python知识-函数式编程

函数式：functional，一种编程范式

高阶函数：能接受函数做参数的函数，如：

def add(x,y,f):

    return f(x)+f(y)

如果传入abs作为参数f的值：

add(-5,9,abs)

map()函数

map()是 Python 内置的高阶函数，它接收一个函数 f 和一个list，并通过把函数 f 依次作用在 list 的每个元素上，得到一个新的 list 并返回。

例如，对于list [1, 2, 3, 4, 5, 6, 7, 8, 9]；如果希望把list的每个元素都作平方，就可以用map()函数：

def f(x):

    return x*x

print map(f,[1,2,3,4,5,6])

注意：map()函数不改变原有的 list，而是返回一个新的 list。

reduce()函数

reduce()函数接收的参数和 map()类似，一个函数 f，一个list，但行为和 map()不同，reduce()传入的函数 f 必须接收两个参数，reduce()对list的每个元素反复调用函数f，并返回最终结果值。

def f(x,y):

    return x+y

reduce(f,[1,3,5,7,9])

先计算头两个元素：f(1, 3)，结果为4；

再把结果和第3个元素计算：f(4, 5)，结果为9；

再把结果和第4个元素计算：f(9, 7)，结果为16；

再把结果和第5个元素计算：f(16, 9)，结果为25；

由于没有更多的元素了，计算结束，返回结果25

reduce()还可以接收第3个可选参数，作为计算的初始值。如果把初始值设为100，计算：

reduce(f,[1,3,5,7,9],100)

结果将变为125，因为第一轮计算是：

计算初始值和第一个元素：f(100, 1)，结果为101。

filter()函数

filter()函数接收一个函数 f 和一个list，这个函数 f 的作用是对每个元素进行判断，返回 True或 False，filter()根据判断结果自动过滤掉不符合条件的元素，返回由符合条件元素组成的新list。

如：要从一个list [1, 4, 6, 7, 9, 12, 17]中删除偶数，保留奇数

def is_odd(x):

    return x % 2 == 1

filter(is_odd,[1, 4, 6, 7, 9, 12, 17])

sorted()函数

自定义排序函数

它可以接收一个比较函数来实现自定义排序，比较函数的定义是，传入两个待比较的元素 x, y，如果 x 应该排在 y 的前面，返回 -1，如果 x 应该排在 y 的后面，返回 1。如果 x 和 y 相等，返回 0。

如：将下面的倒序排列

def reversed_cmp(x, y):

    if x > y:

        return -1

    if x < y:

        return 1

    return 0

sorted([36, 5, 12, 9, 21], reversed_cmp)

返回函数

如：定义一个函数f()，让它返回函数g

def f():

    print 'call f()…'

    def g():

        print 'call g()…'

    #返回函数g

    return g

>>> x = f()   # 调用f()
call f()...
>>> x   # 变量x是f()返回的函数：
<function g at 0x1037bf320>
>>> x()   # x指向函数，因此可以调用
call g()...   # 调用x()就是执行g()函数定义的代码

注意区分返回函数与返回值

def myabs():
    return abs   # 返回函数
def myabs2(x):
    return abs(x)   # 返回函数调用的结果，返回值是一个数值

闭包

def calc_sum(lst):
    def lazy_sum():
        return sum(lst)
    return lazy_sum

像这种内层函数引用了外层函数的变量（参数也算变量），然后返回内层函数的情况，称为闭包（Closure）；闭包的特点是返回的函数还引用了外层函数的局部变量，所以，要正确使用闭包，就要确保引用的局部变量在函数返回后不能变，如：

# 希望一次返回3个函数，分别计算1x1,2x2,3x3:

def count():

    fs = []

    for i in range(1, 4):

        def f():

            return i*i

        fs.append(f)

    return fs

f1, f2, f3 = count()

你可能认为调用f1()，f2()和f3()结果应该是1，4，9，但实际结果全部都是 9（请自己动手验证）。

原因就是当count()函数返回了3个函数时，这3个函数所引用的变量 i 的值已经变成了3

匿名函数

以map()函数为例，计算 f(x)=x² 时，除了定义一个f(x)的函数外，还可以直接传入匿名函数：

map(lambda x:x*x,[1,2,3,4,5,6])

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，不写return，返回值就是该表达式的结果。

decorator装饰器

如：希望对下列函数调用增加log功能，打印出函数调用：

def f1(x):

    return x*2

def f2():

    return x*x

方法一：直接修改原函数

def f1(x):

    print 'call f1()'

    return x*2

def f2():

    print 'call f2()'

    return x*x

方法二：接收一个函数，对其包装，然后返回一个新的函数（高阶函数）

def f1(x):

    return x*2

def new_fn(f):

    def fn(x):

        print 'call'+f._name_+'()'

        return f(x)

    return fn

g1=new_fn(f1)

print g1(5)

说明：python内置的@语法就是为了简化装饰器的调用

@new_fn

def f1(x):

    return x*2

就相当于

def f1(x):

    return x*2

f1=new_fn(f1)

考察一个@log的定义

def log(f):    

    def fn(x):        

        print 'call ' + f.__name__ + '()...'        

        return f(x)    

    return fn

但是，对于参数不是一个的函数，调用将报错,要让 @log 自适应任何参数定义的函数，可以利用Python的 *args 和 **kw，保证任意个数的参数总是能正常调用:

def log(f):    

    def fn(*args,**kw):        

        print 'call ' + f.__name__ + '()...'        

        return f(*args,**kw)    

    return fn

偏函数

functools.partial帮助我们创建一个偏函数，可以把一个参数多的函数变成一个参数少的新函数，少的参数需要在创建时指定默认值，这样，新函数调用的难度就降低了，如下面的函数：

def int2(x, base=2):
    return int(x, base)

int2('100000')

可以转换为偏函数

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