Python学习笔记 - 函数式编程

时间：2021-04-21 22:41:26

Python学习笔记 - 函数式编程

根据廖雪峰的Python教程做成的笔记，其中不包含全部知识点，仅是重点或是容易发生混淆或者忘记的部分。

函数式编程特点：
允许把函数本身作为参数传入另一个函数，还允许返回一个函数。

1.高阶函数

变量可以指向函数，类似于C++中函数指针的概念：

func = abs
func(-6)

也可以把函数名作为参数传入另一个函数：

def add(x, y, f)
    return f(x) + f(y)

调用：
add(-5, 6, abs)

1.1 map/reduce

Python内建了map()和reduce()函数。

1.1.1 map()函数

map函数接收两个参数：函数、Iterable，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回。

例1：有一个函数f(x) = x²，要把这个函数作用在一个list [1,2,3,4,5,6,7,8,9]上。

# 函数定义：
def f(x):
    return x * x

# 函数调用：
r = map(f, [1,2,3,4,5,6,7,8,9])
L = list(r)
# r = [1,4,9,16,25,36,49,64,81]

1.1.2 reduce()函数

reduce把一个函数作用在一个序列[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计运算。

例1：对一个序列求和。

from functools import reduce
# 函数定义
def add(x, y):
    return x + y

# 函数调用
sum = reduce(add, [1,3,5,7,9])
# sum = ((((1 + 3) + 5) + 7) + 9) = 25

例2：把序列[1，3，5，7，9]变成整数13579

def fn(x, y):
    return x * 10 + y

ret = reduce(fn, [1,3,5,7,9])
# ret = 13579

例3：利用map/reduce实现str2int函数

def str2int(s):
    def fn(x, y):
        return x * 10 + y

    def char2num(ch):
        m = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7':7, '8': 8, '9': 9}
        return m[ch]

    return reduce(fn, map(char2num, s))

# 调用：
ret = str2int('10086')

1.2 filter

Python内建的filter函数用于过滤序列，和map()一样也是接收一个函数和一个序列，不同的是filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素(True删除，False保留)。

例1：在一个list中，删掉偶数，只保留奇数。

def is_odd(n):
    return n % 2 == 1

list(filter(is_odd, [1,2,4,5,6,9,10,15]))
# 结果：[1,5,9,15]

例2：把一个序列中的空字符串删掉。

def not_empty(s):
    return s and s.strip()

list(filter(not_empty, ['A', '', 'B', None, 'C', ' ']))
# 结果：['A', 'B', 'C']

1.3 sorted

排序算法，可对数字及字符串排序，或者更加复杂的数据结构。

1.3.1 数字排序

默认按照升序排列，还可以接收一个key，指定排序方式，key可以自定义函数。

例1：一般排序

L = [36, 5, -12, 9, -21]
L1 = sorted(L)
print(L1)
# 结果[-21, -12, 5, 9, 36]

例2：按照绝对值排序

L = [36, 5, -12, 9, -21]
L1 = sorted(L, key = abs)
print(L1)
# 结果[36, 5, -12, 9, -21]

1.3.2 字符串排序

默认情况下，对字符串排序，是按照ASCII的大小比较的，由于’Z’ < ‘a’，结果，大写字母Z会排在小写字母a的前面。

例1：一般排序

L = ['bob', 'about', 'Zoo', 'Credit']
L1 = sorted(L)
print(L1)
# 结果['Credit', 'Zoo', 'about', 'bob']

例2：忽略大小写排序

L = ['bob', 'about', 'Zoo', 'Credit']
L1 = sorted(L, key = str.lower)
print(L1)
# 结果['about', 'bob', 'Credit', 'Zoo']

例3：反向排序

L = ['bob', 'about', 'Zoo', 'Credit']
L1 = sorted(L, key = str.lower, reverse = True)
print(L1)
# 结果['Zoo', 'Credit', 'bob', 'about']

1.3.4 复杂数据结构的排序

例1：对学生的考试成绩按照姓名进行排序。

def by_name(t):
    return t[0]

L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]
L_ByName  = sorted(L, key = by_name)
print('L_ByName = ', L_ByName)

# 结果L_ByName = [('Adam', 92), ('Bart', 66), ('Bob', 75), ('Lisa', 88)]

例2：考试成绩从高到低排序。

def by_score(t):
    return t[1]

L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]
L_ByScore = sorted(L, key = by_score, reverse=True)
print('L_ByScore = ', L_ByScore)

# 结果L_ByScore = [('Adam', 92), ('Lisa', 88), ('Bob', 75), ('Bart', 66)]

2.返回函数

高阶函数不仅可以作为参数传递，还可以作为函数的返回值。
一个可变参数的求和函数可以像下面这么实现：

def calcSum(*args):
    sum = 0;
    for x in args:
        sum = sum + x
    return sum

但如果我们不需要立刻求和，而是在后面的代码中需要的场合再计算，这种场景我们就可以用到返回函数，不返回求和结果，而是返回求和的函数：

def lazySum(*args):
    def calcSum():
        sum = 0
        for x in args:
            sum = sum + x
        return sum
    return calcSum

当我们调用lazySum()的时候，返回的并不是求和结果，而是求和的函数。调用求和函数后，才完成真正的求和计算。

func = lazySum(1, 2, 3)
result = func()
print(result)

特点：
- 内部函数calcSum可以引用外部函数lazySum的参数和局部变量，当lazySum返回函数calcSum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。
- 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：

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

注意事项：
- 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！！！

def count():
    fs = []
    for i in range(1, 4):
        def f():
             return i*i
        fs.append(f)
    return fs

f1, f2, f3 = count()
print('f1 = ',f1())
print('f2 = ',f2())
print('f3 = ',f3())
# 想定结果:f1 = 1 f2 = 4 f3 = 9
# 实际结果:f1 = 9 f2 = 9 f3 = 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。

3.匿名函数

3.1 匿名函数

没有名字的函数，用关键字lambda标识，写起来更加简洁。
lambda函数表达式形式：入参 : 函数体

list(map(lambda x:x * x, [1,2,3,4,5,6,7,8,9]))

其等同于

def func(x):
    return x * x

list(map(func, [1,2,3,4,5,6,7,8,9]))

3.2 匿名函数赋值

和一般函数一样，可以匿名函数也可以赋值给一个变量：

func = lambda x:x * x
ret = func(5)
print(ret)
# 结果: 25

3.3 匿名函数作为返回值

def build(x, y):
    return lambda:

限制：
匿名函数只能有一个表达式，不用写return，返回值就是该表达式的结果。

4. 装饰器

4.1 一般装饰器

在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。
假设有函数now():

def now():
    print(2018-01-02)
    return

想在now()调用前后自动打印log，但又不希望修改now()函数的定义，则可以用装饰器实现。

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

# 使用装饰器修饰now()函数
@log
def now():
    print('2018-01-02')
    return

4.2 带参数的装饰器

def log(text):
    def decorator(func):
        def wrapper(*arg, **kw):
            print('%s %s' % (text, func.__name__))
            return func(*arg, **kw)
        return wrapper
    return decorator

# 应用
@log('excute')
def now():
    print('2018-01-02')
    return

now()
# 结果: excute now()
标签：

相关文章