廖雪峰Python教程学习笔记4-函数式编程

函数式编程就是一种抽象程度很高的编程范式，其一个特点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！

1 高阶函数

把函数作为参数传入，这样的函数称为高阶函数，函数式编程就是指这种高度抽象的编程范式。

• 变量可以指向函数
• 函数名也是变量

既然变量可以指向函数，函数的参数能接收变量，那么一个函数就可以接收另一个函数作为参数，这种函数就称之为高阶函数。

e.g.传入函数

def add(x, y, f):
    return f(x) + f(y)

当调用add(-5,6,abs) 时，高阶函数的计算过程如下：

x ==> -5
y ==> 6
f ==> abs
f(x) + f(y) ==> abs(-5) + abs(6) ==> 11

1.1 map/reduce

1.map()函数
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。map() 作为高阶函数，把运算规则抽象了，可以用它计算任意复杂的函数。
e.g.

>>> 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]

2.reduce()函数

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：

reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)#跟迭代差不多

e.g.

#利用map()函数轻松实现字符串转整型
def str2int(s):
    def fn(x, y):
        return x * 10 + y
    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]
    return reduce(fn, map(char2num, s))

1.2 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()不同的时，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。
e.g.

def is_odd(n):
    return n % 2 == 1

filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])
# 结果: [1, 5, 9, 15]

用filter()函数关键在于正确实现一个“筛选”函数。

1.3 sorted

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。
e.g.

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)
[36, 21, 12, 9, 5]

2 返回函数

2.1 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。
e.g.

#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
0x10452f668>
#调用函数f时，才真正计算求和的结果
>>>f()
25

在这个例子中，我们在函数lazy_sum中又定义了函数sum，并且，内部函数sum可以引用外部函数lazy_sum的参数和局部变量，当lazy_sum返回函数sum时，相关参数和变量都保存在返回的函数中，这种称为“闭包（Closure）”的程序结构拥有极大的威力。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。

2.2 闭包

可以认为闭包 = 函数 + 引用环境，也就是说，当形成一个闭包之后，放进闭包的并不是具体的值。
e.g.

def count():
    fs = []
    for i in range(1, 4):
        def f():
             return i*i
        fs.append(f)
    return fs

f1, f2, f3 = count()
#实际调用结果是f1()、f2()、f3()的结果都是9
>>> f1()
9
>>> f2()
9
>>> f3()
9

以这一节的例子来看，闭包中应该只包含变量i的地址，告诉程序当它被调用时这个i应该从哪里找，此时并不涉及i的值。只有当真正调用时，才根据此时i的值算出最终结果，而此时在返回3个函数之后，i的值已经成为3了，所以当我们开始调用函数时，返回的值就都是9了。

返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。

3 匿名函数

匿名函数就是不需要显示地定义函数，在有时会很方便。
匿名函数lambda x:x*x 相当于

def f(x):
    return x*x

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，不用写return，返回值就是该表达式的结果。
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，或者把匿名函数作为返回值返回。

4 装饰器

在代码运行期间动态增加功能的方式被称为“装饰器”(Decorator)。比如，要增强某个函数的功能，在函数调用前后自动打印日志，但又不希望修改该函数的定义，就可写一个装饰器。

本质上，decorator就是一个返回函数的高阶函数。可以定义如下：

import functools 
#为了保证经过decorator装饰之后的函数,__name__等属性不发生变化，需要利用functools中的functools.wraps，加在wrapper定义前面
def log(func):
    @functools.wraps(func)
    def wrapper(*args, **kw):
        print 'call %s():' % func.__name__
        return func(*args, **kw)
    return wrapper

借助Python的@语法，把decorator置于函数的定义处：

@log #相当于执行了语句now=log(now)
def now():
    print '2013-12-25'

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：

>>> now()
call now():
2013-12-25

5 偏函数

偏函数functools.partial是Python的functools模块提供的诸多有用功能之一，其作用是把一个函数的某些参数给固定住（也就是设置为默认值），返回一个新函数，调用这个新函数会更简单。
e.g.

>>> import functools
>>> int2 = functools.partial(int, base=2)#将类型转换的int(x,base)函数的基参数base固定为二进制
>>> int2('1000000')
64
>>> int2('1010101')
85

偏函数可以接收函数对象、*args和**kw这3个参数，上面的例子相当于接收了函数对象和**kw参数。