聰哥哥教你學Python之函數語言程式設計
今天主要圍繞這麼幾個方面談談函數語言程式設計?
1.高階函式
2.返回函式
3.匿名函式
4.裝飾器
5.偏函式
有人會有疑問,聰哥哥請問什麼是函數語言程式設計?
引用百度百科的話說:
函數語言程式設計是一種程式設計方式,它將電腦運算視為函式的計算。函式程式語言最重要的基礎是λ(中文發音,蘭畝達)演算(lambda calculus),而且λ演算的函式可以接受函式當作輸入(引數)和輸出(返回值)。
和指令式程式設計相比,函數語言程式設計強調函式的計算比指令的執行重要。
和過程化程式設計相比,函數語言程式設計裡函式的計算可隨時呼叫。
引用廖雪峰先生的話說:
函式是Python內建支援的一種封裝,我們通過把大段程式碼拆成函式,通過一層一層的函式呼叫,就可以把複雜任務分解成簡單的任務,這種分解可以稱之為面向過程的程式設計。函式就是面向過程的程式設計的基本單元。
而函數語言程式設計(請注意多了一個“式”字)——Functional Programming,雖然也可以歸結到面向過程的程式設計,但其思想更接近數學計算。
我們首先要搞明白計算機(Computer)和計算(Compute)的概念。
在計算機的層次上,CPU執行的是加減乘除的指令程式碼,以及各種條件判斷和跳轉指令,所以,組合語言是最貼近計算機的語言。
而計算則指數學意義上的計算,越是抽象的計算,離計算機硬體越遠。
對應到程式語言,就是越低階的語言,越貼近計算機,抽象程度低,執行效率高,比如C語言;越高階的語言,越貼近計算,抽象程度高,執行效率低,比如Lisp語言。
函數語言程式設計就是一種抽象程度很高的程式設計正規化,純粹的函數語言程式設計語言編寫的函式沒有變數,因此,任意一個函式,只要輸入是確定的,輸出就是確定的,這種純函式我們稱之為沒有副作用。而允許使用變數的程式設計語言,由於函式內部的變數狀態不確定,同樣的輸入,可能得到不同的輸出,因此,這種函式是有副作用的。
函數語言程式設計的一個特點就是,允許把函式本身作為引數傳入另一個函式,還允許返回一個函式!
Python對函數語言程式設計提供部分支援。由於Python允許使用變數,因此,Python不是純函數語言程式設計語言。
百度百科的話有點籠統,廖雪峰先生說的挺不錯的。聰哥哥就不班門弄斧了。
下面進入正題:
一、高階函式
高階函式包含map/reduce、filter、sorted等。
1.map/reduce
map/reduce
閱讀: 434814
Python內建了map()
和reduce()
函式。
如果你讀過Google的那篇大名鼎鼎的論文“MapReduce: Simplified Data Processing on Large Clusters”,你就能大概明白map/reduce的概念。
我們先看map。map()
函式接收兩個引數,一個是函式,一個是Iterable
,map
將傳入的函式依次作用到序列的每個元素,並把結果作為新的Iterator
返回。
舉例說明,比如我們有一個函式f(x)=x2,要把這個函式作用在一個list [1, 2, 3, 4, 5, 6, 7, 8, 9]
上,就可以用map()
實現如下:
示例一:
# -*- coding: utf-8 -*-
def f(x):
return x * x
r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
print(list(r))
2.filter
Python內建的filter()
函式用於過濾序列。
和map()
類似,filter()
也接收一個函式和一個序列。和map()
不同的是,filter()
把傳入的函式依次作用於每個元素,然後根據返回值是True
還是False
決定保留還是丟棄該元素。
例如,在一個list中,刪掉偶數,只保留奇數,可以這麼寫:
示例二:
# -*- coding: utf-8 -*-
def is_odd(n):
return n % 2 == 1
print(list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])))
把一個序列中的空字串刪掉,可以這麼寫:
示例三:
# -*- coding: utf-8 -*-
def not_empty(s):
return s and s.strip()
print(list(filter(not_empty, ['A', '', 'B', None, 'C', ' '])))
聰哥哥有話說:filter()
的作用是從一個序列中篩出符合條件的元素。由於filter()
使用了惰性計算,所以只有在取filter()
結果的時候,才會真正篩選並每次返回下一個篩出的元素。
接下來或許有朋友會提出問題,什麼是惰性計算?
引用百度百科:
惰性計算(Lazy Evaluation),又稱懶惰計算、懶漢計算,是一個計算機程式設計中的一個概念,它的目的是要最小化計算機要做的工作。
它有兩個相關而又有區別的含意,可以表示為“延遲計算”和“短路求值”。除可以得到效能的提升外,惰性計算的最重要的好處是它可以構造一個無限的資料型別。
惰性計算的相反是熱情計算,也叫做嚴格計算。這是一個大多數程式語言所擁有的普通計算方式。
3.sorted
排序也是在程式中經常用到的演算法。無論使用氣泡排序還是快速排序,排序的核心是比較兩個元素的大小。如果是數字,我們可以直接比較,但如果是字串或者兩個dict呢?直接比較數學上的大小是沒有意義的,因此,比較的過程必須通過函式抽象出來。
Python內建的sorted()
函式就可以對list進行排序:
示例四:
# -*- coding: utf-8 -*-
print(sorted([36, 5, -12, 9, -21]))
二、返回函式
返回函式又分兩個,一個函式作為返回值,一個是閉包(閉包在前端領域比較流行)
1.函式作為返回值
高階函式除了可以接受函式作為引數外,還可以把函式作為結果值返回。
我們來實現一個可變引數的求和。通常情況下,求和的函式是這樣定義的:
示例五:
def calc_sum(*args):
ax = 0
for n in args:
ax = ax + n
return ax
但是,如果不需要立刻求和,而是在後面的程式碼中,根據需要再計算怎麼辦?可以不返回求和的結果,而是返回求和的函式:
示例六:
def lazy_sum(*args):
def sum():
ax = 0
for n in args:
ax = ax + n
return ax
return sum
當我們呼叫lazy_sum()
時,返回的並不是求和結果,而是求和函式:
這個例子中,我們在函式lazy_sum
中又定義了函式sum
,並且,內部函式sum
可以引用外部函式lazy_sum
的引數和區域性變數,當lazy_sum
返回函式sum
時,相關引數和變數都儲存在返回的函式中,這種稱為“閉包(Closure)”的程式結構擁有極大的威力。
2.閉包
注意到返回的函式在其定義內部引用了局部變數args
,所以,當一個函式返回了一個函式後,其內部的區域性變數還被新函式引用,所以,閉包用起來簡單,實現起來可不容易。
另一個需要注意的問題是,返回的函式並沒有立刻執行,而是直到呼叫了f()
才執行。我們來看一個例子:
示例七:
# -*- coding: utf-8 -*-
def count():
fs = []
for i in range(1, 4):
def f():
return i*i
fs.append(f)
return fs
f1, f2, f3 = count()
print(f1())
print(f2())
print(f3())
在上面的例子中,每次迴圈,都建立了一個新的函式,然後,把建立的3個函式都返回了。
你可能認為呼叫f1()
,f2()
和f3()
結果應該是1
,4
,9
,但實際結果是:
如果一定要引用迴圈變數怎麼辦?方法是再建立一個函式,用該函式的引數繫結迴圈變數當前的值,無論該迴圈變數後續如何更改,已繫結到函式引數的值不變:
示例八:
# -*- coding: utf-8 -*-
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)立刻被執行,因此i的當前值被傳入f()
return fs
f1, f2, f3 = count()
print(f1())
print(f2())
print(f3())
結果如圖:
閉包的缺點在於:程式碼較長,不過可利用lambda函式縮短程式碼。
聰哥哥怎麼看?
(1)一個函式可以返回一個計算結果,也可以返回一個函式;
(2)返回一個函式時,牢記該函式並未執行,返回函式中不要引用任何可能會變化的變數。
三、匿名函式
當我們在傳入函式時,有些時候,不需要顯式地定義函式,直接傳入匿名函式更方便。
在Python中,對匿名函式提供了有限支援。還是以map()
函式為例,計算f(x)=x2時,除了定義一個f(x)
的函式外,還可以直接傳入匿名函式:
示例九:
# -*- coding: utf-8 -*-
print(list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9])))
關鍵字lambda
表示匿名函式,冒號前面的x
表示函式引數。
匿名函式有個限制,就是隻能有一個表示式,不用寫return
,返回值就是該表示式的結果。
用匿名函式有個好處,因為函式沒有名字,不必擔心函式名衝突。此外,匿名函式也是一個函式物件,也可以把匿名函式賦值給一個變數,再利用變數來呼叫該函式。
聰哥哥有話說:Python對匿名函式的支援有限,只有一些簡單的情況下可以使用匿名函式。
四、裝飾器
在Java中有一個設計模式叫裝飾器模式。下面聰哥哥我藉此分享下關於裝飾器的知識
裝飾器模式定義:
裝飾器模式(Decorator Pattern)允許向一個現有的物件新增新的功能,同時又不改變其結構。這種型別的設計模式屬於結構型模式,它是作為現有的類的一個包裝。
這種模式建立了一個裝飾類,用來包裝原有的類,並在保持類方法簽名完整性的前提下,提供了額外的功能。
我們通過下面的例項來演示裝飾器模式的用法。其中,我們將把一個形狀裝飾上不同的顏色,同時又不改變形狀類。
介紹:
意圖:動態地給一個物件新增一些額外的職責。就增加功能來說,裝飾器模式相比生成子類更為靈活。
主要解決:一般的,我們為了擴充套件一個類經常使用繼承方式實現,由於繼承為類引入靜態特徵,並且隨著擴充套件功能的增多,子類會很膨脹。
何時使用:在不想增加很多子類的情況下擴充套件類。
如何解決:將具體功能職責劃分,同時繼承裝飾者模式。
關鍵程式碼: 1、Component 類充當抽象角色,不應該具體實現。 2、修飾類引用和繼承 Component 類,具體擴充套件類重寫父類方法。
應用例項: 1、孫悟空有 72 變,當他變成"廟宇"後,他的根本還是一隻猴子,但是他又有了廟宇的功能。 2、不論一幅畫有沒有畫框都可以掛在牆上,但是通常都是有畫框的,並且實際上是畫框被掛在牆上。在掛在牆上之前,畫可以被蒙上玻璃,裝到框子裡;這時畫、玻璃和畫框形成了一個物體。
優點:裝飾類和被裝飾類可以獨立發展,不會相互耦合,裝飾模式是繼承的一個替代模式,裝飾模式可以動態擴充套件一個實現類的功能。
缺點:多層裝飾比較複雜。
使用場景: 1、擴充套件一個類的功能。 2、動態增加功能,動態撤銷。
注意事項:可代替繼承。
Python也是面向物件程式設計,後面也會有類的例項、繼承、多型等等之類的概念,後續會講解。
示例十:
# -*- coding: utf-8 -*-
import functools
def log(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
print(log)
聰哥哥怎麼看?
在面向物件(OOP)的設計模式中,decorator被稱為裝飾模式。OOP的裝飾模式需要通過繼承和組合來實現,而Python除了能支援OOP的decorator外,直接從語法層次支援decorator。Python的decorator可以用函式實現,也可以用類實現。decorator可以增強函式的功能,定義起來雖然有點複雜,但使用起來非常靈活和方便。
五、偏函式
Python的functools
模組提供了很多有用的功能,其中一個就是偏函式(Partial function)。要注意,這裡的偏函式和數學意義上的偏函式不一樣。
在介紹函式引數的時候,我們講到,通過設定引數的預設值,可以降低函式呼叫的難度。而偏函式也可以做到這一點。
例如:
int()
函式可以把字串轉換為整數,當僅傳入字串時,int()
函式預設按十進位制轉換:
# -*- coding: utf-8 -*-
import functools
int2 = functools.partial(int, base=2)
print(int2('1000000'))
聰哥哥有話說:當函式的引數個數太多,需要簡化時,使用functools.partial
可以建立一個新的函式,這個新函式可以固定住原函式的部分引數,從而在呼叫時更簡單。
小結:
其實聰哥哥我對於上述部分內容也不是特別理解,其實也不明白,但是學習這東西不能僅僅因為暫時不明白某個地方,而停滯。
這就好像開發的過程中,產品那邊提出某個問題,那個問題,即屬於業務邏輯方面,又屬於技術方面的,那個任務屬於緊急但不重要的評級。這時可以放放,因為當某個時候,突然大腦靈光閃現,就會頓時明白知道怎麼解決,我們將這個東西稱之為靈感。