高阶函数

把函数作为参数传入，这样的函数称为高阶函数，函数式编程就是指这种高度抽象的编程范式。

• 变量可以指向函数

  >>> f = abs>>> f(-10)

• 函数名也是变量

  >>> abs = 10>>> abs(-10)Traceback (most recent call last):  File "<stdin>", line 1, in <module>TypeError: 'int' object is not callable

注：由于abs函数实际上是定义在–builtin–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–builtin–.abs = 10。

map/reduce

map()函数接收两个参数，一个是函数，一个是序列，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list返回。

>>> map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9])['1', '2', '3', '4', '5', '6', '7', '8', '9']

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，其效果就是：

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

filter

Python内建的filter()函数用于过滤序列。

和map()类似，filter()也接收一个函数和一个序列。和map()不同的时，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 == 1filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])  # 结果: [1, 5, 9, 15]

返回函数

函数作为返回值

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)  #调用lazy_sum()时，返回的并不是求和结果，而是求和函数>>> f()  #调用函数f时，才真正计算求和的结果

在这个例子中，我们在函数lazy_sum中又定义了函数sum，并且，内部函数sum可以引用外部函数lazy_sum的参数和局部变量，当lazy_sum返回函数sum时，相关参数和变量都保存在返回的函数中，这种称为“闭包（Closure）”的程序结构拥有极大的威力。

请再注意一点，当我们调用lazy_sum()时，每次调用都会返回一个新的函数，即使传入相同的参数

闭包

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。

如果一定要引用循环变量怎么办？方法是再创建一个函数，用该函数的参数绑定循环变量当前的值，无论该循环变量后续如何更改，已绑定到函数参数的值不变。缺点是代码较长，可利用lambda函数缩短代码。

匿名函数(lambda)

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

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

装饰器

OOP的装饰模式需要通过继承和组合来实现，而Python除了能支持OOP的decorator外，直接从语法层次支持decorator。Python的decorator可以用函数实现，也可以用类实现。

decorator可以增强函数的功能，定义起来虽然有点复杂，但使用起来非常灵活和方便。

一个完整的decorator的写法如下：

import functoolsdef log(func):    @functools.wraps(func)  #把原始函数的__name__等属性复制到wrapper()函数中，否则，有些依赖函数签名的代码执行就会出错    def wrapper(*args, **kw):   #wrapper()函数可以接受任意参数的调用        print 'call %s():' % func.__name__  #函数对象有一个__name__属性，可以拿到函数的名字        return func(*args, **kw)    #func的__name__已经从原来的'func'变成了'wrapper'    return wrapper

或者针对带参数的decorator：

import functoolsdef log(text):    def decorator(func):        @functools.wraps(func)        def wrapper(*args, **kw):            print '%s %s():' % (text, func.__name__)            return func(*args, **kw)        return wrapper    return decorator

定义：

@log('execute') #相当于log('execute')(now)def now():    print '2013-12-25'

偏函数

当函数的参数个数太多，需要简化时，使用functools.partial可以创建一个新的函数，这个新函数可以固定住原函数的部分参数，从而在调用时更简单。

>>> import functools>>> int2 = functools.partial(int, base=2)

模板

使用模板

运行测试

if __name__=='__main__':    test()

当我们在命令行运行模块文件时，Python解释器把一个特殊变量–name–置为–main–，而如果在其他地方导入该模块时，if判断将失败，因此，这种if测试可以让一个模块通过命令行运行时执行一些额外的代码，最常见的就是运行测试。

作用域

在一个模块中，我们可能会定义很多函数和变量，但有的函数和变量我们希望给别人使用，有的函数和变量我们希望仅仅在模块内部使用。在Python中，是通过_前缀来实现的。

正常的函数和变量名是公开的（public），可以被直接引用，比如：abc，x123，PI等；

类似–xxx–这样的变量是特殊变量，可以被直接引用，但是有特殊用途，比如上面的–author–，–name–就是特殊变量，模块定义的文档注释也可以用特殊变量–doc–访问，我们自己的变量一般不要用这种变量名；

类似-xxx和–xxx这样的函数或变量就是非公开的（private），不应该被直接引用，比如-abc，–abc等；

之所以我们说，private函数和变量“不应该”被直接引用，而不是“不能”被直接引用，是因为Python并没有一种方法可以完全限制访问private函数或变量，但是，从编程习惯上不应该引用private函数或变量。

使用_future_

Python提供了–future–模块，把下一个新版本的特性导入到当前版本，于是我们就可以在当前版本中测试一些新版本的特性。