Python二次元世界-Lisp的帝国斜阳 lambda与closure
Python二次元世界-函数式编程python
Function , lambda与closure 程序员
本章讲述Python语言自Lisp语言演变而来的一些高级函数编程技巧 如闭包(closure) 面试
匿名函数（lambda） 生成器(yield) 嵌套做用域(nested scope)
好的Python程序员必须熟练掌握这几种特性 能快速地将代码移植到类Lisp语言 如scheme Emacs-Lisp JavaScript Java8 中
算法
特别提示∶在您浏览本教程时，不要强行记忆。记住一点∶在使用中学习。shell
1. Function编程
Python的函数的本质是对象方法和模块属性
声明/定义一个函数 def foo(): print “bar”
函数做用于对象 object/reference foo
函数的调用 foo() or obj.foo()
若是没有return语句 Python函数默认返回值是None
数组
>>> def hello(): ... print 'hello world' >>> >>> res = hello() hello world >>> res >>> print res None >>> type(res) <type 'None'>
不一样其余编程语言 Python不能够拥有多个返回值 可是你能够返回一个类型为list的对象单元或是元组 等同于一次返回多个值 典型的有 os.walk() return (root,path,???)闭包
def foo(): return ['xyz', 1000000, -98.6] def bar(): return 'abc', [42, 'python'], "Guido"
为保证返回值的不可变 可使用元组 如os.walk()app
def foo(): return 'xyz', 1000000, -98.6 >>> rs = (x,y,z) = foo() >>> rs ('xyz', 1000000, -98.6) >>> x ‘xyz’ >>> x = 1 >>> x 1 >>> rs = 1 TypeError: 'tuple' object does not support item assignment #元组不能够被修改 参数列表(): func(*lt, **kw) 带有一个*号的参数是一个元组tuple,两个星号为字典dict
任何带有关键字参数的函数 均可以接受不固定的参数列表 A=’B’的赋值被保存到**kw关键字典 使用kw[‘xxx’]进行引用 直接使用‘A’参数的赋值被保存到 *lt 关键字列表 引用方式同样
dom
#########领略函数式编程的乐趣##########
第一课 example-1 （makeFun.py）
#!c:/python27/python.exe #coding: utf-8 __version__=0.1 __author__ ="vivianxiongping@gmail.com" import random as ri def guessguess(): '''猜一个100之内的随机整数''' print '欢迎来到猜数字 输入1-100之内的数字 [quit]退出' guess = 0 num = ri.randint(1,100) while guess != num: guess = input("请输入一个数字: ") if guess > num: print 'too high' elif guess < num: print 'too low' else : print '''Binggo! the number is %d''' % num return 1 def gamble(): print '''*********欢迎来到赌大小********* 输入[1]表明大 [0]表明小 [quit]退出\n''' yourchoice = '' done = False while not done: dice = lambda : ri.randint(1,6) x,y,z = dice(),dice(),dice() yourchoice = input('买入大小盘[1/0]?') if yourchoice in [0,1]: rs = 1 and (x+y+z)>=9 or 0 print '''Binggo! 骰子A[%d],骰子B[%d],骰子C[%d],买盘结果%d 注意读做(tou)骰子 ''' % (x,y,z,x+y+z) tmp = "大" if yourchoice else "小" print '您买的是[',tmp,']' if yourchoice == rs: print '赢!' else : print '输!' goahead = raw_input( '是否继续? [y]') done = False if goahead == 'y' else True else: print "欢迎再来...\n退出游戏" return 1 def bada_quit(direcs): for i in answers[3:]: if direcs in i : return True else : continue answers = [1,2,3,'quit','exit'] def main(): choice = '' while choice not in answers : choice = raw_input(""" 欢迎来到做死v1.0,你能够选择 1.锻炼智力 2.碰碰运气 3.退出. [Q/quit] """) if choice == str(answers[0]): #Python没有switch guessguess() elif choice == str(answers[1]): gamble() elif choice == str(answers[2]): print '退出...' break elif bada_quit(choice): print '退出...' break else : print "输出12进入游戏,输入quit/Q退出..." continue if __name__=='__main__': main()
欢迎来到做死v1.0,你能够选择 1.做死 2.继续做死 3.退出. [Q/quit] 2 *********欢迎来到赌大小********* 输入[1]表明大 [0]表明小 [quit]退出 买入大小盘[1/0]?0 Binggo! 骰子A[4],骰子B[4],骰子C[3],买盘结果11 注意读做(tou)骰子 您买的是[ 小 ] 输! 是否继续? [y]y 买入大小盘[1/0]?1 Binggo! 骰子A[4],骰子B[6],骰子C[6],买盘结果16 注意读做(tou)骰子 您买的是[ 大 ] 赢! 是否继续? [y]quit 欢迎再来... 退出游戏 欢迎来到做死v1.0,你能够选择 1.做死
根据二分查找策略 最多须要lg(n)+1次机会可得到答案数字 猜数字游戏 在后面能够进行升级 限制玩家的答题次数
写完程序makeFun.py函数式编程的入门差很少结束了 开始下一个话题以前 请准备铁观音或者咖啡3杯
2. Lambda
Python 保留了Haskell语言的匿名函数功能 使用lambda关键字定义匿名功能块 区别于def关键字 lambda中的全部指针所有失效 python解释器将再也不建立属于该函数的stack区间保留临时变量 它彻底就是一个表达式 相似于C语言中的宏 . 但能够外部引用lambda指针 能够接收参数 也能够递归调用
>>> true = lambda : True
>>> false = lambda : False
#改写关键字True为C 和Java程序员更习惯的 true
平方根函数
>>> sqrt = lambda x : x**0.5
>>> sqrt(3)
1.7320508075688772
次方函数
>>> pow = lambda x,y=2:x**y
>>> pow(3)
9
>>> pow(3,5)
243
lambda通常都是极客使用 为了写出积极复杂但精简的代码 lambda一般同一些回调函数一块儿使用 主要有 apply reduce map filter
结合列表解析与回调函数 代码将变得很复杂
Lambda-用例1.1 筛偶数
[x for x in range(100) if x%2]
[1, 3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29, 31, 33, 35, 37, 39, 41,
43, 45, 47, 49, 51, 53, 55, 57, 59, 61, 63, 65, 67, 69, 71, 73, 75, 77, 79, 81,
83, 85, 87, 89, 91, 93, 95, 97, 99]
来看刚才的例子
Lambda-用例1.2 切偶数
map(lambda x:x if x%2 else None,[x for x in range(100)])[1::2]
[1, 3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29, 31, 33, 35, 37, 39, 41,
43, 45, 47, 49, 51, 53, 55, 57, 59, 61, 63, 65, 67, 69, 71, 73, 75, 77, 79, 81,
83, 85, 87, 89, 91, 93, 95, 97, 99]
map, filter, apply, reduce 相似PHP中的array walk() 接收一个函数指针用于数组的回调 返回自己或者None(直接做用于数组) apply filter 已经在2.4版本中被废弃 建议使用map reduce完成一样的功能 python三元操做符 x = sth if a else b 或者 x = sth and a or b
一些更有趣的例子
Lambda 用例2 阶乘
#!/usr/bin/env python #-*- encoding: utf-8 -*-
__author__='vikid'
__version__=1.0
#C新人
def factorial_v1(n=5):
if n == 0:
return 1
else:
return factorial_v1(n-1)*n
#菜鸟
def factorial_v2(n=5,rs=1):
for i in xrange(2,n+1):
rs *= i
return rs
#大虾
def factorial_v3(n=5):
return n and factorial_v2(n-1)*n or 1
#极客
def factorial_v4(n=5):
f = lambda n: reduce(lambda a,b:a*b ,xrange(2,n+1))
return f(n)
#测试
from random import choice
funcs,op = {
"1":factorial_v1,
"2":factorial_v2,
"3":factorial_v3,
"4":factorial_v4
},"1234"
for i in range(2,51):
which = choice(op)
rs = str(funcs[which](i))
showrs = rs.rjust(60) if i <=25 else rs.ljust(30)
print """v%s[%s] = %s """ % (which,str(i).center(4),showrs)
v2[ 2 ] = 2 v3[ 3 ] = 6 v2[ 4 ] = 24 v4[ 5 ] = 120 v4[ 6 ] = 720 v4[ 7 ] = 5040 v4[ 8 ] = 40320 v2[ 9 ] = 362880 v2[ 10 ] = 3628800 v3[ 11 ] = 39916800 v2[ 12 ] = 479001600 v2[ 13 ] = 6227020800 v4[ 14 ] = 87178291200 v4[ 15 ] = 1307674368000 v3[ 16 ] = 20922789888000 v4[ 17 ] = 355687428096000 v3[ 18 ] = 6402373705728000 v1[ 19 ] = 121645100408832000 v3[ 20 ] = 2432902008176640000 v4[ 21 ] = 51090942171709440000 v2[ 22 ] = 1124000727777607680000 v4[ 23 ] = 25852016738884976640000 v2[ 24 ] = 620448401733239439360000 v3[ 25 ] = 15511210043330985984000000 v2[ 26 ] = 403291461126605635584000000 v1[ 27 ] = 10888869450418352160768000000 v1[ 28 ] = 304888344611713860501504000000 v1[ 29 ] = 8841761993739701954543616000000 v2[ 30 ] = 265252859812191058636308480000000 v2[ 31 ] = 8222838654177922817725562880000000 v2[ 32 ] = 263130836933693530167218012160000000 v4[ 33 ] = 8683317618811886495518194401280000000 v1[ 34 ] = 295232799039604140847618609643520000000 v2[ 35 ] = 10333147966386144929666651337523200000000 v2[ 36 ] = 371993326789901217467999448150835200000000 v3[ 37 ] = 13763753091226345046315979581580902400000000 v4[ 38 ] = 523022617466601111760007224100074291200000000 v1[ 39 ] = 20397882081197443358640281739902897356800000000 v4[ 40 ] = 815915283247897734345611269596115894272000000000 v1[ 41 ] = 33452526613163807108170062053440751665152000000000 v2[ 42 ] = 1405006117752879898543142606244511569936384000000000 v3[ 43 ] = 60415263063373835637355132068513997507264512000000000 v2[ 44 ] = 2658271574788448768043625811014615890319638528000000000 v4[ 45 ] = 119622220865480194561963161495657715064383733760000000000 v2[ 46 ] = 5502622159812088949850305428800254892961651752960000000000 v3[ 47 ] = 258623241511168180642964355153611979969197632389120000000000 v3[ 48 ] = 12413915592536072670862289047373375038521486354677760000000000 v1[ 49 ] = 608281864034267560872252163321295376887552831379210240000000000 v2[ 50 ] = 30414093201713378043612608166064768844377641568960512000000000000
lambda代码绝大多数人看不懂 甚至有时本身也看不懂 但这正是lambda的意义 人人都有极客的潜质 当你仍是一个菜鸟的时候根本没法写出火星人代码 可是当你习惯了这样的书写方式以后 你会发现全世界90%的代码都丑陋至极 尤为做为一个Python程序员 牢记 有且只有一种最”简单”的办法 虽然有时候你得为这种”简单”牺牲一些性能做为代价
>>> import this The Zen of Python, by Tim Peters There should be one-- and preferably only one --obvious way to do it. Beautiful is better than ugly –long live the Lambda! >>>
reduce函数是python2.4以后的一个里程碑函数 它取代了丑陋和没必要要的apply filter 甚至是map 它的工做方式是这样的:
reduce(1..50)->re((((((1，2)，3)，4)，5)，6)..，49)
一次接受2个参数进行运算 用一个占位符保存中间结果 直到表达式迭代完毕 返回占位符中的保存值
值得一提的是 根据个人经验 判断一个python程序员的水平最直观的方式就是看他/她能不能使用回调函数与嵌套做用域来书写lambda代码：
Lambda-用例3.1 斐波那契数列
return map(lambda x,f=lambda x,f:(f(x-1,f)+f(x-2,f)) if x>1 else 1: f(x,f),range(100))
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584, 4181, 6765]
必须指出的是 Python自3000以后 再也不鼓励使用回调函数 事实上 即便不使用reduce map filter 同样能写出精简的lambda表达式
解决办法就是: 列表解析 […]
Lambda-用例3.1素数
primes = lambda n:[x for x in range(1,n) if not [y for y in range(2,int(x**0.5 +1)) if x % y == 0]] print primes(100)
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584, 4181, 6765]
列表解析 if 能够不添加:号 切一般位于表达式后半部
让咱们来为lambda添加注释
Lambda-用例3.2素数
# [y for y ..]以后的列表解析 用于计算当前数n 的全部分解因子 例如 9的分解
# 因子为[3] 3*3=9,10的分解因子为[2,5] 2*5=10，5*2=10
# 有了新的素数算法 -- 没有分解因子的数n,即只能被1和他自身分解的数 ->素数
# Pseudo code
# [x for x in range(n) #is Prime~# if [#分解因子切片#]==null ]
Primes = lambda n:[x for x in range(1,n) if not [y for y in \ range (2,int(x**0.5 +1)) if x % y == 0]]
固然了 楼上的代码其实还能够写的更复杂 但我以为已经没有现实意义了 纯属火星人
primes = lambda n:[x for x in range(1,n) if not \ [y for y in range(2,map(lambda z: int(z**0.5)+1,[x])[0]) if x % y == 0]] print primes(20)
3. *Lambda尾声 PFA 截断函数
Python自2.5之后反而引入了一个至关有趣 晦涩的特性 functool 模块
该模块下面有一个方法特别有意思 引入了PFA的概念 我不知道如何翻译 姑且叫作截断函数
打开python doc->Library Refercens->9.8 functools.partial
官方有一个很实用的列子
>>> from functools import partial
>>> basetwo = partial(int, base=2)
>>> basetwo.__doc__ = 'Convert base 2 string to an int.'
>>> basetwo('10010')
18
咱们拓展一下例子 制做一个函数 用来计算16进制数的整数值
只须要改一行代码
>>> from functools import partial
>>> hex2human = partial(int, base=16)
>>> basetwo('0x168')
360
Partial函数接收一个函数指针 2个关键字参数 而后传递这个函数的调用 这个特性被普遍使用与Python OOP特性 操做符重载 和方法重载
<Python核心编程>一书中有一个关于partial方法很是经典的用例
Lambda-用例4.1使用截断函数进行方法重载
#!/usr/bin/env python
#-*- encoding: utf-8 -*-
from functools import partial
import Tkinter
root = Tkinter.Tk()
MyButton = partial(Tkinter.Button, root,fg='white', bg='blue')
# 关键字参数被自动复制到MyButton构造方法中 每个实例不须要复制编码参数
b1 = MyButton(text='更加优雅的写法')
b2 = MyButton(text='两个按钮具备相同的构造参数')
qb = MyButton(text='退出', bg='red',command=root.quit)
b1.pack()
b2.pack()
qb.pack(fill=Tkinter.X, expand=True)
root.title('PFAs!')
root.mainloop()
4. Closure
自版本2.1以后 Python全面支持Lisp的闭包特性 全局做用于 须要在单独的行内声明 任什么时候候不要使用2.1以前的python解释器 可能会产生兼容问题
x = “nesting world” def foo(): y = “\b\n” Global x x = “hello world” print x+y foo() #Hello world
习惯写 scheme和Haskell程序的人 每每会对python中的闭包(closure)特性感到十分亲切 传统的函数式编程没有面向对象的诸多功能 好比类与封装 继承与多重继承 可是有了closure 即便不使用class 关键字 也能够模拟面向对象的功能
这十分狂妄地彰显了Lisp语言的极客精神
更现实的意义在于 在GUI程序设计和DB事务设计中 闭包被普遍使用 来限制变量的越权读写 这得益于closure对做用域的限制
Closure -用例1.1使用closure模拟面向对象
#/usr/bin/env python
#-*- coding: utf-8 -*-
import sys
__author__='vikid'
__version__=1.0
__doc__= '''Simple tool for making class-like objects using nested scopes and closures in Python 2.x'''
class Instance:
pass
def classify(local_dict=None):
o = Instance()
if local_dict is None:
local_dict = sys._getframe(1).f_locals
vars(o).update(local_dict)
return o
#########################
### Simple example ####
#########################
def Animal(name):
'Animal-like class'
def speak():
print('I am', name)
def set_name(newname):
global name
name = newname
def __getitem__(key):
return '%s is %sing' % (name, key.title())
return classify()
d = Animal('哈士奇')
print(d.name)
d.speak()
d.set_name('小马哥')
d.speak()
print(d['fetch'])
Closure -用例1.2 [2.py]使用closure模拟面向对象
def person(name="peter"):
name = name
def say_hello():
return "my name is " + name
return say_hello()
print person()
print person("Lita")
>>>2.py
My name is peter
My name is Lita
关于做用域最简单的一句话总结就是 闭包函数能够自由操做上层函数的变量 最高到达全局global域 lambda闭包同函数 反过来 上层函数不能修改闭包函数值 由于闭包是在上层函数建立以后建立的 当遇到内外冲突的变量 closure将忽略上层变量保留内部变量 这一个特性很是重要 不少Python JavaScript面试题考究这点
Closure -用例1.3 closure结合包装器实现函数测试(from core python) 思考 – 函数1为什么明显快于2和3
#filename: log4py.py
#!c:/python272/python.exe
#-*- encoding: utf-8 -*-
'''
usage:
\
|-- from log4py import logtest
|-- @logtest()
|-- def foo(): #do sthing
|-- foo() #auto make it
'''
from time import time
import sys
#-------------------------闭包函数------------------------------
def logtest():
"测试函数的执行用时 打印参数表"
def show_args(f,*args,**kargs):
print '''
funcs name : %s
params : %r
key params : %r
.. : %s''' % (f.__name__,args,kargs,'###'*10)
def logfuncs(f):
def closure_log(*args,**kargs):
now = time()
try:
return f(*args,**kargs)
finally :
show_args(f,*args,**kargs)
print "Call timedelta: %s" % (time() - now)
return closure_log
try:
return logfuncs
#return {”foo”:foo,”bar”:bar}[para_father]
except KeyError ,e :
raise ValueError(e) ,'None'
----------------------------------------------------------------------------
#filename: log4py.py
#!/usr/bin/env python
#-*- encoding: utf-8 -*-
"""
输入30之内的斐波那契数字的不一样算法以及测试代码
1,$s/22/30:w
"""
from log4py import logtest as log
@log()
def fibonacci_lambda(n):
return map(lambda x,f=lambda x,f:(f(x-1,f)+f(x-2,f)) if x>1 else 1: f(x,f),range(n))
@log()
def fibonacci_recursion(n):
def closures_fibonacci_recursion(p):
"""closure function 2 calc current fibo num"""
return int(1 and p in [0,1] or closures_fibonacci_recursion(p-1) + closures_fibonacci_recursion(p-2))
d = []
for i in xrange(n):
d.append(closures_fibonacci_recursion(i))
return d
@log()
def fibonacci_pythonic(n):
'''
Lift is short and i pythonic!
'''
a,b,list = 0,1,[]
for i in xrange(n):
#get current fibonacci number and push it into list[]
list.append(b)
a , b = b , a + b
return list
print fibonacci_pythonic(30)
print fibonacci_lambda(30)
print fibonacci_recursion(30)
funcs name : fibonacci_pythonic
params : (30,)
key params : {}
.. : ##############################
Call timedelta: 0.00799989700317
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584, 4181
, 6765, 10946, 17711, 28657, 46368, 75025, 121393, 196418, 317811, 514229, 83204
0]
funcs name : fibonacci_lambda
params : (30,)
key params : {}
.. : ##############################
Call timedelta: 2.08600020409
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584, 4181
, 6765, 10946, 17711, 28657, 46368, 75025, 121393, 196418, 317811, 514229, 83204
0]
funcs name : fibonacci_recursion
params : (30,)
key params : {}
.. : ##############################
Call timedelta: 5.23500013351
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584, 4181
, 6765, 10946, 17711, 28657, 46368, 75025, 121393, 196418, 317811, 514229, 83204
0]
包装器是2.5之后的属性 用于处理静态类编写工做 logtest() 自己不传递被包装的函数指针fibonacci_xxx 而是他的闭包函数的第一个参数f接收函数指针 注意是一个指针而不是字符串(不一样于PHP) 闭包内调用return f()来执行函数 #return {”foo”:foo,”bar”:bar}[para_father]你可使用这样的方式来指定返回哪个闭包函数 尽管他们只有细微的差异 例如是否打印执行时间
但愿下个月黄金能跌破1500 笑~
- 1. 斜阳下:倾国倾城正少年
- 2. 斜阳一抹
- 3. python closure闭包 lambda表达式
- 4. python世界level3
- 5. PHP - 闭包Closure和lambda function
- 6. 跨越边界: Lisp 之美
- 7. Java 8的Lambda VS Groovy的Closure
- 8. 第二次世界大战德意志希特勒震撼世界的演讲
- 9. Python中的正斜杠与反斜杠
- 10. Python - Closure
- 更多相关文章...
- • SQLite - Python - SQLite教程
- • Hibernate的二级缓存 - Hibernate教程
- • Docker容器实战(六) - 容器的隔离与限制
- • RxJava操作符（二）Transforming Observables
-
每一个你不满意的现在，都有一个你没有努力的曾经。