函数式:functional,一种编程范式
高阶函数:能接受函数做参数的函数,如:
def add(x,y,f):
return f(x)+f(y)
如果传入abs作为参数f的值:
add(-5,9,abs)
map()函数
map()是 Python 内置的高阶函数,它接收一个函数 f 和一个list,并通过把函数 f 依次作用在 list 的每个元素上,得到一个新的 list 并返回。
例如,对于list [1, 2, 3, 4, 5, 6, 7, 8, 9];如果希望把list的每个元素都作平方,就可以用map()函数:
def f(x):
return x*x
print map(f,[1,2,3,4,5,6])
注意:map()函数不改变原有的 list,而是返回一个新的 list。
reduce()函数
reduce()函数接收的参数和 map()类似,一个函数 f,一个list,但行为和 map()不同,reduce()传入的函数 f 必须接收两个参数,reduce()对list的每个元素反复调用函数f,并返回最终结果值。
def f(x,y):
return x+y
reduce(f,[1,3,5,7,9])
先计算头两个元素:f(1, 3),结果为4;
再把结果和第3个元素计算:f(4, 5),结果为9;
再把结果和第4个元素计算:f(9, 7),结果为16;
再把结果和第5个元素计算:f(16, 9),结果为25;
由于没有更多的元素了,计算结束,返回结果25
reduce()还可以接收第3个可选参数,作为计算的初始值。如果把初始值设为100,计算:
reduce(f,[1,3,5,7,9],100)
结果将变为125,因为第一轮计算是:
计算初始值和第一个元素:f(100, 1),结果为101。
filter()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。
如:要从一个list [1, 4, 6, 7, 9, 12, 17]中删除偶数,保留奇数
def is_odd(x):
return x % 2 == 1
filter(is_odd,[1, 4, 6, 7, 9, 12, 17])
sorted()函数
自定义排序函数
它可以接收一个比较函数来实现自定义排序,比较函数的定义是,传入两个待比较的元素 x, y,如果 x 应该排在 y 的前面,返回 -1,如果 x 应该排在 y 的后面,返回 1。如果 x 和 y 相等,返回 0。
如:将下面的倒序排列
def reversed_cmp(x, y):
if x > y:
return -1
if x < y:
return 1
return 0
sorted([36, 5, 12, 9, 21], reversed_cmp)
返回函数
如:定义一个函数f(),让它返回函数g
def f():
print 'call f()…'
def g():
print 'call g()…'
#返回函数g
return g
>>> x = f() # 调用f()
call f()...
>>> x # 变量x是f()返回的函数:
<function g at 0x1037bf320>
>>> x() # x指向函数,因此可以调用
call g()... # 调用x()就是执行g()函数定义的代码
注意区分返回函数与返回值
def myabs():
return abs # 返回函数
def myabs2(x):
return abs(x) # 返回函数调用的结果,返回值是一个数值
闭包
def calc_sum(lst):
def lazy_sum():
return sum(lst)
return lazy_sum
像这种内层函数引用了外层函数的变量(参数也算变量),然后返回内层函数的情况,称为闭包(Closure);闭包的特点是返回的函数还引用了外层函数的局部变量,所以,要正确使用闭包,就要确保引用的局部变量在函数返回后不能变,如:
# 希望一次返回3个函数,分别计算1x1,2x2,3x3:
def count():
fs = []
for i in range(1, 4):
def f():
return i*i
fs.append(f)
return fs
f1, f2, f3 = count()
你可能认为调用f1(),f2()和f3()结果应该是1,4,9,但实际结果全部都是 9(请自己动手验证)。
原因就是当count()函数返回了3个函数时,这3个函数所引用的
变量 i 的值已经变成了3
匿名函数
以map()函数为例,计算 f(x)=x2 时,除了定义一个f(x)的函数外,还可以直接传入匿名函数:
map(lambda x:x*x,[1,2,3,4,5,6])
关键字lambda 表示匿名函数,冒号前面的 x 表示函数参数。
匿名函数有个限制,就是只能有一个表达式,不写return,返回值就是该表达式的结果。
decorator装饰器
如:希望对下列函数调用增加log功能,打印出函数调用:
def f1(x):
return x*2
def f2():
return x*x
方法一:直接修改原函数
def f1(x):
print 'call f1()'
return x*2
def f2():
print 'call f2()'
return x*x
方法二:接收一个函数,对其包装,然后返回一个新的函数(高阶函数)
def f1(x):
return x*2
def new_fn(f):
def fn(x):
print 'call'+f._name_+'()'
return f(x)
return fn
g1=new_fn(f1)
print g1(5)
说明:python内置的@语法就是为了简化装饰器的调用
@new_fn
def f1(x):
return x*2
就相当于
def f1(x):
return x*2
f1=new_fn(f1)
考察一个@log的定义
def log(f):
def fn(x):
print 'call ' + f.__name__ + '()...'
return f(x)
return fn
但是,对于参数不是一个的函数,调用将报错,要让 @log 自适应任何参数定义的函数,可以利用Python的 *args 和 **kw,保证任意个数的参数总是能正常调用:
def log(f):
def fn(*args,**kw):
print 'call ' + f.__name__ + '()...'
return f(*args,**kw)
return fn
偏函数
functools.partial帮助我们创建一个偏函数,可以把一个参数多的函数变成一个参数少的新函数,少的参数需要在创建时指定默认值,这样,新函数调用的难度就降低了,如下面的函数:
def int2(x, base=2):
return int(x, base)int2('100000')
可以转换为偏函数
int2=functools.partial(int,base=2)