python学习笔记9：函数式编程

函数式编程(FunctionalProgramming)

• 基于lambda演算的一种编程方式

  • 程序中只有函数
  • 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

• 需要理解

  • 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

# 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题隔开
# 4. 只是一个表达式，所以，没有return
# 5. 使用 的时候以函数的方式使用fun(v1,v2....)
# 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)

高阶函数

• 把函数作为参数使用的函数，叫高阶函数
• 函数名称是变量，则应该可以被当做参数传入另一个函数

def aa(n):
    return n*10
def bb(n,f):
    return f(n)*3
bb(3,aa)

系统高阶函数-map

• 原意就是映射，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(函数,要处理的列表)
  • map(lambda x:x*10,[i for i in range(10)] )

reduce

• 原意是归并，缩减,把一个可迭代对象最后归并成一个结果
• reduce 需要导入functools包：from functools import reduce
• 对于作为参数的函数要求： 必须有且仅有两个参数，必须由返回结果
• reduce([1,2,3,4,5]) == f( f(f(f(1,2),3), 4),5)
  • rst = reduce( lambda x,y:x+y, [1,2,3,4,5,6] )

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想对应的新队列
    • filter只有符合条件的才会进入新的数据集合
  • filter函数用法：
    • 利用给定函数进行判断，过滤函数返回值一定是个布尔值
    • 调用格式： filter(f, data), f是过滤函数， data是数据,返回一个可迭代的filter对象
    • rst = filter(lambda x:x%2==0, [1,3,4,5,8,9])

sort-排序

• 把一个序列按照给定算法进行排序
• key: 在排序钱对每一个元素进行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
• key: key=abs绝对值， key=str.lower：小写。。。。

返回函数

• 把一个函数当做返回值返回

# 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
    return myF5
# 执行
f5 = myF4(1,2,3,4,5,6,7,8,9,0)
f5()

闭包（closure)

• 当一个函数在内部定义函数，并且内部的函数使用外部函数的参数或者局部变量，当内部函数被当做返回值的时候，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
        # f是一个闭包结构
        def f():
            return i*i
        fs.append(f)
    return fs
f1,f2,f3 = count()
#期望出现，1,4,9实际是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
• 此问题描述成：返回闭包时，返回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

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
• 实际上是在函数具体执行之前，执行装饰器里面的内容

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 wrapper
@printTime
def add(x,y):
    return x+y
print(add(77,44))

偏函数

• 参数固定的函数，相当于一个由特定参数的函数体
• functools.partial的作用是，把一个函数某些函数固定，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")

高级内置函数

zip

• 把两个可迭代内容生成一个可迭代的tuple元素类型组成的内容,如果元素不对等，取能匹配的最大值

# zip 案例
l1 = [ 1,2,3,4,5]
l2 = [11,22,33,44]
z = zip(l1, l2)
for i in z:
    print(i)
#输出
(1, 11)
(2, 22)
(3, 33)
(4, 44)

enumerate

• 跟zip功能比较像
• 对可迭代对象里的每一元素，配上一个索引，然后索引和内容构成tuple类型

l1 = [11,22,33,44]
em = enumerate(l1)
l2 = [i for i in em]
print(l2)
#输出：
[(0, 11), (1, 22), (2, 33), (3, 44)]

collections模块

namedtuple

• 是一个可命名的tuple

import collections
Point = collections.namedtuple("Point", ['x', 'y'])
p = Point(11, 22) 

deque

• 比较方便的解决了频繁删除插入带来的效率问题

from collections import deque
q = deque(['a', 'b', 'c'])
q.append("d")
q.appendleft('x')
## deque(['x', 'a', 'b', 'c', 'd'])

defaultdict

• 当直接读取dict不存在的属性时，直接返回默认值
• 第一个参数要为函数
• func = lambda: "刘大拿" d2 = defaultdict(func)

Counter

• 统计字符串个数

print(c)
s = ["liudana", "love", "love", "love", "love", "wangxiaona"]
c = Counter(s)