Python 函数式编程 2

返回函数

返回函数的意思就是：函数作为返回值。（高阶函数除了可以接受函数作为参数外，还可以把函数作为结果值返回。）
举个例子：实现一个可变参数的求和。
正常的函数：

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

返回函数的函数，其实和上面的函数很像：

def lazy_sum(*args):
def sum():
        ax = 0
for n in args:
            ax = ax + n
return ax
return sum

调用lazy_sum()时，返回的并不是求和结果，而是求和函数：

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

调用函数f()时，才真正计算求和的结果：

>>> f()
25

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。

要注意：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，得到的两个返回函数也不是一样的：

>>> f1 = lazy_sum(1, 3, 5, 7, 9)
>>> f2 = lazy_sum(1, 3, 5, 7, 9)
>>> f1==f2
False

匿名函数就是带有lambda关键字的公式。

比如函数：

def f(x):
return x * x

可以写成匿名函数的样子：

>>> f = lambda x: x * x

使用匿名函数：

>>> f
<function <lambda> at 0x101c6ef28>
>>> f(5)
25

同样，也可以把匿名函数作为返回值返回：

def build(x, y):
return lambda: x * x + y * y

>>> def now():
...     print('2015-3-25')
...
>>> now()
2015-3-25

函数对象有一个__name__属性，可以拿到函数的名字：

>>> now.__name__
'now'

在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。decorator就是一个返回函数的高阶函数。
举例，我们来定义一个能打印日志的decorator：

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

把decorator置于函数的定义处：

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

现在再调用now()函数：

>>> now()
call now():
2015-3-25

看到了吧，call now():就是log装饰器输出的信息。
把@log放到now()函数的定义处，相当于执行了语句：

now = log(now)

偏函数就是：举例：
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)

这样运行int2()：

>>> int2('1000000')
64
>>> int2('1010101')
85

这个int2()函数就叫做：偏函数。
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()。

>>> import functools
>>> int2 = functools.partial(int, base=2)
>>> int2('1000000')
64

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。

再举个例子：

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)