python 函数式编程

Log模块资料

python语言的高级特性

函数式编程（FunctionalProgramming）

• 基于lambda演算的一种编程方式

• 程序中中有函数
• 函数可以作为参数，同样可以作为返回值
• 纯函数式编程语言：LISP，Haskell、

• python函数式编程只是借鉴函数式编程的一些特点，可以理解成一半函数式一半python
• 需要学习

• 高阶函数
• 返回函数
• 匿名函数
• 装饰器
• 偏函数

lambda表达式

• 函数：最大程度复用代码

• 存在问题：如果函数很小，很短，则会造成啰嗦
• 如果函数被调用次数少，则会造成浪费
• 对于阅读者来说，造成阅读流程的被迫中断

• lambda表达式（匿名函数）：

• 一个表达式，函数体相对简单
• 不是一个代码块，仅仅是一个表达式
• 可以有参数，有多个参数也可以，用逗号隔开

# “小”函数举例
def printA():
print("AAAAAA")

printA()AAAAAA# lambda表达式的用法
# 1. 以lambda开头
# 2. 紧跟一定的参数（如果有的话）
# 3. 参数后用冒号和表达式主体隔开
# 4. 只是一个表达式，所以，没有return

# 计算一个数字的100倍数
# 因为就是一个表达式，所以没有return
stm = lambda x: 100 * x
# 使用上跟函数调用一模一样
stm(89)8900stm2 = lambda x,y,z: x + y*10 + z*100
stm2(4, 5, 6)654

高阶函数

• 把函数作为参数使用的函数，叫高阶函数

# 变量可以赋值
a = 100
b =# 函数名称就是一个变量
def funA():
print("In funA")

funB = funA
funB()In funA

以上代码得出的结论：

• 函数名称是变量
• funB 和 funA 只是名称不一样而已
• 既然函数名称是变量。则应该可以被当作参数传入另一个函数

# 高阶函数举例
# funA是普通函数，返回一个传入数字的100倍

def funA(n):
return n * 100

# 再写一个函数，把传入参乘以300倍，利用高阶函数

def funB(n):
# 最终是想返回300n

return funA(n) * 3

print(funB(9))

# 写一个高阶函数
def funC(n, f):
# 假定函数是把n扩大100呗
return f(n) * 3

print(funC(9, funA))

# 比较funC和funB，显然funC的写法要优于funB
# 例如：
def funD(n):
return n*10

# 需求变更，需要把n放大30倍，此时funB无法实现
print(funC(7, funD))2700
2700
210

系统高阶函数 - map、

• 愿意就是映射，即把集合或者列表的元素，每一个元素都按照一定规则进行操作，
  生成一个新的列表或者集合
• map函数就是系统提供的具有映射功能的函数，返回值是一个迭代对象

# map举例
# 有一个列表，想对列表里的每一个元素乘以10，并得到新的列表

l1 = [i for i in range(10)]
print(l1)
l2 = []
for i in l1:
l2.append(i * 10)

print(l2)

# 利用map实现
def numTen(n):
return n*10
# help(map)

l3 = map(numTen, l1)
# map类型是一个可迭代的结构，所以可以使用for遍历
print(type(l3))
print([i for i in l3])[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
[0, 10, 20, 30, 40, 50, 60, 70, 80, 90]
<class 'map'>
[0, 10, 20, 30, 40, 50, 60, 70, 80, 90]

reduce

• 愿意是归并，suojian
• 把一个可迭代对象最后归并成一个结果
• 对于作为参数函数参要求：必须有两个参数，必须有返回结果
• reduce([1,2,3,4,5]) == f(f(f(f(1,2),3),4),5)
• reduce需要导入functools包

from functools import reduce

# 定义一个操作函数
# 加入操作函数只是相加
def myAdd(x,y):
return x + y

# 对于列表[1,2,3,4,5,6]执行myAdd的reduce操作
rst = reduce(myAdd, [1,2,3,4,5,6])
print(rst)21

filter 函数

• 过滤函数：对一组数据进行过滤，符合条件的数据会生成一个新的列表并返回
• 跟map相比较：

• 相同：都对列表的每一个元素逐一进行操作
• 不同：

• map会生成一个跟原来数据相对应的新队列
• filter不一定，只要符合条件的人才会进入新的数据集合

• filter函数怎么写：

• 利用给定函数进行判断
• 返回值一定是一个布尔值
• 调用格式：filter(f, data), f是过滤函数，data是数据

# filter案例
# 对于一个列表，对其进行过滤，偶数生成一个新列表

# 需要定义过滤函数
# 过滤函数要求有输入，返回布尔值
def isEven(a):
return a % 2 == 0

l = [1,2,3,4,5,56,44,3,243]

rst = filter(isEven, l)
# 返回的filter内容是一个可迭代对象
print(type(rst))
print(rst)

print([i for i in rst])<class 'filter'>
<filter object at 0x000002D30626EB00>
[2, 4, 56, 44]

高阶函数 - 排序

• 把一个序列按照给定的算法进行排序
• key：再排序对每一个元素进行key函数运算，可以理解成按照key函数定义的逻辑进行排序
• python2 和 python3 相差巨大

# 排序的案例

a = [232,432,543,432,432,43,65,67]
al = sorted(a, reverse=True)
print(al)[543, 432, 432, 432, 232, 67, 65, 43]# 排序案例2

a = [-32,43,432,-43,43]
# 按照绝对值进行排序
# abs是求绝对值的意思
# 即按照绝对值的倒叙排列
al = sorted(a, key=abs, reverse=True)

print(al)[432, 43, -43, 43, -32]# sorted案例

astr = ['Duo', 'chen', 'fdsf']

str1 = sorted(astr)
print(str1)

str2 = sorted(astr, key=str.lower)
print(str2)['Duo', 'chen', 'fdsf']
['chen', 'Duo', 'fdsf']

返回函数

• 函数可以返回具体的值
• 也可以返回一个函数作为结果

# 定义一个普通函数

def myF(a):
print('In myF')
return Nonea = myF(8)
print(a)In myF
None# 函数作为返回值返回，被返回的函数在函数体内定义

def myF2():

def myF3():
print("In myF3")
return 3
return# 使用上面定义
# 调用myF2, 返回一个函数myF3，赋值给f3
f3 = myF2()
print(type(f3))
print(f3)

f3()<class 'function'>
<function myF2.<locals>.myF3 at 0x000002D306D06620>
In myF3





3# 复杂一点的返回函数的例子
# args：参数列表
# 1. myF4定义函数，返回内部定义的函数myF5
# 2. myF5使用了外部变量，这个变量是myF4的参数

def myF4( *args):
def myF5():
rst = 0
for n in args:
rst += n
return rst
returnf5 = myF4(1,2,3,4,5,6,7,8,9,0)
# f5的调用方式
f5()45f6 = myF4(10,20,30,40,50)
# f5的调用方式
f6()150

闭包（closure）

• 当一个函数在内部定义函数，并且内部的函数应用外部函数的参数或者局部变量，当内部函数被当作返回值的时候，相关参数和变量保存在返回的函数中，这种结果，叫闭包
• 上面定义的myF4是一个标准闭包结构

# 闭包常见坑
def count():
# 定义列表，列表里存放的是定义的函数
fs = []
for i in range(1, 4):
# 定义了一个函数
# f是一个闭包结构
def f():
return i*i
fs.append(f)
return fs

f1, f2, f3 = count()
print(f1())
print(f2())
print(f3())9
9
9

出现的问题：

• 造成上述状况的原因是，返回函数引用了变量i，i并非立即执行，而是等到三个函数都返回的时候才统一使用，此时i已经变成了3，最终调用的时候，都返回的是 3*3
• 此问题描述：返回闭包时，返回的函数不能引用任何循环变量
• 解决方案：再创建一个函数，用该函数的参数绑定循环变量的当前值，无论该循环变量以后如何改变，已经绑定的函数参数值不再改变

# 修改上述函数
def count1():
def f(j):
def g():
return j*j
return g
fs = []
for i in range(1, 4):
fs.append(f(i))
return fs

f1, f2, f3 = count1()
print(f1())
print(f2())
print(f3())1
4
9

装饰器

def hello():
print("Hello world")

hello()Hello worldf = hello
f()Hello world# f和hello是一个函数
print(id(f))
print(id(hello))

print(f.__name__)
print(hello.__name__)2501087682072
2501087682072
hello
hello# 现在有新的需求
# 对hello功能进行扩展，每次打印hello之前打印当前系统时间
# 而实现这个功能又不能改动现有代码
# ==>使用装饰器

装饰器（Decrator）

• 在不改动函数代码的基础上无限制扩展函数功能的一种机制，本质上讲，装饰器是一个返回函数的高阶函数
• 装饰器的使用：使用@语法，即在每次要扩展到函数定义前使用@+函数名

# 任务：
# 对hello函数进行功能扩展，每次执行hello打印当前时间

import time

# 高阶函数，以函数作为参数
def printTime(f):
def wrapper(*args, **kwargs):
print("Time:", time.ctime())
return f(*args, **kwargs)
return# 上面定义了装饰器，使用的时候需要用到@，此符号是python的语法糖
@printTime
def hello():
print("Hello world")

hello()Time: Sun Jun 2 08:27:35 2019
Hello world# 装饰器的好处是，一旦定义，则可以装饰任意函数
# 一旦被其装饰，则把装饰器的功能直接添加到定义函数的功能上

@printTime
def hello2():
print("11")
print("22")

hello2()Time: Sun Jun 2 08:30:07 2019
11
22# 上面对函数的装饰使用系统定义的语法糖
# 下面开始手动执行下装饰器
# 先定义函数

def hello3():
print("手动执行")

hello3()

hello3 = printTime(hello3)
hello3()

f = printTime(hello3)
f()手动执行
Time: Sun Jun 2 08:33:35 2019
手动执行
Time: Sun Jun 2 08:33:35 2019
Time: Sun Jun 2 08:33:35 2019
手动执行

偏函数

# 把字符串转化成十进制数字
int("12345")
# help(int)

# 求八进制的字符串12345，表示成十进制的数字是多少
int("12345", base=8)5349# 新建一个函数，此函数是默认输入的字符串是16进制数字
# 把此字符串返回十进制的数字
def int16(x, base=16):
return int(x, base)

int16("12345")74565

偏函数

• 参数固定的函数，相当于一个有特定参数的函数体
• functools.partial的作用是，把一个函数某些参数固定，返回一个新函数

import functools
# 实现上面int16的功能
int16 = functools.partial(int, base=16)

int16("12345")74565