函数式编程：
特点：允许传递的参数是函数，且允许返回一个函数。
由于Python允许使用变量，因此，Python不是纯函数式编程语言，同样的输入可能输出不同，有副作用。纯函数式编程语言没有变量，输入和输出是确定的，无副作用。
1.高阶函数（Higher-order function）：
特点：高阶函数可以接受另一个函数作为参数，还可以把函数作为结果值返回。
变量可以指向函数，函数名也是变量, 所以可以作为参数传入函数。
1.1 内置的函数：函数作为参数
1%. map(func, *iterables) 【映射】
2%. reduce(function, sequence, initial=None) 【累计】
# 将迭代器经函数的处理返回一个新的迭代器，是一种映射。
list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
# 返回 ['1', '2', '3', '4', '5', '6', '7', '8', '9'] #累计计算：把序列[1, 3, 5, 7, 9]变换成整数13579
from functools import reduce
def fn(x, y):
return x * 10 + y
reduce(fn, [1, 3, 5, 7, 9])
# 13579 # map()和reduce()合用：str’13579‘ 转化为int:13579
def char2num(s):
return {'': 0, '': 1, '': 2, '': 3, '': 4, '': 5, '': 6, '': 7, '': 8, '': 9}[s]
reduce(fn, map(char2num, ''))
# 整理为一个函数str2int，这些函数因为就一句也可以用匿名函数写
from functools import reduce def str2int(s):
def fn(x, y):
return x * 10 + y
def char2num(s):
return {'': 0, '': 1, '': 2, '': 3, '': 4, '': 5, '': 6, '': 7, '': 8, '': 9}[s]
return reduce(fn, map(char2num, s))
# 实现筛选功能
3%. filter(function, iterable) 【返回值是True则保留】
# 迭代的值
def _odd_iter():
n = 1
while True:
n = n + 2
yield n def _not_divisible(n):
return lambda x: x % n > 0 # 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
while True:
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 # 打印30以内的素数:
for n in primes():
if n < 30:
print(n)
else:
break # 找到回数
def is_palindrome(n):
start = 0
end = -1
while start < len(str(n))/2:
if str(n)[start] != str(n)[end]:
return False
else:
start += 1
end -= 1
return True
output = filter(is_palindrome, range(100, 200))
print(output)
# 排序
4%. sorted(iterable, key=None, reverse=False)
# 按照绝对值排序，key传入函数
sorted([36, 5, -12, 9, -21], key=abs)
# [5, 9, -12, -21, 36] # 忽略大小写反向排序
sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)
['about', 'bob', 'Credit', 'Zoo']
2 返回函数
闭包：在函数内嵌套另一个函数，嵌套函数可以引用外部函数的参数和局部变量。而相关的参数和变量保存在返回函数。
# 结果都一样
def count():
fs = []
for i in range(1, 4):
def f():
return i*i
fs.append(f)
return fs f1, f2, f3 = count() #一个函数可以返回一个计算结果，也可以返回一个函数。
#返回一个函数时，牢记该函数并未执行，返回函数中不要引用任何可能会变化的变量。 # 结果1，2，3
def count():
def f(j):
def g():
return j*j
return g
fs = []
for i in range(1, 4):
fs.append(f(i)) # f(i)立刻被执行，因此i的当前值被传入f()
return fs
f1, f2, f3 = count()
f1()
# 2次结果的不同
3 匿名函数 （lambda 传入: 返回）
特点：
无名匿名函数,不必担心函数名冲突
应用场景：
1. 函数很小，一句话的事情
2. 使用函数变量调用函数时， 如在触发事件需要传入参数的时候
# 1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 # 2把匿名函数作为返回值返回，比如：
def build(x, y):
return lambda: x * x + y * y
4 装饰器
向一个现有的对象添加新的功能，同时又不改变其结构
使用场景：
- 参数检查（Agrument checking）
- 缓存（Caching）
- 代理（Proxy）
- 提供上下文（Context Provider）
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 @log('execute')
def now():
print('2015-3-25') now()
# 等价于
now = log('execute')(now)
5 偏函数
使用场景：当函数的参数个数太多，需要简化时
使用functools.partial可以创建一个新的函数，这个新函数可以固定住原函数的部分默认参数。
通过设定参数的默认值，可以降低函数调用的难度
# 把一个函数的某些参数给固定住（也就是设置默认值）
# 进行二进制的转换
def int2(x, base=2):
return int(x, base) print('1000000 =', int2(''))
print('1010101 =', int2('')) # 等价为
import functools
int2 = functools.partial(int, base=2) print('1000000 =', int2(''))
print('1010101 =', int2(''))