廖雪峰Python教程学习笔记（4）
目录
- 7. 函数式编程
- 7.1 高阶函数
- 7.1.1 map/reduce
- 7.1.2 filter
- 7.1.3 sorted
- 7.2 返回函数
- 7.3 匿名函数
- 7.4 装饰器
- 7.5 偏函数
7. 函数式编程
函数式编程，即 Functional Programming，有以下几个特点：
- 没有副作用：对于任意一个函数，只要输入是确定的，输出就是确定的，这种纯函数没有副作用；
- 接近自然语言，易于理解：函数式编程的自由度很高，可以写出很接近自然语言的代码；
- 函数是“第一等公民”：函数与其他数据类型一样，处于平等地位，可以赋值给其他变量，也可以作为参数，传入另一个函数，或者作为别的函数的返回值。
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。
7.1 高阶函数
高阶函数，即 Higher-order function，有几个特点：
变量可以指向函数
这里以 abs() 函数来作说明：
print(abs(-10)) # 10
# 直接打印 abs 呢？
print(abs) # 可以看到，可以用变量指向函数，并且可以通过这个变量来调用函数。
函数名也是变量
函数名其实就是指向函数的变量。
通过 abs() 这个内置函数进行说明，这个函数的作用是计算绝对值。这里我们完全可以把 abs 这个函数名看作变量，它指向了一个可以计算绝对值的函数。既然 abs 是一个变量，当然可以指向其他对象。
# 函数名也是变量
# abs = 10
# print(abs(-10)) # 报错
'''
Traceback (most recent call last):
File "higher_order_function_intro.py", line 13, in
print(abs(-10))
TypeError: 'int' object is not callable
'''
上面我们把 abs 这个函数名，当做变量，指向了 10。接着，又期望 abs(-10) 可以得出结果 10。实际上，是报错的。其实现在 abs 是指向了 10，而不再指向绝对值函数了。这一点是需要注意的。
传入函数
既然变量可以指向函数，而函数的参数可以接收变量，那么一个函数就可以接收另一个函数作为参数，这种函数就是高阶函数。
# -----传入函数------
def add(x, y, f):
return f(x) + f(y)
print(add(-5, 6, abs)) # 11
7.1.1 map/reduce
map 函数接收多个参数，第一个是函数，后面的参数是一个或多个Iterable，用逗号隔开，返回一个 Iterator。map 函数语法：
map(function, iterable, …)
map 函数将传入的函数依次作用到Iterable 中的每个元素上，把结果作为 Iterator 返回。map 函数是 Python 中的内置函数。
from collections.abc import Iterator, Iterable
# map() 函数
# 把 f(x) = x ^ 2, 作用在一个 list [1,2,3,4,5,6,7,8,9] 上
def f(x):
return x ** 2
r = map(f, [1,2,3,4,5,6,7,8,9])
print(isinstance(r, Iterator)) # True，说明 r 是 Iterator。
print(isinstance(r, Iterable)) # True，说明 r 是 Iterable。
# Iterator 是一个惰性序列
# 迭代方式一：
print(list(r))
# 迭代方式二：
for y in r:
print(y)
利用 map 函数，把 list 中的每个整数转为字符串：
print(list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9])))
# 打印结果：['1', '2', '3', '4', '5', '6', '7', '8', '9']
利用 map 函数，对两个列表相同位置的元素进行相加
print(list(map(lambda x, y : x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10]))) # [3, 7, 11, 15, 19]
reduce 函数：第一个参数是函数，第二个参数是 Iterable，第三个参数是可选参数，reduce 函数的返回值与作为第一个参数的函数的返回值是一致的。需要注意的是，作为第一个参数的函数必须接收两个参数。reduce 函数的语法：
reduce(function, sequence [, initial] )
reduce 函数的作用是如果不提供 initial 参数，则先用函数对可迭代序列中的第一个元素和第二个元素进行操作，得到一个结果，再用函数对上一步得到的结果和第三个元素进行操作，以此类推，直到达到最后的结果为止。如果提供 initial 参数，则先用函数对 initial 的值和可迭代序列中的第一个元素进行操作。
reduce 函数并不是 Python 的内置函数，使用 reduce 函数需要先进行导入：
from functools import reduce
计算列表的和：
def add(x, y):
return x + y
print(reduce(add, [1, 2, 3, 4, 5])) # 15
把序列[1,3,5,7,9]变为整数13579：
def trans(x, y):
return 10 * x + y
print(reduce(trans, [1, 3, 5, 7, 9])) # 13579
把 str类型 转 int类型：
DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4,
'5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
def str2int(s):
def char2num(ch):
return DIGITS[ch]
def fn(x, y):
return 10 * x + y
return reduce(fn, map(char2num, s))
print('1378') # 1378
上面的例子涉及了局部函数：Python 支持在函数体内定义函数，这既是局部函数。
7.1.2 filter
filter 函数接收两个参数，第一个参数是函数，第二个参数是可迭代对象，返回值是迭代器对象。
filter 函数是 Python 的内置函数，filter 函数的语法为：
filter(function, iterable)
filter 函数的作用是过滤序列，将序列中的每个元素作为参数传递给函数，函数判断结果是 True或 False，为 True 时，则该元素保留在新的列表中，为False 时，则该元素不保留在新的列表中。
需要注意的是，当 function 参数不是 None 时，filter(function,iterable) 和生成器表达式 (item for item in iterable if function(item)) 是等价的；当 function 参数是None 时，等价于 (item for item in iterable if item)。
在一个 list 中，删掉偶数，只保留奇数：
# 判断是不是奇数的方法
def is_odd(n):
return n & 1 != 0
print(list(filter(is_odd, [1, 2, 3, 5, 8, 9, 12]))) # [1, 3, 5, 9]
在一个 list 中，删除负数，只保留整数：
print(list(filter(lambda x : x > 0, [-1, -2, 3, 4, 5]))) # [3, 4, 5]
第一个参数为 None时，保留判断为 True的元素：
print(list(filter(None, [0, 1, '', False, True]))) # [1, True]
7.1.3 sorted
sorted 函数的语法：
sorted(iterable, *, key=None, reverse=False)
第一个参数是一个可迭代对象，
第二个参数是个函数，用来处理进行比较的元素，只有一个参数，具体的函数的参数就是取自于可迭代对象中，指定可迭代对象中的一个元素来进行排序。
第三个参数是排序规则，reverse = True 降序 ， reverse = False 升序（默认）。
返回一个新的 list。
参数列表里的 *表示命名关键字参数，意思就是后面两个参数的名字 key 和 value 是被限定的，而且如果传递实参时，必须要带上参数名。
我们还注意到，key 和 value 这两个参数使用了默认参数。
# 对 list 进行从小到大排序
print(sorted([36, -3, 1, 20, -5])) # [-5, -3, 1, 20, 36]
# 对 list 进行从大到小排序
print(sorted([36, -3, 1, 20, -5], reverse=True)) # [36, 20, 1, -3, -5]
# 对 list 按绝对值从小到大排序
print(sorted([36, -3, 1, 20, -5], key=abs)) # [1, -3, -5, 20, 36]
7.2 返回函数
函数作为返回值
以求和函数为例说明：
# 函数作为返回值，不会立即求和
def lazy_sum(*args):
# 这里定义了局部函数
def sum():
result = 0
for n in args:
result += n
return result
return sum
f = lazy_sum(1, 2, 3, 4)
print(f) # .sum at 0x7f51b0fd28c8>
print(f()) # 10
上面的代码使用了闭包，那么什么是闭包呢？
一个函数定义中引用了函数外定义的变量，并且该函数可以在其定义环境外被执行。这样的一个函数我们称之为闭包。
因为在上面的代码中，函数 sum 就是一个闭包，它引用了 lazy_sum 的参数 args。
每次调用 lazy_sum，都会返回一个新的函数，即便是传入的参数是一模一样的：
# 每次调用 lazy_sum ，都会返回一个新的函数变量
f1 = lazy_sum(1, 2, 3, 4)
f2 = lazy_sum(1, 2, 3, 4)
print(f1) # .sum at 0x7f8c919ea950>
print(f2) # .sum at 0x7f8c919ea9d8>
但是， 返回闭包时牢记一点：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。
7.3 匿名函数
以之前学习 map 函数时，把容器中的数字，经过 f(x) = x^2，变换每一个元素，得到新的容器的例子来说明：
之前的写法是：
def f(x):
return x ** 2
print(list(map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])))
# 打印结果：[1, 4, 9, 16, 25, 36, 49, 64, 81]
匿名函数的写法是：
print(list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9])))
# 打印结果：[1, 4, 9, 16, 25, 36, 49, 64, 81]
可以看到我们使用 lambda x: x * x 替代了函数 f。
关键字 lambda表示匿名函数，冒号前面的 x 表示函数参数，和函数一样，参数列表可以包含多个参数，也可以不包括任何参数；冒号后面的 x * x 表示函数体，但是匿名函数的函数体只能有一个表达式，并且不用写return，返回值就是这个表达式的结果。
匿名函数也是函数，而函数可以赋值给变量，所以匿名函数也可以赋值给变量。
g = lambda x, y: x + y
print(g(1, 1)) # 2
匿名函数也可以作为返回值返回。
def add(x, y):
return lambda: x + y
print(add(2, 3)()) # 5
注意上面的例子中，匿名函数的参数列表为空，但是冒号可以不能省略的。
7.4 装饰器
装饰器这一部分有点不好懂。
Python 中的装饰器（decorator）允许在不修改原函数定义的情况下，在代码允许期间动态添加功能。这样的好处是，抽离出大量与函数功能本身无关的代码到装饰器中并获得重用。
参考：理解 Python 装饰器看这一篇就够了
7.5 偏函数
偏函数（partial function），是由 Python 的 functools 模块提供的功能。
偏函数的作用是：当函数的参数个数太多，需要简化调用时，可以使用 functools.partial 创建一个新的函数，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。
以 int 函数把字符串转为整数的例子来说明：
大量需要一个把字符串，按二进制转为十进制的整数，可以这样写：
print(int('100000', base = 2)) # 32，把 100000 按照二进制，转为十进制是32
print(int('10000', base = 2)) # 16，把 10000 按照二进制，转为十进制是16
print(int('1000', base = 2)) # 8，把 1000 按照二进制，转为十进制是8
抽取一个函数 int2，是这样的：
def int2(x, base=2):
return int(x, base)
print(int2('100000')) # 32
print(int2('10000')) # 16
print(int2('1000')) # 8
使用偏函数，需要先导入 import functools：
int2 = functools.partial(int, base = 2)
print(int2('100000')) # 32
print(int2('10000')) # 16
print(int2('1000')) # 8
print(int2('100000', base = 10)) # 100000