Python学习笔记(四)--函数式编程
来源:互联网 发布:淘宝促销海报 编辑:程序博客网 时间:2024/05/17 05:06
Functional Programming:函数是Python内建支持的一种封装,我们通过把大段代码拆成函数,通过一层一层的函数调用,就可以把复杂任务分解成简单的任务,这种分解可以称之为面向过程的程序设计。函数就是面向过程的程序设计的基本单元。
函数式编程就是一种抽象程度很高的编程范式,纯粹的函数式编程语言编写的函数没有变量,因此,任意一个函数,只要输入是确定的,输出就是确定的,这种纯函数我们称之为没有副作用。而允许使用变量的程序设计语言,由于函数内部的变量状态不确定,同样的输入,可能得到不同的输出,因此,这种函数是有副作用的。
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。
一、高阶函数
函数本身也可以赋值给变量,即:变量可以指向函数。
函数名其实就是指向函数的变量
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
。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。
1、map()
map()
函数接收两个参数,一个是函数,一个是Iterable
。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Iterator
返回。
def add(x, y, f): return f(x)+f(y)print(add(5,-6,abs))def f(x): return x*xr = map(f, [1,2,3,4,5,6,7,8,9])print(list(r)[:])
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reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
from functools import reducedef add(x,y): return x+ya = reduce(add,[1,3,5,7,9])print(a)
from functools import reducedef char2num(s): return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]def str2int(s): return reduce(lambda x,y:x*10+y,map(char2num,s))a = str2int('13579')print(a)#Test3:# -*- coding: utf-8 -*-from functools import reducedef str2float(s): def char2num(s): return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s] def fn(x,y): return x*10+y n = s.index('.') p = len(s) - n - 1 return reduce(fn, map(char2num, s[0:n]+s[n+1:]))/10**pdef str2float(s): def char2num(m): return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9, '.': '.'}[m] def fn(x, y): if y == '.': return x else: return x*10+y l = list(map(char2num, s)) n = l.index('.') p = len(l) - n - 1 return reduce(fn, l)/10**pprint('str2float(\'123.456\') =', str2float('123.456'))
3、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()
不同的是,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 == 0a = list(filter(is_odd,[1,2,3,4,5,6,7]))print(a)def not_empty(s): return s and s.strip(' ') # 默认删除whitespaceprint(list(filter(not_empty,['A',' B',None, 'C', ' '])))def odd_iter(): n = 1 while True: n = n + 2 yield n # odd orderdef not_divisible(n): return lambda x: x % n > 0def primes(): yield 2 it = odd_iter() # odd order while True: m = next(it) yield m it = filter(not_divisible(m), it)for n in primes(): if n < 1000: print(n) else: break注意到Ite
rator
是惰性计算的序列,所以我们可以用Python表示“全体自然数”,“全体素数”这样的序列,而代码非常简洁。总结
filter()
的作用是从一个序列中筛出符合条件的元素。由于filter()
使用了惰性计算,所以只有在取filter()
结果的时候,才会真正筛选并每次返回下一个筛出的元素。
4、sorted排序算法
sorted()比较两个元素的大小,比较的过程必须通过函数抽象出来。.
sorted()
也是一个高阶函数。用sorted()
排序的关键在于实现一个映射函数。
sorted()
函数也是一个高阶函数,它还可以接收一个key
函数来实现自定义的排序,例如按绝对值大小排序:sorted([36, 5, -12, 9, -21], key=abs)
key指定的函数将作用于list的每一个元素上,并根据key函数返回的结果进行排序。
然后
sorted()
函数按照keys进行排序,并按照对应关系返回list相应的元素:keys排序结果 => [5, 9, 12, 21, 36] | | | | |最终结果 => [5, 9, -12, -21, 36]实现忽略大小写的排序:
>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower)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
:sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True二、返回函数
函数作为返回值:def lazy_sum(*args): def sum(): ax = 0 for n in args: ax += n return ax return sumf = lazy_sum(1,3,5,7,9)print(f())闭包:
返回的函数在其定义内部引用了局部变量args
,所以,当一个函数返回了一个函数后,其内部的局部变量还被新函数引用。需要注意的问题是,返回的函数并没有立刻执行,而是直到调用了
f()
才执行:def count(): fs = [] for i in range(1, 4): def f(): return i*i fs.append(f) return fsf1, 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
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: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总结:
一个函数可以返回一个计算结果,也可以返回一个函数。
返回一个函数时,牢记该函数并未执行,返回函数中不要引用任何可能会变化的变量。
三、匿名函数
在传入函数时,有些时候,不需要显式地定义函数,直接传入匿名函数更方便。
>>> list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))[1, 4, 9, 16, 25, 36, 49, 64, 81]关键字匿名函数有个限制,就是只能有一个表达式,不用写lambda
表示匿名函数,冒号前面的x
表示函数参数。return
,返回值就是该表达式的结果。好处:
1、因为函数没有名字,不必担心函数名冲突。
2、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
>>> f = lambda x: x * x>>> f<function <lambda> at 0x101c6ef28>>>> f(5)253、也可以把匿名函数作为返回值返回,比如:
def build(x, y): return lambda: x * x + y * y小结
Python对匿名函数的支持有限,只有一些简单的情况下可以使用匿名函数。
四、装饰器 Decorator
定义:这种在代码运行期间动态增加功能的方式,称之为“装饰器”(Decorator)。(比如,在函数调用前后自动打印日志,但又不希望修改
now()
函数的定义)由于函数也是一个对象,而且函数对象可以被赋值给变量,所以,通过变量也能调用该函数。
函数对象有一个__name__
属性,可以拿到函数的名字:>>> now.__name__'now'>>> f.__name__'now'
本质上,decorator就是一个返回函数的高阶函数定义一个能打印日志的decorator:
# 两层嵌套
def log(func): def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper@logdef now(): print('2015-3-25')print(now())上面的log
,因为它是一个decorator,所以接受一个函数作为参数,并返回一个函数。我们要借助Python的@语法,把decorator置于函数的定义处。
调用now()
函数,不仅会运行now()
函数本身,还会在运行now()
函数前打印一行日志:call now():2015-3-25相当于执行了语句:now = log(now)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。# 三层嵌套
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(x): print(sum(x))print(now([1,3,5,7]))>>>execute, now():163层嵌套的效果是这样的:>>>now = log('execute')(now)
但函数也是对象,它有__name__
等属性,但你去看经过decorator装饰之后的函数,它们的__name__
已经从原来的'now'
变成了'wrapper'
:print(now.__name__)>>>wrapper因为返回的那个
wrapper()
函数名字就是'wrapper'
,所以,需要把原始函数的__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。不需要编写wrapper.__name__ = func.__name__
这样的代码,Python内置的functools.wraps
就是干这个事的,所以,一个完整的decorator的写法如下:或者针对带参数的decorator:import functoolsdef log(func): @functools.wraps(func) def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper
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
import functools
是导入functools
模块。模块的概念稍候讲解。现在,只需记住在定义wrapper()
的前面加上@functools.wraps(func)
即可。小结:
在面向对象(OOP)的设计模式中,decorator被称为装饰模式。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。
什么情况下装饰器不适用?装饰器不能对函数的一部分应用,只能作用于整个函数。
一个变通的办法是“提取函数”,我们将这行语句提取成函数,然后对提取出来的函数应用装饰器:def printdebug(func): def __decorator(user): print('enter the login') result = func(user) print('exit the login') return result return __decoratordef login(user): print('in login:' + user) msg = validate(user) # exact to a method return msg@printdebug # apply the decorator for exacted methoddef validate(user): msg = "success" if user == "jatsz" else "fail" return msgresult1 = login('jatsz')print(result1)# 有时候validate是个耗时的过程。为了提高应用的性能,我们会将validate的结果cache一段时间(30 seconds),借助decorator和上面的方法,我们可以这样实现:import time
dictcache = {} def cache(func): def __decorator(user): now = time.time() if (user in dictcache): result,cache_time = dictcache[user] if (now - cache_time) > 30: #cache expired, 缓存30s result = func(user) dictcache[user] = (result, now) # cache the result by user else: print('cache hits') else: result = func(user) dictcache[user] = (result, now) return result return __decorator def login(user): print('in login:' + user) msg = validate(user) return msg @cache #apply the cache for this slow validationdef validate(user): time.sleep(5) #simulate 10 second block msg = "success" if user == "jatsz" else "fail" return msg result1 = login('jatsz'); print result1 result2 = login('jatsz'); print result2 # this login will return immediately by hit the cacheresult3 = login('candy'); print result3>>>in login:jatszsuccessin login:jatszcache hitssuccessin login:candyfail五、偏函数 Partial function
简单总结functools.partial
的作用就是,把一个函数的某些参数给固定住(也就是设置默认值),返回一个新的函数,调用这个新函数会更简单。print(int('12345', base=8))#int()
函数参数默认看作十进制,传入base
参数,数看作N进制数,将其转换为十进制# 或 print(int('12345', 8))>>>5349functools.partial
就是帮助我们创建一个偏函数的:import functools>>> int2 = functools.partial(int, base=2)>>> int2('1000000')64小结
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0 0
- python学习笔记(四) - 函数式编程
- Python学习笔记(四)函数式编程
- Python学习笔记(四)--函数式编程
- python学习(四):函数式编程
- Python学习 (四 函数式编程)
- Python核心编程学习笔记(四)
- 【python学习笔记】Python函数式编程
- Python学习笔记<函数式编程>
- Python学习笔记2:函数式编程
- 【Python学习笔记】函数式编程
- "Python"学习笔记----函数式编程
- Python学习笔记:函数式编程工具
- Python学习笔记11:Python函数和函数式编程
- Python学习笔记(11)-函数式编程
- Python学习笔记(五)——函数式编程
- 《Python编程》笔记(四)
- 计算机科学与Python编程导论_MIT 学习笔记(四)
- "Python"学习笔记(四)(函数一)
- 第一个Vue.js入门toDoList参考
- 常用汇编算术运算指令
- 欢迎使用CSDN-markdown编辑器
- input[type="date"]默认样式修改
- 与小提琴手(Fiddler)的邂逅(一)
- Python学习笔记(四)--函数式编程
- 例题 5-5 集合栈计算机 Uva 12096
- C++常见问题-总结3
- 状态图
- 数列问题
- 使用Maven构建Java项目
- 设计模式之:单例模式
- L1-029. 是不是太胖了
- 欢迎使用CSDN-markdown编辑器