递归函数
递归(Recursion),又译为递回,在数学与计算机科学中,是指在函数的定义中使用函数自身的方法。
下面通过两个最典型的例子来了解什么是递归。
计算阶乘n! = 1 * 2 * 3 * ... * n
,可以直到只有当n=1
时需要特殊处理,因此我们写出以下计算阶乘的函数:
def func1(n):
if n == 1:
return 1
return n * func(n-1)
计算斐波那契数列
def fib(n):
if n == 0:
return 0
elif n == 1:
return 1
else:
return fib(n-1) + fib(n-2)
递归函数的优点是定义简单,逻辑清晰。理论上,所有递归函数都可以用循环的方式实现,但循环的逻辑表现出来可能比较繁琐且复杂。以上的两个例子都还可以再优化,这个涉及到栈溢出以及重复计算,可以使用尾递归和记忆法来优化以上问题。这里不做详细的介绍。后续会有专门的递归专辑来讲解。
高阶函数
高阶函数(Higher-order function),下面通过几个例子逐步深入了解。
函数赋值给变量(即变量指向函数)
Python内置函数min()
,我们可以在窗口直接输入min
:
>>> min
<built-in function min>
从上面的输出中可以直到,min()
函数是Python的内置函数。下面用它来求最小值:
>>> min(6,1)
1
我们可以把函数的结果赋值给变量:
>>> m = min(6,1)
>>> m
1
以上我们可以直到,min
是函数本身,min(6,1)
是函数的调用。那么如果将函数本身赋值给变量会怎样呢?
>>> m = min
>>> m
<built-in function min>
>>> m(6,1)
1
由上面的结果可以看出,函数本身可以赋值给变量,该变量指向了函数,且可以通过该变量来调用此函数。
函数名即变量
每个函数都有一个名字,那函数名又是什么呢?其实函数名实际上就是指向该函数的变量。对于min()
这个函数,其实可以把函数名min
看成变量,而这个变量实际上指向的是一个可以计算最小值的函数。那么,如果我们把这个变量min
指向其他对象会怎样呢?
>>> min = 24
>>> min
24
>>> min(6,1)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'int' object is not callable
可以看到min
指向24
后,min
这个变量就指向了整数24
而不再指向求最小值的函数,当然虽然代码上这样是可行的,不过这里只是为了说明函数名也是变量,实际应用中切不可这样操作。若想要恢复min
函数,可以重启Python交互环境。
Tips:由于min
函数实际上是定义在import builtins
模块中,所以要让修改min
变量的指向在其他模块中也生效,要用import builtins; builtins.min = 10
。
作为参数传入函数
上面了解到变量可以指向函数,而函数的参数可以接收变量,那么一个函数就可以接收另一个函数作为参数,即函数可以作为参数传入另一个函数,这种函数就称之为高阶函数。下面来看个例子:
def add_abs(a,b,f):
return f(a) + f(b)
我们给上面定义的函数传入这样的参数add_abs(-2,6,abs)
:
>>> def add_abs(a,b,f):
... return f(a)+f(b)
...
>>>
>>> add_abs(-2,6,abs)
8
根据函数的定义,我们直到参数a
,b
,f
分别接收 -2
,6
,abs
,然后在函数内部分别求a
,b
的绝对值再相加作为结果返回。
下面开始介绍一些高阶的函数
map()函数
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Iterable
返回。例如现有一个函数f(x) = x^2
,要把这个函数作用在一个list[1,2,3,4,5,6,7,8,9]
上,就可以用map()
实现如下:
>>> def f(x):
... return x * x
...
>>> res = map(f,[1,2,3,4,5,6,7,8,9])
>>> list(res)
[1, 4, 9, 16, 25, 36, 49, 64, 81]
map()
传入的第一个参数是f
,即函数对象本身。由于结果res
是一个Iterable
,Iterabe
是惰性序列,因此通过list()
函数让它把整个序列都计算出来并返回一个list。
我们还可以将这个list中的所有数字转为字符串:
>>> res = map(str,[1,2,3,4,5,6,7,8,9])
>>> list(res)
['1', '2', '3', '4', '5', '6', '7', '8', '9']
>>>
reduce()函数
reduce
把一个函数作用在一个序列[x1,x2,x3,...]
上,这个函数必须接受两个参数,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(x1,x2),x3),x4)
比方说对一个序列求和,就可以用reduce
实现:
>>> from functools import reduce
>>> def add(x,y):
... return x + y
...
>>> reduce(add,[1,3,5,7,9])
25
当然和运算可以直接用Python内建函数sum()
,没必要动用reduce
。
但是如果要把序列[1,3,5,7,9]
变换成整数13579
,reduce
就可以派上用场:
>>> def fn(x,y):
... return x * 10 + y
...
>>> reduce(fn,[1,3,5,7,9])
13579
这个例子本身没多大用处,但是,如果考虑到字符串str
也是一个序列,对上面的例子稍加改动,配对map()
,我们就可以写出把str
转换为int
的函数:
>>> 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'))
13579
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))
也就是说,假设Python没有提供int()
函数,你完全可以自己写一个把字符串转转化为整数的函数,而且只需要几行代码!
filter函数
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。和map()
不同的是,filter()
把传入的函数依次于每个元素,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:
def is_odd(n):
return n%2 == 1
result = filter(is_odd,[1,2,3,4,5,6,7,8,9,10])
print(type(result))
list(result)
<class ‘filter’>
[1, 3, 5, 7, 9]
把一个序列中的空字符串删除掉,可以这么写:
def not_empty(s):
return s and s.strip()
list(filter(not_empty,['A','b','',None,'O','']))
[‘A’, ‘b’, ‘O’]
可见用filter()
这个高阶函数,关键在于正确实现一个“筛选”函数。
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
计算素数的一个方法是埃氏筛法,它的算法理解起来非常简单:
首先,列出从2
开始的所有自然数,构造一个序列:2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,...
取序列的第一个数2
,它一定是素数,然后用2
把序列的2
的倍数筛掉: 取序列的第一个数
3
,它一定是素数,然后用3
把序列的3
的倍数筛掉: 取序列的第一个数
5
,然后用5
把序列的5
的倍数筛掉“ 不断筛下去,就可以得到所有的素数。
用Python来实现这个算法,可以先构造一个从3
开始的奇数序列:
def _odd_iter():
n = 1
while True:
n = n + 2
yield n
注意这是一个生成器,并且是一个无限序列。
然后定义一个筛选函数:
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)
这个生成器返回第一个素数2
,然后,利用filter()
不断产生筛选后的新的序列。
注意,由于primes()
也是一个无限序列,所以调用时需要设置一个退出循环的条件:
# 调用
# 打印1000以内的素数
for n in primes():
if n < 1000:
print(n)
else:
break
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“这个的序列,而代码非常简介。
sorted函数
Python内置的sorted()
函数可以对list进行排序:
sorted([5,8,-6,35,-24,10])
# [-24, -6, 5, 8, 10, 35]
此外,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([5,8,-6,35,-24,10],key=abs)
# [5, -6, 8, 10, -24, 35]
再看看字符串排序的例子:
sorted(['Amy','bob','John','Alex','Zoom','aodi','cry'])
# ['Alex', 'Amy', 'John', 'Zoom', 'aodi', 'bob', 'cry']
默认情况下,对字符串排序,是按照ASCII的大小比较的,由于'z' < 'a'
,结果,大写字母会排在小写字母a
的前面。
现在,我们提出排序应该忽略大小写,按照字母序排序。要实现这个算法,不必对现有代码大加改动,只要我们能用一个key函数把字符串映射为忽略大小写排序即可。忽略大小写来比较两格字符串,实际上就是先把字符串都变成大写(或者变成小写),再比较。这样,我们给sorted
传入key函数,即可实现忽略大小写的排序:
sorted(['Amy','bob','John','Alex','Zoom','aodi','cry'],key = str.lower)
# ['Alex', 'Amy', 'aodi', 'bob', 'cry', 'John', 'Zoom']
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(['Amy','bob','John','Alex','Zoom','aodi','cry'],key = str.lower,reverse=True)
# ['Zoom', 'John', 'cry', 'bob', 'aodi', 'Amy', 'Alex']
从上述例子可以看出,高阶函数的抽象能力是非常强大的,而且,核心代码可以保持得非常简介。