Python函数式编程

函数式编程

函数式编程。

函数参数中的魔法

coming...

位置参数

关键字参数

默认参数

动态参数

位置参数收集

关键字参数收集

收集参数行为的逆向过程(解参，这个逆向过程用于实参上)

参数传递

嵌套函数定义

顾名思义就是一个函数定义中嵌套了一个函数的定义。说道嵌套函数，就必须先介绍命名空间和作用域。（适用于整个python的名称空间）

命名空间NameSpace

python分三类命名空间。内置，全局，本地。包括一个区域，封闭区域。

• Builtins 内置空间，在main模块加载前创建
• Globals 全局空间，模块为单位。包空间其实是__init__.py模块
• Enclosing 封闭区域
• Locals 本地空间，函数，类，对象等

作用域Scope

python对象的作用域是遵照LEGB规则。

闭包

一般普通的函数嵌套并没什么特别的用处。但是嵌套函数有个突出的应用，也是非常强大的应用。就是，通过外层函数创建一个函数，即返回内层函数，外层函数每一调用返回的内层函数，这些返回的内层函数之间是独立的函数对象。他们都“继承”了外层函数调用时的作用域。这个“继承”行为我们称为闭包。

闭包显著的特点就是：返回的内层函数中，使用了外层函数的局部变量或者参数参与内层函数的运算。这些变量和参数的值还是外部函数调用返回前时的值。
要注意的是：返回内层函数时，使用外层函数时的变量或者参数，如果在返回后发生了变化。那么内层函数后面调用会使用变化后的值，而不是返回内层函数那个时间点的值了。所以很多博客都在强调，闭包返回的内层函数不要引用还会在外层函数发生变化的变量。
要解决这个问题，可以采取中间变量（中间变量就是固定的了）或者再嵌套一个中间函数，让这个中间函数来获取变化的变量，在传递给最内层的函数，并返回最内层的函数。

记住：内层函数返回时是不会执行的。

__自己猜想__
有点类似于面向对象，一个对象方法返回另一个对象，新对象的实例化是受到返回它的对象影响，展现除了多态的特性。闭包有点多态，继承，封装(函数本来就是一种封装形式)的意思，将规律相似的作为一层。多层次之间可以看作多层次的嵌套函数来设计，能产生“继承变量”的哪一层就作为上层，有几层规律就嵌套几层函数，从外到内，每一层都是和上一层有一个或多个“继承变量”关系。算一种设计范式了吧。
如：乘法运算，将第一个乘数作为一层，第二乘数提供后算出乘积来作为第二层。那么就可以使用闭包将拆分有关系的两层进行程序设计。
再如：装饰器函数的inner()函数，就是要继承装饰函数说传递的参数。返回的inner函数调用就会间接调用被装饰的函数。inner函数实现了扩展需求的功能。
找点装饰器或者其它闭包例子来佐证猜想
再如：Django的中间件工厂函数：

# 通过闭包实现中间件工厂函数，返回中间件函数。
def simple_middleware(get_response):  # 外层函数是中间件工厂函数
    # One-time configuration and initialization.

    def middleware(request):  # 内层函数是中间件函数，get_response是从闭包区域空间extend 过来的，所以会随着get_response的变化变化。所以呼应上面说的：很多博客提醒，内层函数最好不要使用外层函数变化的变量，否则可能会得到你意想不到的结果。
        # Code to be executed for each request before
        # the view (and later middleware) are called.

        response = get_response(request)

        # Code to be executed for each request/response after
        # the view is called.

        return response

    return middleware

函数式编程

摘自廖雪峰python教程

函数式编程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是没有变量的，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。

装饰器Decorator

装饰器是函数式编程的集大成应用。涉及高阶函数，闭包，参数传递等。
如果只是要扩展功能，只需要再创建一个函数，并嵌套需要扩展的函数，就是在创建的函数中实现扩展功能后，再执行扩展前的函数就可以了。但是这样做有一个缺点就是，原函数名被改变了，这样会被调用原函数的其它部门打死的，你这样方便了自己却麻烦了其他人。
那就要想办法呀，那重命名这个扩展的函数为原函数名呢？肯定不行，这样函数调用就编程了递归函数了。
那就这样设计：用一个函数返回一个函数，返回的函数重命名为原来的函数名。调用这个重命名返回函数，就是执行扩展后再调用原函数。这就是通过闭包，实现装饰器。

• 装饰外层函数：返回内层函数
• 装饰内层函数：实现原功能上的“封闭-开发”原则的扩展功能。内层函数对扩展功能实现后，再调用原函数，并return原函数调用返回值。

显示方式

# 我们已一个廖老师装饰器思考题为例，说明两种方式表示装饰器的应用
# 题目：请设计一个decorator，它可作用于任何函数上，并打印该函数的执行时间
import time

def runtime(func):
    def wrapper(*args, **kwargs):
        t1 = time.time()
        res = func(*args, **kwargs)
        t2 = time.time()
        print((t2-t1))
        return res
    return wrapper

def get_sum(*args):
    sums = 0
    for i in args:
        sums += i
    return sums

get_sum = runtime(get_sum)  # 这就是显示方式
print(get_sum(*list(range(10000))))

@方式

# 装饰器函数一样
import time

def runtime(func):
    def wrapper(*args, **kwargs):
        t1 = time.time()
        res = func(*args, **kwargs)
        t2 = time.time()
        print((t2-t1))
        return res
    return wrapper

runtime
def get_sum(*args):
    sums = 0
    for i in args:
        sums += i
    return sums

print(get_sum(*list(range(10000))))

结果：

0.0010001659393310547 #运行时间
49995000 #函数返回值

多个装饰器顺序

主要根据装饰器的作用，决定顺序。
举个栗子：

1. Flask的route装饰器和我们自定义的认证装饰器auth。
2. route用户将url于被装饰的函数视图放入一个映射中。
3. 我们自定义auth装饰器，则是用作在视图执行前，对用户登陆状态的认证，如果没有登陆则装饰器直接返回认证失败。
4. 这时候就考虑route和auth的顺序了：

#第一种顺序： 这时候python解释器显示会执行auth装饰的，auth返回的内置函数再被app.route('/index/')执行装饰。这是符合业务逻辑的
@app.route('/index/')
@auth
def index():
   pass
   
   
# 第二种顺序：如果了解app.route的代码，可以知道该装饰器的主要作用就是将'/index/' 与 index函数放入一个映射中，装饰器最终返回的的自己二就是index函数，相当于没有起到装饰添加逻辑的作用，而时加入一个映射中。最终系统会根据映射去执行对应函数，auth实际再业务逻辑中根本没有被执行。第二种按照逻辑要求就是错误的装饰顺序。
@auth
@app.route('/index/')
def index():
   pass
   

小结：多个装饰器顺序问题，首先是顺序是python解释器从下后上进行装饰器的穿衣过程（直接点就是从内到外）。而最后决定顺序，要知道装饰器具体逻辑和符合业务逻辑。

使用装饰器扩展的功能变得更具兼容性，高内聚。（带参数装饰器）

什么意思呢？翻译成‘人话’就是：一般装饰器只扩展一类相似功能的一种，现在要给这一功能提供并传递参数，是装饰器展现出不同的行为。
装饰器带上参数，只需要再装饰器包裹一个函数，这个函数接收参数，返回一个外层装饰器函数，内层函数接受到包裹的哪层函数的参数，在扩展代码中进行应用，这样使得扩展代码具有更多变数，理所当然，也会拿到外层还是传递的原函数。内层函数拿到这两个东西，就可以大施拳脚，做出各种功能来了。
直接代码说话：

# 廖老师的打印调用一个函数的日志。
def log(text):
    def outer(func):
        def inner(*args, **kwargs):
            print("%s begin call " % text)
            return func(*args, **kwargs)
        return inner
    retrun outer

log('求和')
def get_sum(*args):
    sums = 0
    for i in args:
        sums += i
    return sums

print(get_sum(*list(range(10000))))

运行结果：

求和 begin call # 扩展的功能：打印执行日志
49995000 # 函数返回结果

让装饰器更安全

因为装饰器的内层函数被重新绑定给了原函数名，内层函数的__name__还是内层函数名，而不是原函数名。有些依赖函数签名的代码可能会报错。python的functools提供了
将内层函数的__name__值变为重新绑定到的变量的名字。
用法：

import functools
def decorator(func)
    @functools.wraps(func)  # 用在这里，就是wrapper之前，无论带参数还是不带参数的装饰器
    def wrapper(*args, **kwargs):
        pass
        return func(*args, **kwargs)
    return wrapper

装饰器还可以不止一个参数，多个参数，多层包裹，产生多个维度。

匿名函数

匿名函数就是不需要显示的通过def定义函数。匿名函数通常用于高阶函数。匿名函数直接用于高阶函数的参数或者return中，如果在return中，就形成了闭包。
关键字lambda 代表匿名函数
匿名函数表示方法：
lambda x, y : x + y
冒号前x, y是参数列表，冒号后面表达式的值作为函数的return值，且冒号后面只能是一个表达式，不能包含其它语句。如赋值语句，复合语句。可以使用三元表达式。
匿名函数可以缩短代码行数。
匿名函数例子：

L = list(map(lambda *args: lambda *innerargs: print(innerargs+args),[1,2,3,4,5,6,7]))
for f in L:
    f(10)

结果：
(10, 1)
(10, 2)
(10, 3)
(10, 4)
(10, 5)
(10, 6)
(10, 7)

高阶函数

什么是高阶函数？
参数或者返回中使用函数
coming...

三剑客

filter()

map()

reduce()

递归函数

coming....