Python学习笔记（四）函数式编程

2023-08-19 12:19:10

高阶函数（Higher-order function）

Input:

abs

Output:

1	<function abs>

Input:

abs(-10)

Output:

abs是函数本书，abs(-10)是函数调用

Input:

1
2

f = abs
f

Output:

1	<function abs>

变量可以指向函数

Input:

f(-10)

Output:

函数名也是变量

函数名其实就是指向函数的变量，对于abs()这个函数，完全可以把abs看成变量，它指向一个可以计算绝对值的函数，如果把abs指向其他对象，将无法再调用计算绝对值的函数

Input:

1 2	abs = 10 abs(-10)

Output:

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-6-dae1c1c42fe8> in <module>()
      1 abs = 10
----> 2 abs(-10)
TypeError: 'int' object is not callable

abs函数实际上是定义在import builtins模块中的

传入函数

一个函数接收另外一个函数作为参数，这种函数就称之为高阶函数

Input:

1 2	def (x, y, f): return f(x) + f(y)

1	print(add(-5, 6, abs))

Output:

map/reduce

基本知识

map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回。

Input:

def f(x):
    return x*x

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

Output:

1	[1, 4, 9, 16, 25, 36, 49, 64, 81]

reduce把一个函数作用在一个序列[x1, x2, x3, ...]上，这个函数接收两个参数，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, x2, x3, x4]) = f(f(f(f(x1, x2), x3), x4)

对一个序列求和，就可以用reduce实现

Input:

from functools import reduce
def (x,y):
    return x+y

reduce(add, [1,3,5,7,9])

Output:

我们配合map()，可以写出把str转换为int的函数：

Input:

from functools import reduce
def fn(x, y):
    return x*10+y

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

reduce(fn, map(char2num, '13579'))

Output:

整理成一个str2int的函数就是

from functools import reduce

DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}

def str2int(s):
    def fn(x, y):
        return x * 10 + y
    def char2num(s):
        return DIGITS[s]
    return reduce(fn, map(char2num, s))

还可以用lambda函数进一步简化

from functools import reduce

DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}

def char2num(s):
    return DIGITS[s]

def str2int(s):
    return reduce(lambda x, y: x * 10 + y, map(char2num, s))

练习

利用map()函数，把用户输入的不规范的英文名字，变为首字母大写，其他小写的规范名字。输入：[‘adam’, ‘LISA’, ‘barT’]，输出：[‘Adam’, ‘Lisa’, ‘Bart’]：

Input:

def normalize(name):
    def specilization(s):
        return s.casefold().capitalize()
    return map(specilization, name)

1 2	res = normalize(['adam', 'LISA', 'barT']) list(res)

Output:

1	['Adam', 'Lisa', 'Bart']

Python提供的sum()函数可以接受一个list并求和，请编写一个prod()函数，可以接受一个list并利用reduce()求积：

Input:

1
2
3

from functools import reduce
def prod(L):
    return reduce(lambda x,y: x*y, L)

1	prod([3,5,7,9])

Output:

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

Input:

from functools import reduce
TRANS = {'1':1, '2':2, '3':3, '4':4, '5':5, '6':6}
def str2float(s):
    s2 = s.split('.')
    def point_left(x, y):
        return x*10 + y
    def char2num(s):
        return TRANS[s]
    left2int = reduce(point_left, map(char2num, s2[0]))
    right2int = reduce(point_left, map(char2num, s2[1]))
    while(right2int > 1):
        right2int = right2int/10
    return left2int + right2int

print('str2float('123.456') =', str2float('123.456'))
if abs(str2float('123.456') - 123.456) < 0.00001:
    print('测试成功!')
else:
    print('测试失败!')

Output:

1 2	str2float('123.456') = 123.456 测试成功!

filter

基本知识

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。和map()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。

例如，在一个list中，删掉偶数，只保留奇数，可以这么写

Input:

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

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

Output:

1	[1, 5, 9, 15]

把一个序列中的空字符串删掉

Input:

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

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

Output:

1	['A', 'B', 'C']

注意到filter()函数返回的是一个Iterator，也就是一个惰性序列，所以要强迫filter()完成计算结果，需要用list()函数获得所有结果并返回list

用filter求素数

用python实现使用埃氏筛法计算素数

可以先构造一个从3开始的奇数序列，这是一个生成器，并且是一个无限序列

def _odd_iter():
    n = 1
    while True:
        n = n+2
        yield n

然后定义一个筛选函数

1 2	def _not_divisible(n): return lambda x: x%n > 0

最后，定义一个生成器，不断返回下一个素数

def primes():
    yield 2
    it = _odd_iter() #初始序列
    while True:
        n = next(it) #返回序列的第一个数
        yield n
        it = filter(_not_divisible(n), it) #构造新序列

# 打印30以内的素数：
for n in primes():
    if n < 30:
        print(n)
    else:
        break

Output:

注意到Iterator是惰性计算的序列，所以我们可以用Python表示“全体自然数”，“全体素数”这样的序列，而代码非常简洁。

练习

回数是指从左向右读和从右向左读都是一样的数，例如12321，909。请利用filter()筛选出回数：

Input:

1 2	def is_palindrome(n): return str(n) == str(n)[::-1]

output = filter(is_palindrome, range(1, 1000))
print('1~1000:', list(output))
if list(filter(is_palindrome, range(1, 200))) == [1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 22, 33, 44, 55, 66, 77, 88, 99, 101, 111, 121, 131, 大专栏  Python学习笔记（四）函数式编程ber">141, 151, 161, 171, 181, 191]:
    print('测试成功!')
else:
    print('测试失败!')

Output:

1
2

1~1000: [1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 22, 33, 44, 55, 66, 77, 88, 99, 101, 111, 121, 131, 141, 151, 161, 171, 181, 191, 202, 212, 222, 232, 242, 252, 262, 272, 282, 292, 303, 313, 323, 333, 343, 353, 363, 373, 383, 393, 404, 414, 424, 434, 444, 454, 464, 474, 484, 494, 505, 515, 525, 535, 545, 555, 565, 575, 585, 595, 606, 616, 626, 636, 646, 656, 666, 676, 686, 696, 707, 717, 727, 737, 747, 757, 767, 777, 787, 797, 808, 818, 828, 838, 848, 858, 868, 878, 888, 898, 909, 919, 929, 939, 949, 959, 969, 979, 989, 999]
测试成功!

filter()的作用是从一个序列中筛出符合条件的元素。由于filter()使用了惰性计算，所以只有在取filter()结果的时候，才会真正筛选并每次返回下一个筛出的元素。

sorted

基本知识

Python内置的sorted()函数可以对list进行排序

Input:

1	sorted([36, 5, -12, 9, -21])

Output:

1	[-21, -12, 5, 9, 36]

sorted()函数也是一个高阶函数，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

Input:

1	sorted([36, 5, -12, 9, -21], key=abs)

Output:

1	[5, 9, -12, -21, 36]

对字符串进行排序

Input:

1	sorted(['bob', 'about', 'Zoo', 'Credit'])

Output:

1	['Credit', 'Zoo', 'about', 'bob']

实现忽略大小写的排序

Input:

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

Output:

1	['about', 'bob', 'Credit', 'Zoo']

进行反向排序

Input:

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

Output:

1	['Zoo', 'Credit', 'bob', 'about']

练习

假设我们用一组tuple表示学生名字和成绩：
L = [(‘Bob’, 75), (‘Adam’, 92), (‘Bart’, 66), (‘Lisa’, 88)]
请用sorted()对上述列表分别按名字排序：

Input:


L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]
def by_name(t):
    return sorted(L, key = lambda x: x[0])

1	by_name(L)

Output:

1	[('Adam', 92), ('Bart', 66), ('Bob', 75), ('Lisa', 88)]

再按成绩从高到低排序

Input:

1 2	def by_score(t): return sorted(L, key = lambda x: x[1])

1	by_score(L)

Output:

1	[('Bart', 66), ('Bob', 75), ('Lisa', 88), ('Adam', 92)]

返回函数

基本知识

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

定义一个求和函数，不需要立刻得到求和结果，而是在后面的代码中根据需要再计算。

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

当我们调用lazy_sum()时，返回的并不是求和结果，而是求和函数

Input:

1	f = lazy_sum(1,3,5,7,9)

Output:

1	<function __main__.lazy_sum.<locals>.sum>

当调用函数f时，才真正计算求和的结果

Input:

f()

Output:

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。

闭包

注意到返回的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。

Input:

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

f1, f2, f3 = count()

Input:

f1()

Output:

Input:

f2()

Output:

Input:

f3()

Output:

我们可能会认为调用f1()、f2()和f3()结果应该是1，4，9，但实际结果全是9。原因就在于返回的函数引用了变量i，但它非立刻执行。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，无论该循环表按量后续如何更改，已绑定到函数参数的值不变：

Input:

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

1	f1, f2, f3 = count()

Input:

f1()

Output:

Input:

f2()

Output:

Input:

f3()

Output:

练习

利用闭包返回一个计数器函数，每次调用它返回递增整数：

Input:

def createCounter():
    def f():
        i = 0
        while True:
            i = i +1
            yield i
    sun = f()
    def counter():
        return next(sun)
    return counter

# 测试:
counterA = createCounter()
print(counterA(), counterA(), counterA(), counterA(), counterA()) # 1 2 3 4 5
counterB = createCounter()
if [counterB(), counterB(), counterB(), counterB()] == [1, 2, 3, 4]:
    print('测试通过!')
else:
    print('测试失败!')

Output:

1 2	1 2 3 4 5 测试通过!

匿名函数

基本知识

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。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

Input:

1 2	f = lambda x: x*x f(5)

Output:

练习

请用匿名函数改造下面的代码：

Input:

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

L = list(filter(is_odd, range(1, 20)))

Output:

1	[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]

Input:

1 2	L = list(filter(lambda x: x%2 == 1, range(1, 20)))

Output:

1	[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]

装饰器

假设我们要增强now()函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改now()函数的定义，这种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。所以，我们要定义一个能打印日志的decorator，可以定义如下

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

观察上面的log，因为它是一个decorator，所以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

1
2
3

def now():
    print('2018.01.05')

调用now()函数，不仅会运行now()函数本身，还会在运行now()函数前打印一行日志

Input:

now()

Output:

1 2	call now(): 2018.01.05

把@log放到now()函数的定义处，相当于执行了语句now=log(now)

如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本

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

1
2
3

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

Input:

now()

Output:

1 2	execute now(): 2015-3-25

和两层嵌套的decorator相比，三层嵌套的效果是now = log('execute')(now)

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）。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。

创建一个把二进制的字符串转换为整数的偏函数

Input:

1
2
3

import functools
int2 = functools.partial(int, base=2)
int2('10000')

Output:

码农公寓

高阶函数（Higher-order function）

函数名也是变量

传入函数

map/reduce

基本知识

练习

filter

基本知识

练习

sorted

基本知识

练习

返回函数

基本知识

闭包

练习

匿名函数

基本知识

练习

装饰器

偏函数

相关文章