Python高级语法——函数式编程——学习心得笔记

Python高级语法——函数式编程——学习心得笔记

1. 函数式编程（FunctionalProgramming)

1.1. 基于lambda演算的一种编程方式

• 程序中只有函数

• 函数可以作为参数，同样可以作为返回值

• 纯函数式编程语言：LISP, Haskell

• Python函数式编程只是借鉴函数式编程的一些特点，可以理解为一半函数式一半Python

• 常用函数

  • 高阶函数
  • 返回函数
  • 匿名函数
  • 装饰器
  • 偏函数

• lambda表达式

• 函数：最大程度复用代码

  • 存在问题： 如果函数很小很短，则会造成啰嗦
  • 如果函数被调用次数少，则会造成浪费
  • 对于阅读者来说，造成阅读流程的被迫中断
  • 看实例 小函数

• lambda表达式（匿名函数）

  • 一个表达式，函数体相对简单
  • 不是一个代码块，仅仅是一个表达式
  • 可以有参数，有多个参数也可以，用逗号隔开
  • 看实例

1.2. 高阶函数

• 把函数作为参数使用的函数，叫高阶函数

• 看实例

• 系统高阶函数

• map: 映射

  • 即把集合或者列表中的元素，每一个元素都按照一定的规则进行操作，生成一个新的
    列表或者集合
  • map函数是系统提供的具有映射功能的高阶函数，返回值是一个迭代对象
  • 看实例

• reduce: 归并，缩减

  • 把一个可迭代的对象最后归并成一个结果
  • 对于函数参数有要求：
  • 必须有两个参数，必须有返回结果
    = 看实例

• filter: 过滤函数

  • 对一组数据进行过滤，符合条件的数据会生成一个新的列表并返回
  • 看实例

• 排序

  • python内置函数(sort()、sorted()、argsort()
  • 高阶函数排序：把一个序列按照给定算法进行排序

• 返回函数

  • 函数作为函数值返回
  • 看实例

• 闭包（closure）
  **

实例

**

# Python高级语法——函数式编程

# '小'函数举例
def printA():
    print("AAAAA")


printA()

# lambda表达式(匿名函数)
# 以lambda开头
# 紧跟一定的参数，如果有的话
# 参数后用冒号和表达式主题隔开
# 只是一个表达式，所以没有return

# 计算一个数字的100倍
stm = lambda x: 100 * x
# 使用上跟调用函数一模一样
print(stm(100))

# 下式也可以定义为一个函数，返回一个值，但是表达式会比这个复杂的多
stm1 = lambda x, y, z: x + y * 10 + z * 100
print(stm1(4, 5, 6))


# 高阶函数，函数作为参数使用的函数
# 函数名称就是一个变量
def funA():
    print("In funA")


funB = funA
funA()
funB()


# 高阶函数举例
# funA是普通函数，返回一个传入数字的100倍的数字
def funA(n):
    return n * 100


# 在写一个普通函数，把传入的函数乘以300倍
def funB(n):
    return funA(n) * 3


print(funB(9))


# 写一个高阶函数，f = funA
def funC(n, f):
    # 假定函数是把n扩大100倍
    return f(n) * 3


print(funC(9, funA))


# 比较funC和funB,显热funC更灵活
# 例如n现在要放大30倍
# 如果要调用funB,需要修改funB的函数本体
def funD(n):
    return n * 10


print(funC(9, funD))

# map映射实例
l1 = [i for i in range(10)]
print(l1)
l2 = []
for i in l1:
    l2.append(i * 10)
print(l2)

# map实现上述功能
l1 = [i for i in range(10)]


def mulTen(n):
    return n * 10


l3 = map(mulTen, l1)
for i in l3:
    print(i)
print(l3)

# reduce实例
from functools import reduce


def myAdd(x, y):
    return x + y


# 对于列表[1, 2, 3, ....]执行,前一个加一个一直结束返回一个值
# 1到100的数字相加
rst = reduce(myAdd, [i for i in range(101)])
print(rst)


# filter函数
# 定义过滤函数
# 过滤函数要求有输入，返回布尔值
def isEven(a):
    return a % 2 == 0


l = [3, 3, 3, 45, 23, 54, 63, 24, 67, 5, 5, 6, 9, 8, 8]
rst = filter(isEven, l)
print(type(rst))
print(rst)
# 返回的就是filter数据，数据都进行了包装
# 采用for循环提取数据
print([i for i in rst])

# 排序案例
l = [3, 45, -7, 23, 54, -43, -78, 63, 24, 67, -120, 5, 6, 9, 8]
# 正序
al = sorted(l)
print(al)
# 倒序
al = sorted(l, reverse=True)
print(al)

# 按照绝对值排序
al = sorted(l, key=abs, reverse=True)
print(al)

# sorted案例
astr = ['abc', 'Tian', 'hafj', 'Xixi']
str1 = sorted(astr)
print(str1)

str2 = sorted(astr, key=str.lower)
print(str2)


# 函数作为值返回
def myF2():
    def myF3():
        print("In myF3")
        return 3

    return myF3


f3 = myF2()
print(type(f3))
print(f3)

1.3. 装饰器（decrator)

• 在不改动函数代码的基础上次无限扩展函数功能的一种机制
• 本质上讲，装饰器是一个返回函数的高阶函数
• 装饰器语法：
  • 使用@语法，即在每次要扩展到函数定义前使用@+函数名
  • 看实例23_2.py
• 装饰器的好处：
  • 一旦定义，则可以装饰任意函数
  • 一旦被其装饰，则把装饰器的功能直接添加到定义的函数上
    **

实例23_2

**

# 装饰器
# 对hello函数进行扩展
# 高阶函数，以函数作为参数

import time


def printTime(f):
    def wrapper(*args, **kwargs):
        print("Time: ", time.ctime())
        return f(*args, **kwargs)

    return wrapper()


# 上面定义了一个装饰器。调用需要使用@
# hello函数就进行了扩展
@printTime
def hello():
    print("Hello world!")
hello

@printTime
def hello1():
    print("Hello world!")
hello1


# 偏函数
# 把字符串转化为十进制数字
l = int("12345")
# print(l)

# 求八进制的字符串12345，表示成十进制的数字是多少
l = int("12345", base=8)
# print(l)

# 新建一个函数，函数默认输入的是的字符串是16进制的数字
# 把此字符串转化成十进制和八进制的数字
def int16(x, base=16):
    return int(x, base)
print(int16("12345"))


def int10(x, base=16):
    return int(x, base=8)
print(int10("12345"))


# 偏函数
import functools
# 实现上面int16的功能
int16 = functools.partial(int, base=16)
print(int16("12345"))


# 高级函数补充
# zip实例
l1 = [1, 2, 3, 4, 5]
l2 = [11, 22, 33, 44, 55]
l3 = zip(l1, l2)
print(type(l3))
print(l3)
for i in l3:
    print(i)

l1 = ['zhangfei', 'lisi', 'zhuergou']
l2 = [56, 76, 98]
l3 = zip(l1, l2)
for i in l3:
    print(i)

# enumerate实例
# 每个值添加一个索引
l1 = [1, 2, 3, 4, 5]
em = enumerate(l1)
l2 = [i for i in em]
print(l2)

em = enumerate(l1, start=100)
l2 = [i for i in em]
print(l2)

1.4. 偏函数

• functools.partial()
• 作用：把一个函数的某些函数或者参数固定，返回一个新函数
• 看实例

1.5. 高级函数补充

• zip 把两个可迭代内容生成一个可迭代的tuple元素类型组成的内容
• enumerate 根zip功能很像，可迭代对象里的每一个元素，配上一个索引，然后索引和内容构成一个tuple类型
• collection
  • namedtuple： 是一个可命名的tuple
  • deque: 解决了频繁删除和插入带来的效率问题
  • defaultdict: 当直接读取dict不存在的属性时，直接返回默认值
  • counter: 统计字符串中每个字符出现的个数，并返回一个字典
  • 看实例23_3.py
    实例23_3

# collection模块
# namedtuple

import collections
# help(collections.namedtuple)
# 定义一个点
Point = collections.namedtuple("Point", ['x', 'y'])
p = Point(11, 12)
print(p.x)
print(p.y)
print(p[0])
print(p[1])

# 定义一个圆
Circle = collections.namedtuple("Circle",['x', 'y', 'r'])
c = Circle(100, 150, 50)
print(c)
print(c.x)
print(type(c))

# c是不是一个tuple(元组)
i = isinstance(c, tuple)
print(i)


# dequeue
from collections import deque

q = deque(['a', 'b', 'c'])
print(q)
q.append('d')
q.appendleft('x')
print(q)


# defaultdict
from collections import defaultdict
func = lambda: "Felix"
d2 = defaultdict(func)

print(d2['one'])
print(d2['four'])


# Counter统计每个字符出现的个数,返回字典
from collections import Counter
c = Counter('abcfeafffefaljdfjakdjkdjdkkd')
print(c)

1.6. 调试技术

• 调试流程：单元测试->集成测试->交测试部
• 分类：
  • 静态调试：
  • 动态调试：
• pycharm调试
  • run： 全部运行模式
  • debug： 调试模式
  • 断点：程序的某一行，程序在debug模式下，遇到断点就会暂停