Python學習筆記:Python函數語言程式設計
Python學習筆記:Python函數語言程式設計
學自廖雪峰巨佬的Python3教程:https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/0014317848428125ae6aa24068b4c50a7e71501ab275d52000
1.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。
2.高階函式
- map()和reduce()
map()接收兩個引數,一個是函式,一個是Iterable物件,map將傳入的函式依次作用到Iterable物件裡的每個元素,並把結果作為新的Iterator返回
>>> def f(x):
... return x * x
...
>>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> list(r)
[1, 4, 9, 16, 25, 36, 49, 64, 81]
由於結果r是一個Iterator,因此需要通過list()函式將整個序列都計算出來並返回一個list()
reduce()把一個函式作用在一個一個序列上,這個函式必須接收兩個引數,reduce把結果和序列的下一個元素做累積計算
>>> from functools import reduce
>>> def add(x, y):
... return x + y
...
>>> reduce(add, [1, 3, 5, 7, 9])
25
還可以通過reduce函式寫出一個str2int的函式
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))
程式碼如下:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
def normalize(name):
return str.upper(str.lower(name)[:1]) + str.lower(name)[1:len(str.lower(name))]
# 測試:
L1 = ['adam', 'LISA', 'barT']
L2 = list(map(normalize, L1))
print(L2)
程式碼如下:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from functools import reduce
def prod(L):
def fn(x, y):
return x * y
return reduce(fn, L)
# 測試
print('3 * 5 * 7 * 9 =', prod([3, 5, 7, 9]))
if prod([3, 5, 7, 9]) == 945:
print('測試成功!')
else:
print('測試失敗!')
程式碼如下:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from functools import reduce
def str2float(s):
def char2num(s):
digit = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
return digit[s]
def fn(x, y):
return x * 10 + y
s1 = s[:s.index('.')]
s2 = s[s.index('.') + 1:]
return reduce(fn, map(char2num, s1)) + reduce(fn, map(char2num, s2)) / pow(10, len(s2))
# 測試
print('str2float(\'123.456\') =', str2float('123.456'))
if abs(str2float('123.456') - 123.456) < 0.00001:
print('測試成功!')
else:
print('測試失敗!')
- filter
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。
比如只保留序列裡的奇數
def is_odd(n):
return n % 2 == 1
list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
# 結果: [1, 5, 9, 15]
用filter求素數,使用篩法
首先構造一個從3開始的奇數序列,這是一個生成器,並且是一個無限序列:
def _odd_iter():
n = 1
while True:
n = n + 2
yield n
然後定義一個篩選函式,這裡使用了lambda表示式,構建了一個閉包:
def _not_divisible(n):
return lambda x: x % n > 0
最後定義一個生成器,不斷返回下一個素數:
def primes():
yield 2
it = _odd_iter() # 初始序列
while True:
n = next(it) # 返回序列的第一個數
yield n
it = filter(_not_divisible(n), it) # 構造新序列
呼叫primes()生成器,並且設定退出迴圈的條件:
# 列印1000以內的素數:
for n in primes():
if n < 1000:
print(n)
else:
break
程式碼如下:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
def is_palindrome(n):
count = 0
i = 0
if 0 < n < 9:
return True
else:
while i < len(str(n)) // 2:
if str(n)[i] == str(n)[len(str(n)) - 1 - i]:
count += 1
i += 1
return count == len(str(n)) // 2
# 測試:
output = filter(is_palindrome, range(1, 1000))
print('1~1000:', list(output))
if list(filter(is_palindrome, range(1, 200))) == [1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 22, 33, 44, 55, 66, 77, 88, 99, 101,
111, 121, 131, 141, 151, 161, 171, 181, 191]:
print('測試成功!')
else:
print('測試失敗!')
- sorted
Python內建的sorted()函式用於對list進行排序,預設順序從小到大,還可以接收一個key函式來實現自定義的排序,例如按絕對值大小排序:
>>> sorted([36, 5, -12, 9, -21], key=abs)
[5, 9, -12, -21, 36]
key指定的函式將作用於list的每一個元素上,並根據key函式返回的結果進行排序
對字串排序則是按照ASCII的大小比較的,如果要實現反向排序,則可以傳入第三個引數reverse=True
程式碼如下:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]
def by_name(t):
return t[0]
L2 = sorted(L, key=by_name)
print(L2)
def by_score(t):
return -t[1]
L2 = sorted(L, key=by_score)
print(L2)
3.返回函式
- 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。
實現一個可變引數的求和很簡單,但是,如果不需要立刻求和,而是在後面的程式碼中,根據需要再計算呢?答案就是可以不反悔求和的結果,而是返回求和的函式:
def lazy_sum(*args):
def sum():
ax = 0
for n in args:
ax = ax + n
return ax
return sum
當呼叫lazy_sum()的時候,返回的並不是求和結果,而是求和函式,呼叫函式f的時候,才真正計算求和的結果:
>>> f = lazy_sum(1, 3, 5, 7, 9)
>>> f
<function lazy_sum.<locals>.sum at 0x101c6ed90>
>>> f()
25
在這個例子中,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,這種程式結構稱為閉包。
再注意一點,每次呼叫lazy_sum()時,都會返回一個新的函式,即使傳入相同的引數:
>>> f1 = lazy_sum(1, 3, 5, 7, 9)
>>> f2 = lazy_sum(1, 3, 5, 7, 9)
>>> f1==f2
False
f1()和f2()的呼叫結果互不影響
- 閉包(我可以吐槽一下這個東西真的很毒嗎)
def count():
fs = []
for i in range(1, 4):
def f():
return i*i
fs.append(f)
return fs
f1, f2, f3 = count()
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(),f3()結果應該是1,4,9,但實際結果是:
>>> f1()
9
>>> f2()
9
>>> f3()
9
全部都是9!原因就在於返回的函式引用了變數i,但它並非立刻執行,等到3個函式都返回時,它們所引用的變數i已經變成了3,因此最終結果為9
返回閉包時牢記一點:返回函式不要引用迴圈變數,或者後續會發生變化的變數。
程式碼如下:(這裡引用大佬程式碼= =因為我閉包學的還不夠好嗚嗚)
方法1:使用list在函式內部引用其地址,並改變其值
def createCounter():
a = [0]
def counter():
a[0] += 1
return a[0]
return counter
執行分析:
呼叫createCounter,例項化counterA物件,給a賦初值[0],給counterA的返回值是counter()函式;
print語句內呼叫counterA,開始執行函式counter(),a[0]+=1->a[0]=1,返回a[0]的值給counter(),然後再返回給counterA(),
迴圈5次這個過程。
方法2:利用生成器,完成數值加1
def createCounter():
def counter():
n = 1
while True:
yield n
n += 1
c = counter()
def g():
return next(c)
return g
執行分析:
呼叫createCounter,例項化counterA物件,內部呼叫counter()並例項化c物件,返回值為函式g;
print語句內呼叫CounterA,獲取返回值為函式g,呼叫函式g,獲取返回值為next(c),呼叫函式counter(),生成器返回值1,n+=1,迴圈5次這個過程。
理解容易實現難啊!
4.匿名函式
當傳入函式時,有些時候,不需要顯式的定義函式,直接傳入匿名函式更方便。
以map()函式為例,計算f(x)=x^2,關鍵字lambda表示匿名函式,冒號前的x表示函式引數
>>> list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
[1, 4, 9, 16, 25, 36, 49, 64, 81]
匿名函式有個限制,就是隻能有一個表示式,不用寫return。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。
程式碼如下:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# def is_odd(n):
# return n % 2 == 1
# L = list(filter(is_odd, range(1, 20)))
L = list(filter(lambda x: x % 2 != 0, range(1, 20)))
print(L)
5.裝飾器
由於函式也是一個物件,而且函式物件可以被複制給變數,所以通過變數也能呼叫該函式。
函式物件有一個__name__屬性,可以拿到函式的名字:
>>> def now():
... print('2015-3-25')
...
>>> f = now
>>> f()
2015-3-25
>>> now.__name__
'now'
>>> f.__name__
'now'
假設我們要增強now()函式的功能,比如在函式呼叫前後自動列印日誌,但又不希望修改now()函式的定義,這種在程式碼執行期間動態增加功能的方式,稱之為裝飾器(Decorator)
本質上,decorator就是一個返回函式的高階函式,所以定義一個列印日誌的裝飾器如下:
def log(func):
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
然後將修飾器置於函式的定義前
@log
def now():
print('2015-3-25')
相當於執行了語句
now = log(now)
呼叫now()函式時,相當於現在指向了新的函式,即在log()函式中返回的wrapper()函式,wrapper()函式的引數定義是(*args,**kw),因此,wrapper()函式可以接受任意引數的呼叫,在wrapper函式內,首先列印日誌,再緊接著在return處呼叫原始函式。
如果修飾器本身需要傳入引數,那就需要編寫一個返回修飾器的高階函式。比如要自定義log的文字:
def log(text):
def decorator(func):
def wrapper(*args, **kw):
print('%s %s():' % (text, func.__name__))
return func(*args, **kw)
return wrapper
return decorator
@log('execute')
def now():
print('2015-3-25')
>>> now()
execute now():
2015-3-25
>>>print(now.__name__)
wrapper
首先執行now函式的時候,就會先執行log('execute'),傳入引數為text='execute',返回的是decorator函式,再呼叫返回的decorator函式,返回的是wrapper函式,再呼叫返回的wrapper函式,列印傳入的text和函式名,然後呼叫now函式本身,輸出日期。
但是看經過decorator裝飾之後的函式,它的__name__已經從原來的now變成了wrapper,因為返回的那個wrapper()函式名字就是wrapper,所以需要把原始函式的__name__等屬性複製到wrapper()函式中,否則有些依賴函式簽名的程式碼執行就會出錯。Python內建的functools.wraps就是幹這個的,所以一個完整的decorator寫法如下
import functools
def log(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
帶引數的
import functools
def log(text):
def decorator(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('%s %s():' % (text, func.__name__))
return func(*args, **kw)
return wrapper
return decorator
def metric(fn):
@functools.wraps(fn)
def wrapper(*args, **kw):
t1 = time.time()
fx = fn(*args, **kw)
t2 = time.time()
print('%s executed in %s ms' % (fn.__name__, t2 - t1))
return fx
return wrapper
程式碼如下:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
def begin_call(func):
def wrapper(*args, **kw):
print("begin")
x = func(*args, **kw)
print("end")
return wrapper
def log(func):
def wrapper(*args,**kw):
print("xxxxxxxxxx")
return func(*args,**kw)
return wrapper
def log(text):
def decorator(func):
def wrapper(*args, **kw):
print(text)
return func(*args, **kw)
return wrapper
return decorator
@log('love')
def one_plus(x):
print(x + 1)
one_plus(1)
6.偏函式
Python的偏函式和數學意義上的不一樣,在介紹函式引數的時候,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。
假設要轉換大量的二進位制字串,每次都傳入Int(x,base=2)非常麻煩,因此可以定義一個int2()的函式,預設把base=2傳進去:
def int2(x, base=2):
return int(x, base)
而使用functools.partial就是幫助我們建立偏函式的,不需要自己定義int2(),可以直接使用下面的程式碼建立一個新的函式int2:
>>> import functools
>>> int2 = functools.partial(int, base=2)
>>> int2('1000000')
64
>>> int2('1010101')
85
創建出來的偏函式也是可以傳入其他值的