python学习之---匿名函数，返回函数，偏函数

1. 返回函数：

所谓的返回函数，指的是函数作为返回值。高阶函数除了可以接受函数作为参数外，同样可以接受函数作为结果返回。以下是一个可变参数的求和例子，一般求和函数是如此这般定义的：

>>> def sum(*args):
...     ax = 0
...     for x in args:
...         ax += x
...     return ax
... 

以上函数一旦定义，在调用这个函数的时候，只要传入参数就会立刻执行。但是，如果条件需要不要立刻求和，而是在后面的代码中，根据需要再计算该怎么办？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
... 
>>> 
>>> lazy_sum(12)
<function sum at 0x7f810add16e0>
>>> lazy_sum((1,2,3,4,5,6))
<function sum at 0x7f810add17d0>
>>> 
KeyboardInterrupt
>>># 以上是调用lazy_sum()函数的结果返回的不是求和的结果，而是求和函数

但是该如何才能够返回结果呢？演示如下：

>>> result = lazy_sum(12,13,14,15,16,17,18,19)
>>> result
<function sum at 0x7f810add17d0>
>>> #其实result现在是一个返回函数，要再调用该函数才可以返回结果
... 
>>> result()
124

在这个例子中，我们在函数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，这种称为“闭包（Closure）”的程序结构拥有极大的威力。

请再注意一点，当我们调用lazy_sum()时，每次调用都会返回一个新的函数，即使传入相同的参数：

>>> result1 = lazy_sum(1,2,3,4,5,6,7,8,9,10)
>>> result2 = lazy_sum(1,2,3,4,5,6,7,8,9,10)
>>> result1
<function sum at 0x7f810add16e0>
>>> result2
<function sum at 0x7f810add1848>
>>> result1 == result2
False
>>> 

如上代码显示：0x7f810add16e0是不等于0x7f810add1848的，因此比较结果为FALSE。但是，什么是“闭包”呢？记得在离散数学里面学习过闭包的知识，关系闭包.......。

2. 闭包：

　　注意到返回函数在其定义内部引用了局部变量args，所以，当一个函数返回了一个函数后，其内部的局部变量还被新函数引用，所以，闭包用起来简单，实现起来可不容易。另一个需要注意的问题是，返回的函数并没有立刻执行，而是直到调用了result()才执行。我们来看一个例子：

>>> def get_count():
...     fs = []
...     for i in range(1,10):
...         def f ():
...             return i*i
...         fs.append(f)
...     return fs
... f1,f2,f3 = get_count()

在上面的例子中，每次循环，都创建了一个新的函数，然后，把创建的3个函数都返回了。

你可能认为调用f1()，f2()和f3()结果应该是1，4，9，但实际结果是：

>>> f1()
9
>>> f2()
9
>>> f3()
9

全部都是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。

返回闭包时牢记的一点就是：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。

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():
...     fs = []
...     for i in range(1,4):
...         def f(j):
...             def g():
...                 return j*j
...             return g
...         fs.append(f(i))
...     return fs
... 
>>> f1,f2,f3 = count()
>>> f1
<function g at 0x7f810add19b0>
>>> f1()
1
>>> f2()
4
>>> f3()
9
>>> 

缺点是代码较长，可利用lambda函数缩短代码。

 

3. 匿名函数：

当我们在传入函数时，有些时候，不需要显式地定义函数，直接传入匿名函数更方便。

在Python中，对匿名函数提供了有限支持。还是以map()函数为例，计算f(x)=x²时，除了定义一个f(x)的函数外，还可以直接传入匿名函数：

>>> map(lambda x : x * x,[1,2,3,4,5,6,7,8,9,])
[1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> map(lambda x : x * x,range(10))
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> 

通过对比不难看出,匿名函数lambda x : x * x实际上就是一个求平方的函数：

>>> def f(x):
...     return x*x
... 
>>> f(4)
16
>>> f(40)
1600
>>> 

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。

用匿名函数有个好处，因为函数没有名字，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：

>>> hanshu = lambda x : x*x*x
>>> hanshu
<function <lambda> at 0x7f810add1b90>
>>> hanshu(45)
91125
>>> hanshu(450)
91125000
>>> 

同样，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
... 
>>> build(5,6)
<function <lambda> at 0x7f810add1c80>
>>> 

 

4. 偏函数

Python的functools模块提供了很多有用的功能，其中一个就是偏函数（Partial function）。要注意，这里的偏函数和数学意义上的偏函数不一样。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。举例如下：

int()函数可以把字符串转换为整数，当仅传入字符串时，int()函数默认按十进制转换：

>>> 
>>> int('123')
123
>>> int('123454567')
123454567
>>> 

但int()函数还提供额外的base参数，默认值为10。如果传入base参数，就可以做N进制的转换：

>>> int('123',base = 8)
83
>>> int('123',base = 10)
123
>>> int('123',base = 16)
291
>>> int('123123',base = 16)
1192227
>>> 

假设要转换大量的二进制字符串，每次都传入int(x, base=2)非常麻烦，于是，我们想到，可以定义一个int2()的函数，默认把base=2传进去：

>>> def int2(x ,base = 2):
...     return int(x,base)
... 
>>> int2(100)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<stdin>", line 2, in int2
TypeError: int() can't convert non-string with explicit base
>>> int2('100')
4
>>> 

注意：在传入参数的时候，要以字符串的形式传入，否则会报出“TypeError”的类型错误。要使用偏函数的时候还得自己定义，是不是感觉很麻烦？因此，python提供了functools.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)
>>> int3 = functools.partial(int,base = 16)
>>> int2('100')
4
>>> int3('100')
256
>>> 

所以，简单总结functools.partial的作用就是，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。

注意到上面的新的int2函数，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：

>>> int3('100',base = 10)
100
>>> int2('100',base = 10)
100
>>> 

最后，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 } 2 int('10010', **kw) 

当传入：

 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)

相当于：

 args = (10, 5, 6, 7)

max(*args) 

结果 = 10