Meoo

函数式编程——Python学习笔记05

Meoo http://www.meoo.net 2017-12-13 20:02 出处:网络 编辑:@iCMS
前言 函数是Python内建支持的一种封装,我们通过把大段代码拆成函数,通过一层层的函数调用,就可以把复杂的任务分解成简单的任务,这种分解称为面对过程的程序设计。函数就是面向过程的程序设计的基本单元。

前言

函数是Python内建支持的一种封装,我们通过把大段代码拆成函数,通过一层层的函数调用,就可以把复杂的任务分解成简单的任务,这种分解称为面对过程的程序设计。函数就是面向过程的程序设计的基本单元。


而函数式编程 ——Functional Programming,虽然也可归结到面向过程的程序设计,但其思想更接近数学计算。


函数式编程的一个特点是,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。


Python对函数式编程提供部分支持,由于Python允许使用变量,所以,Python不是纯函数式编程语言。

高阶函数

变量可以指向函数


abs(-10)是函数调用,abs是函数本身。要获得函数调用结果,可以把结果赋值给变量,如果要赋值给函数本身:

>>>f = abs

>>>f

<build-in function abs>

函数本身也可以赋值给变量,即变量可以指向函数。


如果一个变量指向了一个函数,那么可以通过该变量调用这个函数:

>>>f = abs

>>>f(-10)

10

函数名也是变量

函数名其实是指向函数的变量!

对于abs()这个函数,完全可以把函数名abs看成变量,它指向一个可以计算绝对值的函数!


把abs指向10后,就无法通过abs(-10)调用该函数了!因为abs这个变量已经不指向求绝对值函数而是指向一个整数10!


注:由于abs函数实际上是定义在import builtins模块中的,所以要让修改abs变量的指向在其他模块也生效,要用import builtins; builtins.abs = 10。

传入函数


变量可以指向函数,函数的参数能接收变量,那么一个函数就可以接收另一个函数作为参数,这种函数就称为高阶函数。


例如,一个简单的高阶函数:

def add(x,y,f):

return f(x) + f(y)

>>>add(5,6,abs)

11

函数式编程就是指这种高度抽象的编程范式。

map/reduce

map()函数接收两个参数,一个是函数,一个是Iterable,

map将传入的函数一次作用到序列的每个元素,并把结果作为新的Iterator返回。

Iiterator是惰性序列,因此可以通过list()函数让它把整个序列都计算处理并返回一个list。


map()作为高阶函数,事实上它把运算规则抽象了,其可以计算任意复杂的函数,如把这个list的所有数字转为字符串:

>>>list(map(str,[1,2,3,4,5,7,8]))

[‘1’,‘2’,‘3’,‘4’,‘5’,‘6’,‘7’,‘8’]

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 give it 2),reduce把结果继续和序列的下一个元素做累积计算,其效果就是:

reduce(f,[x1,x4,]) = f(f(f(x1,x2),x3),x4)

可以用lambda函数简化写出str转为int的函数:

from functools import reduce

def char2num(s):

return {'0': 0,'1': 1,'2': 2,'3': 3,'4': 4,'5': 5,'6': 6,'7': 7,'8': 8,'9': 9}[s]

def str2int(s):

return reduce(lambda x,y: x * 10 + y,map(char2num,s))

>>> L=['1','2','3']

>>> reduce(lambda x,map(int,L),0)

123

L[::-1]表示将L内元素反过来

练习


利用map和reduce编写一个str2float函数,把字符串’123.456’转换成浮点数123.456:

# -*- coding: utf-8 -*-

from functools import reduce

def str2float(s):

t = s if ’.’ in s else s+ ‘.’

d,f = s.split(‘.’) #split()通过指定分隔符对字符串进行切片,返回分割后的字符串列表

return reduce(lambda x,d),0) + reduce(lambda x,y: x / 10 + y,reverse[‘0’ + f]),0)

#reduce()函数内有三个元素时,因为指定了第三个元素为0,所以第一次执行时,x = 0,y = f[0];第二次执行的时候,x =f[0],y =f[1]

#reverse()函数表示将list中的元素反向排序。[‘0’ + f]中的0相当于代替’.’进行循环,把’.'放在开头

print(str2float('345.678')) # 345.678

print(str2float('0')) # 0.0

print(str2float('123.456')) # 123.456

print(str2float('123.45600')) # 123.456

print(str2float('0.1234')) # 0.1234

print(str2float('.1234')) # 0.1234

print(str2float('120.0034')) # 120.0034

print(str2float('.')) # 0.0

filter

Python内建的filter()函数用于过滤序列。

和map()类似,filter也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,关键在于正确实现一个“筛选”函数。


如,移除一个序列中的空字符串:

def not_empty(s):

return s and s.strip() #

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

['A','C’]

注意filter()函数返回的也是一个惰性序列(Iterator),需要用list()函数获得所有结果并返回到list。


用filter求素数


可以用python实现计算素数的一个方法——埃氏筛法:


1.可以先构造一个从3开始的奇数序列(这是个生成器,并且是个无限数列):

def _odd_iter():

n = 1

while True:

n = n + 2

yield n

2.定义一个筛选函数:

def _not_divisible(n):

return lambda x: x % n > 0

3.定义一个生成器,不断返回下一个素数:

def primes():

yield 2

t = _odd_iter()#初始序列

while True:

n = next(t)#返回序列第一个数

yield n

t = filter(_not_divisible(n),t)

这个生成器先返回第一个素数2,然后,利用filter()不断产生筛选后的新的序列


4.因primes()也是一个无限数列,所以调用时需要设置一个退出循环的条件:

for n in primes():

if n < 1000:

print(n)

else:

break

sorted


排序的核心是比较两个元素的大小。比较的过程必须通过函数抽象出来。


Python内置的sorted()函数就可以对list进行排序:

>>> sorted([36,-6,-21])

[-21,36]

另外sorted()函数也是一个高阶函数,它还可以接收一个key函数来实现自定义的排序,例如按绝对值大小排序:

>>> sorted([36,-21],key = abs)

[0,-21,36]

key指定的函数将作用于list的每一个元素上,把元素传入key函数后返回的结果进行排序,并按照对应关系返回list相应的元素。


要实现忽略大小写的排序,给sorted传入这样的key函数:key = str.lower


要进行反向排序,不必改动key函数,可以传入第三个参数reverse = True :

>>> sorted(['bob','about','Zoo','Credit'],key = str.lower,reverse = True)

['Zoo','Credit','bob','about’]

用sorted()排序的关键在于实现一个映射函数。

返回函数

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。

def lazy_sum(*args):

def sum():

ax = 0

for n in args:

ax = ax + n

return ax

return sum

在这个函数中,我们在函数lazy_sum中定义了函数sum,并且,内部函数的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)”程序。


在我们调用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)

>>> f2 = lazy_sum(1,3)

>>>f1()

6

>>>f2()

6

>>> f1 ==f2

False

f1()和f2()的调用结果互不影响。

闭包


注意到上面的返回函数在其定义内部引用了局部变量args,故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。


返回的函数并没有立即执行,直到调用f()才执行。如:

def count():

fs = []

for i in range(1,4):

def f():

return i * i

fs.append(f)

return fs

f1,f2,f3 = count()

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。

>>> f1()

9

>>> f2()

9

>>> f3()

9

返回的函数引用了变量i,但它并非立即执行。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.

返回闭包时牢记一点: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,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():

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

运行结果:

>>>f1,f3 = count()

>>> f1()

1

>>> f2()

4

>>> f3()

9

匿名函数

当我们在传入函数时,有时候不需要显式地定义函数,直接传入匿名函数更方便。Python对匿名函数提供了有限支持。

lambda x :x * y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。


匿名函数有个好处,不用担心函数名冲突,而且,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:

>>> f = lambda x: x*x

>>> f

<function <lambda> at 0x100656f28>

>>> f(2)

4

同样,也可以把匿名函数作为返回值返回,比如:

def build(x,y):#可以用lambda缩短代码

return lambda: x * x + y * y

装饰器

由于函数也是一个对象,而且函数对象可以被赋值给变量,所以,通过变量也能调用该函数。

>>> def now():

print(‘2017-5-19')

>>> f = now

>>> f()

2017-5-19

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)。

本质上,decorator就是一个返回函数的高阶函数。我们可以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

这个log是一个decorator,接受一个函数作为参数,并返回一个函数。

我们要借助Python的@语法,把decorator置于函数的定义处:

@log

def now()

print(‘2017-5-19’)

调用now()函数,不仅会运行其本身,还会在运行now()函数之前打印一行日志:

>>>now()

call now():

2017-5-19

把@log放在now()函数的定义处,相当于执行了语句:

>>>now = log(now)

原来的now()函数仍然存在,只是现在同名的now变量指向了新的函数,于是调用now()将执行新函数,即在log()函数中返回的wrapper()函数。wrapper()函数的参数定义是可变参数和关键字参数,所以其可以接受任意函数的调用。

如果decorator本身需要传入参数,就需编写一个返回decorator的高阶函数。如,自定义log文本:

def log(text):

def decorator(func):

def wrapper(*args,**kw):

print(‘%s %s():’ % (text,func.__name__))

return func(*args,**kw)

return wrapper

return decorator

这个3层嵌套的decorator的用法为:

>>> @log('execute')

def now():

print('2017-5-19')

>>> now()

execute now():

2017-5-19

和两层嵌套的decorator相比,3层嵌套的效果是这样的:

>>>now = log(‘execute’)(now)

上面的语句,首先执行log(‘execute’),返回的是decorator函数,再调用返回的函数,参数是now函数,返回值最终是wrapper函数。

经过decorator装饰之后的函数,它们的__name__已经由原来的’now’ 变成了’wrapper’。因为返回的wrapper()函数名字就是’wrapper’,所以,需要把原始函数的__name__等属性复制到wrapper()函数中,否则有些依赖函数签名的代码执行会出错。

Python内置的functools.wraps可以代替wrapper.__name__ = func.__name__这样的代码,一个完整的decorator的写法应该是把functools.wraps写在定义wrapper()的前面:

import functools

def log(text):

def decorator(func):

@functools.wrap(func)

def wrapper(*args,**kw):

print('%s %s():' % (text,**kw)

return wrapper

return decorator

在面向对象(OOP)的设计模式中,decorator被称为装饰模式。OOP的装饰模式需要通过继承和组合来实现,而Python除了能支持OOP的decorator外,直接从语法层次支持decorator。Python的decorator可以用函数实现,也可以用类实现。decorator可以增强函数的功能。

偏函数

Python的functools提供了很多功能,其中包括偏函数。


functools.partial就是帮助我们创建一个偏函数,我们可以直接使用下面代码创建一个新的函数int2:

import functools

int2 = functools.partial(int,base = 2)

functools.partial的作用就是把某个函数的某个参数给固定(也就是设置默认值),返回一个新的函数,调用这个新的函数会更简单。


上面的int2函数仅仅是把base参数重新设定默认值为2,也可以在函数调用时传入其他的值。

创建偏函数时,实际可以接收:函数对象、*args、**kw三个参数。

定义了int2实际上是固定了int()函数的参数base:

int2(‘1000’)

相当于

kw={‘base’ = 2}

int(‘1000’,**kw)

阅读全文

版权声明:本文为博主原创文章,未经博主允许不得转载。

本文已收录于以下专栏:

相关文章推荐

Python学习笔记——函数式编程

函数式函数式:functional 一种编程范式

函数式编程是一种抽象计算的编程模式特点:

把计算视为函数而非指令

纯函数式编程:不需要变量,没有副作用,测试简单

支持高阶函数,代码简洁py...

函数式编程——Python学习笔记05

tshangshi

2015年12月22日 16:04

242

Python学习笔记(五)——函数式编程

高阶函数

函数本身也可以赋值给变量:

>>> f = abs

>>> f(-10)

10

成功!说明变量f现在已经指向了abs函数本身。直接调用abs()函数和调用变量f()完全相同。...

函数式编程——Python学习笔记05

qqxx6661

2017年04月19日 06:37

431

Python学习笔记——函数式编程

下面学习一下Python的函数式编程。

http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c0...

函数式编程——Python学习笔记05

mj158518

2016年09月03日 17:09

225

【Python】学习笔记——-5.0、函数式编程

函数是Python内建支持的一种封装,我们通过把大段代码拆成函数,通过一层一层的函数调用,就可以把复杂任务分解成简单的任务,这种分解可以称之为面向过程的程序设计。函数就是面向过程的程序设计的基本单元。...

函数式编程——Python学习笔记05

singit

2017年02月13日 22:14

174

廖雪峰python学习笔记——函数式编程

廖雪峰python学习笔记——函数式编程

变量可以指向函数

a=abs

a(-2)

#输出2

高级函数就是一个可以把一个函数当成参数的函数

def add(x,f):

return f(x...

函数式编程——Python学习笔记05

xiakepan

2016年01月21日 13:47

1462

廖雪峰Python教程学习笔记4-函数式编程

函数式编程就是一种抽象程度很高的编程范式,其一个特点是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...

函数式编程——Python学习笔记05

Blateyang

2017年07月20日 18:24

148

【Python学习笔记】函数式编程

【根据廖雪峰python教程整理】

 

函数是Python内建支持的一种封装,我们通过把大段代码拆成函数,通过一层一层的函数调用,就可以把复杂任务分解成简单的任务,这种分解可以称之为面向过程的...

函数式编程——Python学习笔记05

Junkichan

2016年07月10日 19:41

183

Python学习笔记2:函数式编程

在上一篇博客中,我们学习了以下内容:Python的安装环境;变量和数据类型(Python内置的基本类型);List和Tuple(顺序的集合类型);条件判断和循环(控制程序流程);Dict和Set(根据...

函数式编程——Python学习笔记05

zhoujing_0424

2016年07月07日 16:57

353

【Python学习笔记】函数式编程:装饰器

【根据廖雪峰python教程整理】

由于函数也是一个对象,而且函数对象可以被赋值给变量,所以,通过变量也能调用该函数。

>>> def now():

...     print '2...

函数式编程——Python学习笔记05

Junkichan

2016年07月10日 21:39

158

"Python"学习笔记----函数式编程

高阶函数,又称算子(运算符)或泛函,包含多于一个箭头的函数。

函数式编程——Python学习笔记05

liushaoxiong10

2016年07月12日 19:01

146

0

精彩评论

暂无评论...
验证码 换一张
取 消