十二.函数式编程

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。

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。

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。

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！

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。

高阶函数

高阶函数英文叫Higher-order function。什么是高阶函数？咱们以实际代码为例子，一步一步深刻概念。

变量能够指向函数

以Python内置的求绝对值的函数abs()为例，调用该函数用如下代码：

#coding=utf-8  
print abs(-10)

可是，若是只写abs呢？

>>> abs
<built-in function abs>

可见，abs(-10)是函数调用，而abs是函数自己。

要得到函数调用结果，咱们能够把结果赋值给变量：

>>> x = abs(-10)
>>> x
10

可是，若是把函数自己赋值给变量呢？

>>> f = abs
>>> f
<built-in function abs>

结论：函数自己也能够赋值给变量，即：变量能够指向函数。

若是一个变量指向了一个函数，那么，能否经过该变量来调用这个函数？用代码验证一下：

函数名也是变量

那么函数名是什么呢？函数名其实就是指向函数的变量！对于abs()这个函数，彻底能够把函数名abs当作变量，它指向一个能够计算绝对值的函数！

若是把abs指向其余对象，会有什么状况发生

>>> abs = 10
>>> abs(-10)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'int' object is not callable

把abs指向10后，就没法经过abs(-10)调用该函数了！由于abs这个变量已经不指向求绝对值函数而是指向一个整数10！

固然实际代码绝对不能这么写，这里是为了说明函数名也是变量。要恢复abs函数，请重启Python交互环境。

注：因为abs函数其实是定义在import builtins模块中的，因此要让修改abs变量的指向在其它模块也生效，要用import builtins; builtins.abs = 10。

传入函数

既然变量能够指向函数，函数的参数能接收变量，那么一个函数就能够接收另外一个函数做为参数，这种函数就称之为高阶函数。

一个最简单的高阶函数：

当咱们调用add(-5, 6, abs)时，参数x，y和f分别接收-5，6和abs，根据函数定义，咱们能够推导计算过程为：

#coding=utf-8  
def add(x, y, f):
    return f(x) + f(y)

print add(-5,6,abs)

编写高阶函数，就是让函数的参数可以接收别的函数。

map/reduce

Python内建了map()和reduce()函数。

若是你读过Google的那篇大名鼎鼎的论文“MapReduce: Simplified Data Processing on Large Clusters”，你就能大概明白map/reduce的概念。

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

举例说明，好比咱们有一个函数f(x)=x2，要把这个函数做用在一个list [1, 2, 3, 4, 5, 6, 7, 8, 9]上，就能够用map()实现以下：

\

如今，咱们用Python代码实现：

#coding=utf-8  
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]

map()传入的第一个参数是f，即函数对象自己。因为结果r是一个Iterator，Iterator是惰性序列，所以经过list()函数让它把整个序列都计算出来并返回一个list。

你可能会想，不须要map()函数，写一个循环，也能够计算出结果：

#coding=utf-8  
L = []
def f(x):
     return x * x
for n in [1, 2, 3, 4, 5, 6, 7, 8, 9]:
    L.append(f(n))
print(L)

的确能够，可是，从上面的循环代码，能一眼看明白“把f(x)做用在list的每个元素并把结果生成一个新的list”吗？

因此，map()做为高阶函数，事实上它把运算规则抽象了，所以，咱们不但能够计算简单的f(x)=x2，还能够计算任意复杂的函数，好比，把这个list全部数字转为字符串：

的确能够，可是，从上面的循环代码，能一眼看明白“把f(x)做用在list的每个元素并把结果生成一个新的list”吗？

因此，map()做为高阶函数，事实上它把运算规则抽象了，所以，咱们不但能够计算简单的f(x)=x2，还能够计算任意复杂的函数，好比，把这个list全部数字转为字符串：

#coding=utf-8  
print list(map(str,[1,2,3,4,5,6,7,8,9]))

只须要一行代码。

再看reduce的用法。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，其效果就是：

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

比方说对一个序列求和，就能够用reduce实现：

#coding=utf-8  
from functools import reduce
def f(x):
    return x * x
def add(x,y):
    return x + y
print reduce(add,[1,3,5,7,9])
25

固然求和运算能够直接用Python内建函数sum()，不必动用reduce。

可是若是要把序列[1, 3, 5, 7, 9]变换成整数13579，reduce就能够派上用场：

from functools import reduce
def f(x):
    return x * x
def add(x,y):
    return x + y
def fn(x,y):
    return x * 10 + y
print reduce(fn,[1,3,5,7,9])

13579

这个例子自己没多大用处，可是，若是考虑到字符串str也是一个序列，对上面的例子稍加改动，配合map()，咱们就能够写出把str转换为int的函数：

>>> from functools import reduce
>>> 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]
...
>>> reduce(fn, map(char2num, '13579'))
13579

整理成一个str2int的函数就是

from functools import reduce

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))

还能够用lambda函数进一步简化成：

from functools import reduce

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]

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

还能够用lambda函数进一步简化成：后面再细研究,在此不作演示,实际上是不知道呀

练习

1.利用map()函数，把用户输入的不规范的英文名字，变为首字母大写，其余小写的规范名字。输入：['adam', 'LISA', 'barT']，输出：['Adam', 'Lisa', 'Bart']：

#coding=utf-8  
from functools import reduce
def normalize(name):
    return name.capitalize()
L1 = ['adam', 'LISA', 'barT']
L2 = list(map(normalize,L1))
print 'L2', L2

小总结:经测试 capitalize()是字符串方法,可将字符串首字母大写,其他字母小写化!,map2个参数,函数,队列,调用的函数的参数将是队列中的每个值,单独分开来去掉用函数

2.Python提供的sum()函数能够接受一个list并求和，请编写一个prod()函数，能够接受一个list并利用reduce()求积：

#coding=utf-8  
from functools import reduce
def prod(x,y):
    return x * y
L = [3, 5, 7, 9]
print reduce(prod,L)

总结,reduce有2个参数,(调用的函数,序列),被调用的函数应有2个参数--例子是整个的序列,不懂耶,之后再说--,2个参数分别对应着序列的顺序排列变量