python学习笔记(四) - 函数式编程

一. 高阶函数

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

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

print add(-5, 6, abs) # 11

(1) map/reduce

a. map

map接受两个参数，一个函数，一个序列，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。

def f(x):
    return x * x
print map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9]) # [1, 4, 9, 16, 25, 36, 49, 64, 81]

# 标准函数定义
def fn(s):
    def f(x):
        return x * x
    return map(f, s)

b. reduce

reduce把一个函数作用在一个序列上[x1, x2, x3...]上，这个函数必须接受两个参数，reduce把结果继续和序列的下一个元素做累积运算，其效果就是：

reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

使用reduce实现序列求和：

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

print reduce(add, [1, 3, 5, 7, 9])  # 25

def fn(s):
    def f(x, y):
        return x + y
    return reduce(f, s)

print fn([1, 3, 5, 7, 9])

(2) filter

和map()类似，filter()也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。

例子：在一个list中，删掉偶数，只保留奇数

def is_odd(x):
    return x % 2 == 0

print filter(is_odd, [1, 2, 3, 4, 5])  # [2, 4]

例子：把一个序列中的空字符串删掉

def not_empty(s):
    return s and s.strip()

print filter(not_empty, ['A', None, 'C', '  '])  # ['A', 'C']

(3) sorted

python可以使用内置的sorted()函数对list进行排序：

>>> sorted([36, 5, 12, 9, 21])
[5, 9, 12, 21, 36]

sorted函数也是一个高阶函数，它可以接受一个比较函数来实现自定义排序，比如如果要倒序排序，可以自定义reversed_cmp

def reversed_cmp(x, y):
    if x > y:
        return -1
    if x < y:
        return 1
    return 0

print sorted([36, 5, 12, 9, 21], reversed_cmp) # [36, 21, 12, 9, 5]

二.返回函数

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。

例子：不返回求和的结果，而是返回求和的结果，需要的时候再返回结果

def lazy_sum(*args):
    def sum():
        ax = 0
        for n in args:
            ax = ax + n
        return ax
    return sum

f = lazy_sum(1, 3, 5, 7, 9)
print f()  # 25

三.匿名函数

当我们在传入函数时，有些时候，不需要显示地定义函数，直接传入匿名函数更方便。

print map(lambda x: x * x, [1, 2, 3]) # [1, 4, 9]

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，不能写return，返回值就是该表达式的结果。

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

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

四.装饰器

假设有这么个需求：在函数调用前后自动打印日志，但又不希望修改函数的定义，这种在代码运行期间动态增加功能的方式，称之为装饰器。

本质上，decorator就是一个返回函数的高阶函数，我们可以定义一个打印日志的decorator:

def log(func):
    def wrapper(*args, **kw):
        print 'call %s():' % func.__name__
        return func(*args, **kw)
    return wrapper

@log
def now():
    print '2013-12-25'
    
now()

上面的log就是一个decorator，它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()的时候会打印一行日志：

call now()

2013-12-25

把@log放到now()函数的定义处，相当于执行了语句：now = log(now)

五.偏函数

使用functools.partial创建偏函数，可以把一个函数的某些参数给固定住，也就是设置默认值，返回一个新的新的函数，调用这个新函数会更简单。

比如：将字符串转为二进制：

import functools
int2 = functools.partial(int, base=2)
print int2('1000000')  # 64
print int2('1010101')  # 85