负基础小白学习廖雪峰python教程记录（四）函数式编程

高阶函数

前言

变量可以指向函数

>>> f = abs

>>> f(-10)

10

函数名也是变量

>>> abs = 10

>>> abs(-10)

Traceback (most recent call last): 

 File"", line1, in

Type Error:'int' object is not callable

传入函数

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

def add(x, y, f):

    return f(x) + f(y)

map/reduce

map

map()函数接收两个参数，一个是函数，一个是Iterable，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Iterator返回

>>> def f(x):

...    return x*x

...

>>> r=map(f,[1,2,3,4,5,6,7,8,9])

>>> list(r)

[1, 4, 9, 16, 25, 36, 49, 64, 81]

>>> list(map(str,[1,2,3,4,5,6,7,8,9]))

['1', '2', '3', '4', '5', '6', '7', '8', '9']

reduce

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。

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

>>> from functools import reduce

>>> def add(x,y):

...    return x+y

...

>>> reduce(add,[1,3,5,7,9])

25

把序列[1, 3, 5, 7, 9]变换成整数13579，reduce用法：

>>> from functools import reduce

>>> def fn(x,y):

...    return x*10+y

...

>>> reduce(fn,[1,3,5,7,9])

13579

练习

第一题：
>>> def normalize(name):

...    a= name[0].upper()

...    b= name[1:].lower()

...    name=a+b

...    return name

...

>>> L1 = ['adam', 'LISA', 'barT']

>>> L2 = list(map(normalize, L1))

>>> print(L2)

['Adam', 'Lisa', 'Bart']

第二题：

>>> def prod(x,y):

...    return x*y

...

>>> reduce(prod,[3,5,7,9])

第三题：

？

filter

filter()函数用于过滤序列

例如，在一个list中，删掉偶数，只保留奇数：

>>> def is_odd(n):

...    return n%2==1

...

>>> list(filter(is_odd,[1,2,4,5,6,9,10,15]))

[1, 5, 9, 15]

用filter求素数

计算素数的一个方法是埃氏筛法。

首先，列出从2开始的所有自然数，构造一个序列。

取序列的第一个数2，它一定是素数，然后用2把序列的2的倍数筛掉

取新序列的第一个数3，它一定是素数，然后用3把序列的3的倍数筛掉

取新序列的第一个数5，然后用5把序列的5的倍数筛掉

不断筛下去，就可以得到所有的素数。

用Python来实现这个算法，可以先构造一个从3开始的奇数序列：

def_odd_iter():

    n =1

    while True: 

        n = n +2

        yield n

然后定义一个筛选函数：

def_not_divisible(n):

    return lambda x: x % n >0

最后，定义一个生成器，不断返回下一个素数：

def primes():

    yield 2 

    it = _odd_iter()    # 初始序列

    whileTrue: 

        n = next(it)      # 返回序列的第一个数

        yield n 

        it = filter(_not_divisible(n), it)    # 构造新序列

这个生成器先返回第一个素数2，然后，利用filter()不断产生筛选后的新的序列。由于primes()也是一个无限序列，所以调用时需要设置一个退出循环的条件：

# 打印1000以内的素数:

for n in primes():

    if n <1000: 

        print(n)

    else:

        break

练习

回数是指从左向右读和从右向左读都是一样的数，例如12321，909。请利用filter()筛选出回数：

def is_palindrome(n):

    return str(n) == str(n)[::-1]

sorted

sorted()也是一个高阶函数。用sorted()排序的关键在于实现一个映射函数。

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

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

绝对值排序：

>>> sorted([36,5,-12,9,-21],key=abs)

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

字符串排序，按照ASCII的大小比较的，由于'Z' < 'a'，结果，大写字母Z会排在小写字母a的前面：

>>> sorted(['bob','about','Zoo','Credit'])

['Credit', 'Zoo', 'about', 'bob']

忽略大小写的排序：

>>> sorted(['bob','about','Zoo','Credit'], key=str.lower)

['about','bob','Credit','Zoo']

反向排序：

>>> sorted(['bob','about','Zoo','Credit'], key=str.lower,reverse=True)

['Zoo', 'Credit', 'bob', 'about']

练习

L是用tuple来表示一对名字和分数的。

key是用来进行比较的元素，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。

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。

那么我们看代码中的t表示啥，表示的是不是可迭代对象（list）中的一个元素（tuple类型）

一个tuple的表示形式是('名字':分数）   ('Bob': 75)

 那么t[0]和t[1]，前一个名字，后一个分数。转换到key中去就是按照名字排序，和按照分数排序。

>>> L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]

>>> def by_name(t):

...      return t[0]

...

>>> sorted(L, key=by_name)

>>> def by_score(t):

...    return -t[1]       #成绩降序排列

...

>>> sorted(L, key=by_score)

[('Adam', 92), ('Lisa', 88), ('Bob', 75), ('Bart', 66)]

返回函数

函数作为返回值

通常情况下的求和：

def calc_sum(*args):

    ax =0

    for n in args: 

        ax = ax + n

    return ax

需要再计算的话，可以不返回求和的结果，而是返回求和的函数：

def lazy_sum(*args):

    def sum():

        ax =0

        for n in args: 

            ax = ax + n

            return ax

    return sum

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。（闭包程序）

闭包

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！！！！

>>> def count():

...    fs=[]

...    for i in range(1,4):

...            def f():

...                    return i*i

...            fs.append(f)

...    return fs

...

>>> f1,f2,f3=count()

>>> f1()

9

>>> f2()

9

>>> f3()

9

输出结果不是1，4，9。原因就在于返回的函数引用了变量i，但它并非立刻执行。等到3个函数都返回时，它们所引用的变量i已经变成了3，因此最终结果为9。

如果一定要引用循环变量怎么办？方法是再创建一个函数，用该函数的参数绑定循环变量当前的值，无论该循环变量后续如何更改，已绑定到函数参数的值不变：

>>> def count():

...    def f(j):

...            def g():

...                    return j*j

...            return g

...    fs=[]

...    for i in range(1,4):

...            fs.append(f(i))

...    return fs

...

>>> f1, f2, f3=count()

>>> f1()

1

>>> f2()

4

>>> f3()

9

作业

暂缺

匿名函数

>>> list(map(lambda x: x*x,[1,2,3,4,5,6,7,8,9]))

[1, 4, 9, 16, 25, 36, 49, 64, 81]

关键字lambda表示匿名函数，冒号前面的x表示函数参数。匿名函数只能有一个表达式，不用写return，返回值就是该表达式的结果。

匿名函数没有名字，不必担心函数名冲突。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：

>>> f=lambda x: x*x

>>> f

at 0x000001CE0FDCEE50>

>>> f(6)

36

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

作业

用匿名函数改写：

def is_odd(n):

    return n % 2 == 1

L = list(filter(is_odd, range(1, 20)))

改写后：

L=list(filter(lambda n: n%2==1, range(1, 20)))

print(L)

装饰器

函数对象可以被赋值给变量，所以，通过变量也能调用该函数。

>>> def now():

...    print('2015-3-25')

...

>>> f=now

>>> f()

2015-3-25

函数对象有一个__name__属性，可以拿到函数的名字：

>>> now.__name__        #两个下划线name两个下划线

'now'

>>> f.__name__

'now'

在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）

>>> def log(func):

...    def wrapper(*arg,**kw):

...            print('call %s():' % func.__name__)

...            return func(*arg,**kw)

...    return wrapper

借助Python的@语法，把decorator置于函数的定义处

>>> @log

... def now():

...    print('2015-3-25')

相当于执行了语句：now =log(now)

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():

2015-3-25

>>> def log(text):

...    def decorator(func):

...            def wrapper(*args,**kw):

...                    print('%s %s():' % (text, func.__name__))

...                    return func(*args,**kw)

...            return wrapper

...    return decorator

这个3层嵌套的decorator用法如下：

>>> @log('execute')

... def now():

...    print('2015-3-25')

执行结果如下：

>>> now()

execute now():

2015-3-25

此时：

>>> now.__name__

'wrapper'

import functools

>>> import functools

>>> def log(func):

...    @functools.wraps(func)

...    def wrapper(*args, **kw):

...            print('claa %s():' % func.__name__)

...            return func(*args,**kw)

...    return wrapper

或者针对带参数的decorator：

>>> import functools

>>> def log(text):

...    def decorator(func):

...            @functools.wrap(func)

...            def wrapper(*args, **kw):

...                    print('%s %s():' % (text, func.__name__))

...                    return func(*args, **kw)

...            return wrapper

...    return decorator

作业

暂缺

偏函数

把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，调用这个新函数会更简单。

通过设定参数的默认值，可以降低函数调用的难度。而偏函数也可以做到这一点。f

unctools.partial就是帮助我们创建一个偏函数的，不需要我们自己定义int2()，可以直接使用下面的代码创建一个新的函数int2：

>>> import functools

>>> int2=functools.partial(int, base=2)

>>> int('1000000')

1000000

>>> int2('1000000')

64

仅仅是把base参数重新设定默认值为2，但也可以在函数调用时传入其他值：

>>> int2('1000000', base=10)

1000000

创建偏函数时，实际上可以接收函数对象、*args和**kw这3个参数，当传入：

int2 = functools.partial (int, base=2)

实际上固定了int()函数的关键字参数base，也就是：

int2('10010')

相当于：

kw = {'base':2}

int('10010', **kw)

传入：

max2 =functools.partial(max,10)

实际上会把10作为*args的一部分自动加到左边，也就是：

max2(5, 6, 7)

args = (10, 5, 6, 7)

max(*args)

结果为10。