Python__高阶函数
来源:互联网 发布:一个淘宝号能刷几单 编辑:程序博客网 时间:2024/06/03 20:06
高阶函数
变量可以指向函数
abs(-10)是函数调用,而abs是函数本身。
>>> f = abs>>> f(-10)10
说明变量f现在已经指向了abs函数本身。
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
把abs指向10后,就无法通过abs(-10)调用该函数了!因为abs这个变量已经不指向求绝对值函数了!
当然实际代码绝对不能这么写,这里是为了说明函数名也是变量。要恢复abs函数,请重启Python交互环境。
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。
传入函数
def add(x, y, f): return f(x) + f(y)
>>> add(-5, 6, abs)11
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。
>>> def f(x):... return x * x...>>> map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])[1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9])['1', '2', '3', '4', '5', '6', '7', '8', '9']
再看reduce的用法。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:
>>> def add(x, y):... return x + y...>>> reduce(add, [1, 3, 5, 7, 9])25
>>> def fn(x, y):... return x * 10 + y...>>> reduce(fn, [1, 3, 5, 7, 9])13579
利用map()函数,把用户输入的不规范的英文名字,变为首字母大写,其他小写的规范名字。输入:[‘adam’, ‘LISA’, ‘barT’],输出:[‘Adam’, ‘Lisa’, ‘Bart’]。
# coding=utf-8L = ['adam', 'LISA', 'barT']#大写字母转小写def f1(x): return x.lower()TEMP = map(f1, L)#循环把第一个字母转成大写def f3(x): l = [] for d in x: e = d.replace(d[0], d[0].upper()) l.append(e) return lprint f3(TEMP)
filter
Python内建的filter()函数用于过滤序列。
例如,在一个list中,删掉偶数,只保留奇数,可以这么写:
def is_odd(n): return n % 2 == 1filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])# 结果: [1, 5, 9, 15]
把一个序列中的空字符串删掉,可以这么写:
def not_empty(s): return s and s.strip()filter(not_empty, ['A', '', 'B', None, 'C', ' '])# 结果: ['A', 'B', 'C']
sorted
排序算法
排序也是在程序中经常用到的算法。无论使用冒泡排序还是快速排序,排序的核心是比较两个元素的大小。如果是数字,我们可以直接比较,但如果是字符串或者两个dict呢?直接比较数学上的大小是没有意义的,因此,比较的过程必须通过函数抽象出来。通常规定,对于两个元素x和y,如果认为x < y,则返回-1,如果认为x == y,则返回0,如果认为x > y,则返回1,这样,排序算法就不用关心具体的比较过程,而是根据比较结果直接排序。
Python内置的sorted()函数就可以对list进行排序:
>>> sorted([36, 5, 12, 9, 21])[5, 9, 12, 21, 36]
此外,sorted()函数也是一个高阶函数,它还可以接收一个比较函数来实现自定义的排序。比如,如果要倒序排序,我们就可以自定义一个reversed_cmp函数:
def reversed_cmp(x, y): if x > y: return -1 if x < y: return 1 return 0
传入自定义的比较函数reversed_cmp,就可以实现倒序排序:
>>> sorted([36, 5, 12, 9, 21], reversed_cmp)[36, 21, 12, 9, 5]
我们再看一个字符串排序的例子:
>>> sorted(['bob', 'about', 'Zoo', 'Credit'])['Credit', 'Zoo', 'about', 'bob']
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。
我们来实现一个可变参数的求和。通常情况下,求和的函数是这样定义的:
def calc_sum(*args): ax = 0 for n in args: ax = ax + n return ax
但是,如果不需要立刻求和,而是在后面的代码中,根据需要再计算怎么办?可以不返回求和的结果,而是返回求和的函数!
def lazy_sum(*args): def sum(): ax = 0 for n in args: ax = ax + n return ax return sum
当我们调用lazy_sum()时,返回的并不是求和结果,而是求和函数:
>>> f = lazy_sum(1, 3, 5, 7, 9)>>> f<function sum at 0x10452f668>
调用函数f时,才真正计算求和的结果:
>>> f()25
>>> f1 = lazy_sum(1, 3, 5, 7, 9)>>> f2 = lazy_sum(1, 3, 5, 7, 9)>>> f1==f2False
闭包
print 'textaa'def count(): print 'text00' fs = [] print 'text11' for i in range(1, 4): print 'text22' def f(): print 'text',i return i*i fs.append(f) print f() return fsprint 'textbb'f1, f2, f3 = count()print 'textcc'print f1(),f2(),f3()
运行结果:
textaatextbbtext00text11text22text 11text22text 24text22text 39textcctext 39 text 39 text 39
匿名函数
>>> map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9])[1, 4, 9, 16, 25, 36, 49, 64, 81]
关键字lambda表示匿名函数,冒号前面的x表示函数参数。
装饰器
def log(func): def wrapper(*args, **kw): print 'call %s():' % func.__name__ return func(*args, **kw) return wrapper
@logdef now(): print '2013-12-25'
>>> now()call now():2013-12-25
由于log()是一个decorator,返回一个函数,所以,原来的now()函数仍然存在,只是现在同名的now变量指向了新的函数,于是调用now()将执行新函数,即在log()函数中返回的wrapper()函数。
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。
如果decorator本身需要传入参数,那就需要编写一个返回decorator的高阶函数,写出来会更复杂。比如,要自定义log的文本:
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 '2013-12-25'
>>> now()execute now():2013-12-25
一个完整的decorator的写法如下:
import functoolsdef log(func): @functools.wraps(func) def wrapper(*args, **kw): print 'call %s():' % func.__name__ return func(*args, **kw) 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
偏函数
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)。要注意,这里的偏函数和数学意义上的偏函数不一样。
在介绍函数参数的时候,我们讲到,通过设定参数的默认值,可以降低函数调用的难度。而偏函数也可以做到这一点
>>> import functools>>> int2 = functools.partial(int, base=2)>>> int2('1000000')64>>> int2('1010101')85
创建偏函数时,实际上可以接收函数对象、*args和**kw这3个参数,当传入:
int2 = functools.partial(int, base=2)
实际上固定了int()函数的关键字参数base,也就是:
int2('10010')
当传入:
max2 = functools.partial(max, 10)
max2(5, 6, 7)
- Python__高阶函数
- python__函数
- python__集合
- python__文件
- python__异常
- python__模块
- python__魔法方法
- Python__实现队列
- 高阶函数
- 高阶函数
- python高阶函数
- lecture5:高阶函数
- 高阶函数
- 高阶函数,集合
- js高阶函数
- 高阶函数
- 高阶函数
- Scala高阶函数
- [LeetCode] Intersection of Two Arrays(java)
- [noip模拟赛]敲砖块(dp)
- Java 制作二维码代码
- Android布局优化
- 仔细思考一个接口的不同实现得到的类和一个类的不同对象使用起来到底有什么区别?
- Python__高阶函数
- 4变量类型 5运算符 6控制结构(循环数组和循环数组对象)
- CSU - 1217 奇数个的那个数 (异或)
- Win7 32位 安装配置QT4环境
- Java面向对象实践
- input标签不可编辑
- iherb知识---益生菌的作用
- genymotion Ubuntu 启动不了错误
- ios查看一个字符串中是否有另一个字符串