Python学习之函数式编程

时间 2019-11-08

原文原文链接

Python学习目录python

练习代码git

函数式编程就是一种抽象程度很高的编程范式，纯粹的函数式编程语言编写的函数没有变量，所以，任意一个函数，只要输入是肯定的，输出就是肯定的，这种纯函数咱们称之为没有反作用。而容许使用变量的程序设计语言，因为函数内部的变量状态不肯定，一样的输入，可能获得不一样的输出，所以，这种函数是有反作用的。函数式编程的一个特色就是，容许把函数自己做为参数传入另外一个函数，还容许返回一个函数！github

Python对函数式编程提供部分支持。因为Python容许使用变量，所以，Python不是纯函数式编程语言。编程

函数是Python内建支持的一种封装，咱们经过把大段代码拆成函数，经过一层一层的函数调用，就能够把复杂任务分解成简单的任务，这种分解能够称之为面向过程的程序设计。函数就是面向过程的程序设计的基本单元。网络

而函数式编程（请注意多了一个“式”字）——Functional Programming，虽然也能够归结到面向过程的程序设计，但其思想更接近数学计算。闭包

咱们首先要搞明白计算机（Computer）和计算（Compute）的概念。在计算机的层次上，CPU执行的是加减乘除的指令代码，以及各类条件判断和跳转指令，因此，汇编语言是最贴近计算机的语言。而计算则指数学意义上的计算，越是抽象的计算，离计算机硬件越远。对应到编程语言，就是越低级的语言，越贴近计算机，抽象程度低，执行效率高，好比C语言；越高级的语言，越贴近计算，抽象程度高，执行效率低，好比Lisp语言。app

高阶函数

在python中函数名是指向函数的变量，当函数的参数也是函数的时候，这种函数咱们称之为高阶函数。编程语言

def add(x, y, f):
    return f(x) + f(y)
add(1, -6, abs)
复制代码

map/reduce

map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次做用到序列的每一个元素，并把结果做为新的Iterator返回。函数式编程

def f(x):
    return x * x
r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
print(list(r))

>>> [1, 4, 9, 16, 25, 36, 49, 64, 81]
复制代码

reduce把一个函数做用在一个序列[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作累积计算，效果以下:函数

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

结合map和reduce能够整理出一个str2int的函数:

from functools import reduce

DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}

def char2num(s):
    return DIGITS[s]

def str2int(s):
    return reduce(lambda x, y: x * 10 + y, map(char2num, s))
复制代码

filter

Python内建的filter()函数用于过滤序列。

和map()相似，filter()也接收一个函数和一个序列。和map()不一样的是，filter()把传入的函数依次做用于每一个元素，而后根据返回值是True仍是False决定保留仍是丢弃该元素。

例如，在一个list中，删掉偶数，只保留奇数，能够这么写：

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

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

sorted

对list进行排序：

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

此外，sorted()函数也是一个高阶函数，它还能够接收一个key函数来实现自定义的排序，例如按绝对值大小排序：

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

字符串排序:

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

忽略大小写:

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

要进行反向排序，没必要改动key函数，能够传入第三个参数reverse=True

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

返回函数

定义

高阶函数除了能够接受函数做为参数外，还能够把函数做为结果值返回。

咱们来实现一个可变参数的求和。一般状况下，求和的函数是这样定义的：

def calc_sum(*args):
    ax = 0
    for n in args:
        ax = ax + n
    return ax
复制代码

可是，若是不须要马上求和，而是在后面的代码中，根据须要再计算怎么办？能够不返回求和的结果，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
复制代码

当咱们调用lazy_sum()时，返回的并非求和结果，而是求和函数：

>>> f = lazy_sum(1, 3, 5, 7, 9)
>>> f
<function lazy_sum.<locals>.sum at 0x101c6ed90>
复制代码

调用函数f时，才真正计算求和的结果

>>> f()
25
复制代码

闭包

如上所示的例子中，咱们在函数lazy_sum中又定义了函数sum，而且，内部函数sum能够引用外部函数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）”。

注意点：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。

以下所示：

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

f1, f2, f3 = count()
复制代码

返回结果以下：

>>> f1()
9
>>> f2()
9
>>> f3()
9
复制代码

匿名函数

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。

>>> list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
[1, 4, 9, 16, 25, 36, 49, 64, 81]
复制代码

装饰器

代码运行期间动态增长功能的方式，称之为“装饰器”（Decorator）。本质上，decorator就是一个返回函数的高阶函数。

定义一个能打印日志的decorator，能够定义以下：

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

观察上面的log，由于它是一个decorator，因此接受一个函数做为参数，并返回一个函数。咱们要借助Python的@语法，把decorator置于函数的定义处：

@log
def now():
    print('2015-3-25')

>>> now()
call now():
2015-3-25
复制代码

把@log放到now()函数的定义处，至关于执行了语句：now = log(now),now变量指向了新的函数。

若是decorator自己须要传入参数，那就须要编写一个返回decorator的高阶函数，写出来会更复杂。好比，要自定义log的文本：

def log(text):
    def decorator(func):
        def wrapper(*args, **kw):
            print('%s %s():' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator
复制代码

这个3层嵌套的decorator用法以下：

@log('execute')
def now():
    print('2015-3-25')
    
>>> now()
execute now():
2015-3-25
复制代码

和两层嵌套的decorator相比，3层嵌套的效果是这样的：>>> now = log('execute')(now)

有个问题，通过decorator装饰以后的函数，它们的__name__已经从原来的'now'变成了'wrapper'：

>>> now.__name__
'wrapper'
复制代码

Python内置的functools.wraps用来复制函数_name_属性的：

import functools

def log(func):
 @functools.wraps(func)
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper
复制代码

或者针对带参数的装饰器：

import functools

def log(text):
    def decorator(func):
 @functools.wraps(func)
        def wrapper(*args, **kw):
            print('%s %s():' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator
复制代码

偏函数

Python的functools模块提供了不少有用的功能，其中一个就是偏函数（Partial function）。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。

建立偏函数时，实际上能够接收函数对象、*args和**kw这3个参数。

好比要使用int()函数去转换二进制字符串，本来的写法是：int(x, base=2)，若是量大的话，很麻烦，因此咱们能够这么写：

>>> import functools
>>> int2 = functools.partial(int, base=2)
>>> int2('1000000')
64
>>> int2('1010101')
85
复制代码

上面的in2 = functools.partial(int, base=2)至关于：

kw = { 'base': 2 }
int('10010', **kw)
复制代码

下一篇：Python学习之模块