Python之路Python作用域、匿名函数、函数式编程、map函数、filter函数、reduce函数
一、作用域
return 可以返回任意值
例子
def test1():
print("test1")
def test():
print("test")
return test1
res = test()
print(res)
输出结果
test
<function test1 at 0x021F5C90>
分析：这里print(res)输出的是test1函数在内存中的地址，return也是可以返回的
，加上括号就可以运行函数了
例子2
name = "pony"
def test1():
name = "nicholas"
def inner():
name = "jack"
print(name)
return inner
res = test1()
print(res)
res()
输出结果
<function test1.<locals>.inner at 0x02195C48>
jack
分析：
test1函数返回了inner函数的内存地址，并被赋值给res，所以最后在res后加上括号就可以直接执行，注意这里执行的是inner函数，打印name选择的是局部变量name ="jack"，而非选择调用执行的res(）所在的name = "pony"
例子3
def foo():
name = 'jack'
def bar():
name = 'pony'
print(name)
def tt():
print(name)
return tt
return bar
r1 = foo() #返回的是bar函数的内存地址
r2 = r1() #执行了bar函数，返回了tt函数的内存地址
r3 = r2() #执行了tt函数，输出 pony
输出结果
pony
pony
分析：r1是执行foo函数，最后得到的是bar函数的内存地址，r2是执行了bar函数，返回了tt函数的内存地址，执行了tt函数，输出 pony。
这里也可以直接这样写
foo()()()
foo()是r1,foo()()是r2,foo()()()就是r3.
二、匿名函数
1、lambda
例子
lambda x:x+1
这里的x相当于自定义函数的形参，x+1相当于return的返回值
def calc(x)
return x+1
这个自定义函数和lambda x:x+1是等价的
lambda函数一般用直接是处理加减法、乘法、加字符串
例子
def calc(x):
return x+1
res = calc(10)
print(res)
print(calc)
输出结果
11
<function calc at 0x02245C48>
例子2
print(lambda x:x+1)
输出结果
<function <lambda> at 0x021B5C48>
分析：这里是lambda函数在内存中的地址，和calc函数是一样的（未执行，即未加括号的情况下 ）
调用lambda()
例子
func = lambda x:x+1
res = func(10)
print(res)
输出
|
1
|
|
分析：调用lambda函数需要将lambda函数赋值给一个变量，执行时用变量名加（）带参数执行，这里括号内的参数类似自定义函数的实参，通过调用传给形参。
例子3
print(list(filter(lambda x:x if x % 2 == 0 else "" ,range(10))))
输出结果
[2, 4, 6, 8]
分析：lambda可以用if -else语句，但是不能单独用if语句，必须if-else语句一起写
2、lambda返回多个值
例子
func = lambda x,y,z:x + y + z
res = func(10,11,12)
print(res)
#或者这样写
print(func(10,11,12))
例子2
func = lambda x,y,z:(x + 1 ,y + 1,z +1)
res = func(10,11,12)
print(res)
#或者直接这样写
print(func(10,11,12))
输出结果
(11, 12, 13)
(11, 12, 13)
分析：这里返回多个值需要用括号和逗号
三、函数式编程
1、编程的三种方法论
面向过程编程、函数式编程、面向对象编程
面向过程：
定义
是一种以过程为中心的编程思想。这些都是以什么正在发生为主要目标进行编程，不同于面向对象的是谁在受影响。
简单的就是把任务分为一个一个的步骤，一步一步的执行。
函数式编程：
定义
在计算机科学里，函数式编程是一种编程范式，它将计算描述为表达式求值并避免了状态和数据改变。函数式编程里面的“函数”指的是数学函数。
对于任何一个编程函数，需要满足下面3个条件，即可转换成纯数学函数。
每个函数必须包含输入参数（作为自变量）
每个函数必须有返回值（作为因变量）
无论何时，给定参数调用函数时，返回值必须一致。
面向对象编程
定义
面向对象编程——Object Oriented Programming，简称OOP，是一种程序设计思想。OOP把对象作为程序的基本单元，一个对象包含了数据和操作数据的函数。
而面向对象的程序设计把计算机程序视为一组对象的集合，而每个对象都可以接收其他对象发过来的消息，并处理这些消息，计算机程序的执行就是一系列消息在各个对象之间传递。
2、函数式编程递归调用
高阶函数的定义
（1）函数名可以当做参数传递
（2）返回值可以是参数
例子
def foo(n): #n=bar
print(n) def bar(name):
print('my name is %s' %name)
foo(bar)
foo(bar("nicholas"))
输出结果
<function bar at 0x02225C48>
my name is nicholas
None
分析：这里的foo(bar)，其中的bar是作为一个函数当做参数传入foo()，bar是一个内存地址。foo(bar("nicholas"))中，bar("nicholas")执行函数，先输出my name is nicholas，然后执行foo函数，由于bar函数没有return出数值，所以执行foo()输出None。
3、尾调用优化（尾递归优化）
尾调用：在函数的最后一步调用另外一个函数（最后一行不一定是函数的最后一步）
例子
def bar(n):
return n
def foo(x):
return bar(x)
这里的return bar()就是函数的最后一步。
例子
def test(x):
if x > 1:
return True
elif x == 1:
return False
else:
return False
test(1)
分析：这里的最后一步是执行elif x ==1下面的 return False语句。
尾递归与非尾递归
非尾递归
def cal(seq):
if len(seq) == 1:
return seq[0]
head , *tail = seq
return head + cal(tail)
print(cal(range(100)))
尾递归
def cal(l):
print(l)
if len(l) == 1:
return l[0]
frist,second,*args = l
l[0] = frist + second
l.pop(1)
return cal(l)
x = cal([i for i in range(10)])
print(x)
3、 map（）函数
map() 会根据提供的函数对指定序列做映射。
map(function, iterable, ...)
function -- 函数，有两个参数
iterable -- 一个或多个序列
它有两个参数，第一个参数为某个函数，第二个为可迭代对象。
例子
需求，将li1 = [1,3,4,5,7,10] 的每个元素变成自己的平方。
用for循环解决
li1 = [1,3,4,5,7,10]
li = []
for i in li1:
li.append(i ** 2)
res = li
print(res)
升级需求，处理多个列表，将列表的的每个元素变成自己的平方。
li1 = [1,3,4,5,7,10]
def map_test():
li = []
for i in li1:
li.append(i ** 2)
return li
res = map_test(li1)
print(res)
继续升级需求，将原列表的每个元素平方，组成新的列表
li1 = [1,3,4,5,7,10]
def pow_test(n):
return n ** 2
def map_test(fun,array):
li = []
for i in array:
res = fun(i)
li.append(res)
return li
res1 = map_test(pow_test,li1)
print(res1)
分析：这里的map_test函数的参数fun传入的是一个函数，即这个map_test函数是高阶函数，在map_test函数里调用其他函数，对第二个传入的对象进行处理。两个这里map_test（）、pow_test（)加在一起实现的功能就是map()函数的作用。
这里可以用map()函数处理
li1 = [1,3,4,5,7,10]
res1 = list(map(lambda x:x**2,li1))
print(res1)
分析：map()函数的第一个参数是一个函数，即匿名函数，这里不需要加括号执行，只是代表对一个参数的处理方式，map()第二个参数是待处理的可迭代对象。
map（）函数直接处理结果是一个map()函数的内存地址，是一个可迭代类型，需要加list转换为列表。
这里map()函数的第一个参数不一定非要写lambda函数，也可以写自定义的函数名。
例子
def reduce_one(n):
return n - 1
li1 = [1,3,4,5,7,10]
res1 = list(map(reduce_one,li1))
print(res1)
输出结果
[0, 2, 3, 4, 6, 9]
关于map（）函数输出的结果处理
例子
用for 循环处理结果
li1 = [1,3,4,5,7,10]
res1 = map(lambda x:x**2,li1)
for i in res1:
print(i)
print(res1)
输出结果
1
9
16
25
49
100
<map object at 0x02185790>
直接用map函数
li1 = [1,3,4,5,7,10]
res = list(map(lambda x:x**2,li1))
print("map处理结果是",res)
输出结果
map处理结果是 [1, 9, 16, 25, 49, 100]
分析：这里可以看出map（）函数直接输出的结果是一个可迭代对象，加上list可以将其转换为列表。
4、filter（）函数
filter()函数是 Python 内置的另一个有用的高阶函数，filter()函数接收一个函数 f 和一个list，这个函数 f 的作用是对每个元素进行判断，返回 True或 False，filter()根据判断结果自动过滤掉不符合条件的元素，返回由符合条件元素组成的新list。
filter：过滤，滤除
例子
，要从一个list [1, 4, 6, 7, 9, 12, 17]中删除偶数，保留奇数
用自定义函数和for循环解决
li = [1, 4, 6, 7, 9, 12, 17]
li1 = []
def filter_old(n):
if n % 2 == 1:
li1.append(n)
def test():
for i in li:
res = filter_old(i)
test()
print(li1)
输出
[1, 7, 9, 17]
这里也可以直接用filter函数解决。
li = [1, 4, 6, 7, 9, 12, 17]
def filter_old(n):
if n % 2 == 1:
return n
res = list(filter(filter_old,li))
print(res)
输出结果
[1, 7, 9, 17]
或者更精简一些
li = [1, 4, 6, 7, 9, 12, 17]
res = list(filter(lambda n:n %2 ==1,li))
print(res)
输出结果
[1, 7, 9, 17]
分析：这里的lambda函数是一个函数处理逻辑，最终是返回了符合 n %2 ==1条件的n
这里与map函数一样，也需要List将其转换为列表。
例子
li = [1, 4, 6, 7, 9, 12, 17]
res = list(filter(lambda n:not n %2 ==1,li))
print(res)
分析：这里的lambda也可以加not。
例子
li = [
{"name":"jack","age":53},
{"name":"pony","age":46},
{"name":"charles","age":53},
{"name":"richard","age":44} ]
v = list(filter(lambda p:p["age"]<45,li))
print(v)
输出结果
[{'name': 'richard', 'age': 44}]
分析：这里lambda返回的就是符合条件的元素p,遍历序列中的每个元素，判断每个元素得到布尔值，如果是True则留下来。
5、reduce（）函数
reduce（）在python2中可以直接用
在python3中需要添加模块导入
from functools import reduce
reduce（）的使用方法形如reduce(f(x),Itera).对，它的形式和map()函数一样。不过参数f（x）必须有两个参数。reduce()函数作用是：把结果继续和序列的下一个元素做累积计算。
例子
需求将列表[1,2,3,4,5,6]所有元素加起来。
用for循环解决
li = [1,2,3,4,5,6]
sum = 0
for i in li:
sum = sum + i
print(sum)
需求2，求列表li = [1,2,3,4,5,6]每个元素相乘最终结果
用自定义函数处理
li = [1,2,3,4,5,6]
def test(x,y):
return x*y
def test1(func,array):
res = array.pop(0)
#这里表示列表的第一个元素
#pop()删除某个值，并可以获取当前删除的值
for i in array:
res = func(res,i)
#这里是传入的相乘的结果和下一个元素，初始值为res = array[0]。
return res
v = test1(test,li)
print(v)
输出结果
720
分析：这里是自定义了2个函数，通过函数中调用另一个函数处理。这里也可以直接用reduce()函数处理。
rom functools import reduce
li = [1,2,3,4,5,6]
v = reduce(lambda x,y:x*y,li)
print(v)
输出
720
分析：注意这里不再使用list方法。
reduce 有 三个参数
function 有两个参数的函数， 必需参数
sequence tuple ，list ，dictionary， string等可迭代对象，必需参数
initial 初始值， 可选参数
如果没有初始值init,直接执行将第二个参数可迭代对象通过第一个参数func进行处理。
如果有初始值Init，则首先进行初始值和待传入的第二个参数的第一个元素通过func进行处理，之后这个累计值再和第二个元素进行累计。
例子
from functools import reduce
li = [1,2,3,10]
v = reduce(lambda x,y:x*y,li,10)
print(v)
输出结果
600
分析：这里首先将初始值10 * 1 得到10，然后用累计值10 *2 得到20，然后20*3，以此类推，最后得到600.
6、map()、filter()、reduce()小结
map()
处理序列中的每个元素，得到的结果是一个‘列表’(内存地址)，该‘列表’元素个数及位置与原来一样
filter()
filter遍历序列中的每个元素，判断每个元素得到布尔值，如果是True则留下来
reduce()
处理一个序列，然后把序列进行合并操作