0
点赞
收藏
分享

微信扫一扫

21.Python函数(六)【函数式编程 下半篇】


目录:

  • ​​每篇前言:​​
  • ​​Python函数(六)​​
  • ​​1.1 函数式编程​​
  • ​​1.1.1 闭包​​
  • ​​1.1.2 装饰器​​
  • ​​1.1.3 偏函数​​

每篇前言:

🏆🏆作者介绍:【孤寒者】—领域优质创作者、HDZ核心组成员、华为云享专家Python全栈领域博主、原力计划作者

  • 🔥🔥本文已收录于Python全栈系列专栏:​​《Python全栈基础教程》​​
  • 🔥🔥热门专栏推荐:​​《Django框架从入门到实战》、​​​​《爬虫从入门到精通系列教程》、​​​​《爬虫高级》、​​​​《前端系列教程》、​​​​《tornado一条龙+一个完整版项目》。​​
  • 📝​📝本专栏面向广大程序猿,为的是大家都做到Python从入门到精通,同时穿插有很多很多习题,巩固学习。
  • 🚀🚀加入我一起学习进步,一个人可以走的很快,一群人才能走的更远!

Python函数(六)

1.1 函数式编程

1.1.1 闭包

  • 注意到在上篇文章中的【函数作为返回值】那一节中返回的函数在其定义内部引用了局部变量args,所以,当一个函数返回了一个函数后,其内部的局部变量还被新函数引用,所以,闭包用起来简单,实现起来可不容易。
  • 另一个需要注意的问题是,返回的函数并没有立刻执行,而是直到调用了f()才执行。我们来看一个例子:

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,每次循环,都创建了一个新的函数,然后,把创建的3个函数都返回了。
    你可能认为调用f1(),f2()和f3()结果应该是1,4,9,但实际结果是:

>>> f1()
9
>>> f2()
9
>>> f3()
9

  • 全部都是9!原因就在于返回的函数引用了变量i,但它并非立刻执行。等到3个函数都返回时,它们所引用的变量i已经变成了3,因此最终结果为9。
  • 返回闭包时牢记的一点就是:返回函数不要引用任何循环变量,或者后续会发生变化的变量。
  • 如果一定要引用循环变量怎么办?方法是再创建一个函数,用该函数的参数绑定循环变量当前的值,无论该循环变量后续如何更改,已绑定到函数参数的值不变:

def count():
fs = []
for i in range(1, 4):
def f(j):
def g():
return j*j
return g
fs.append(f(i))
return

>>> f1, f2, f3 = count()
>>> f1()
1
>>> f2()
4
>>> f3()

  • 缺点是代码较长,可利用lambda表达式缩短代码:

# -*- coding: utf-8 -*-
"""
__author__ = 小小明-代码实体
"""
def count():
fs = []
for i in range(1, 4):
f = lambda j: (lambda: j * j)
fs.append(f(i))
return fs

f1, f2, f3 = count()
print(f1(), f2(), f3())

21.Python函数(六)【函数式编程 下半篇】_偏函数

1.1.2 装饰器

下面讲解所使用的完整示例:

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

  • 函数对象有一个__name__属性,可以拿到函数的名字:

>>> def now():
... print('2015-3-25')
...
>>> now.__name__
'now'

  • 现在,假设我们要增强now()函数的功能,比如,在函数调用前后自动打印日志,但又不希望修改now()函数的定义,这种在代码运行期间动态增加功能的方式,称之为“装饰器”(Decorator)。
  • 本质上,decorator就是一个返回函数的高阶函数。所以,我们要定义一个能打印日志的decorator,可以定义如下:

def log(func):
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return

  • wrapper()函数的参数定义是(*args, **kw),因此,wrapper()函数可以接受任意参数的调用。
  • 观察上面的log,因为它是一个decorator,所以接受一个函数作为参数,并返回一个函数。我们要借助Python的@语法,把decorator置于函数的定义处:

@log
def now():
print('2015-3-25')

  • 把@log放到now()函数的定义处,相当于执行了语句:

now = log(now)

  • 调用now()函数,不仅会运行now()函数本身,还会在运行now()函数前打印一行日志:

>>> now()
call now():
2015-3-25

  • 如果decorator本身需要传入参数,那就需要编写一个返回decorator的高阶函数,写出来会更复杂。比如,要自定义log的文本:

def log(text):
def decorator(func):
def wrapper(*args, **kw):
print('%s %s():' % (text, func.__name__))
return func(*args, **kw)
return wrapper
return

  • 这个3层嵌套的decorator用法如下:

@log('execute')
def now():
print('2015-3-25')

  • 和两层嵌套的decorator相比,3层嵌套的效果是这样的:

>>> now = log('execute')(now)

执行结果如下:

>>> now()
execute now():
2015-3-25

  • 以上两种decorator的定义都没有问题,但经过decorator装饰之后的函数,它们的__name__已经从原来的’now’变成了’wrapper’:

>>> now.__name__
'wrapper'

  • Python内置的functools.wraps能达到wrapper.name= func.__name__的效果,所以,一个完整的decorator的写法如下:

解释一下就是:Python装饰器(decorator)在实现的时候,被装饰后的函数其实已经是另外一个函数了(函数名等函数属性会发生改变,比如上面你会发现函数名变成了wrapper),为了不影响,Python的functools包中提供了一个叫wraps的decorator来消除这样的副作用。写一个decorator的时候,最好在实现之前加上functools的wrap,它能保留原有函数的名称和函数属性

import functools

def log(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return

  • 或者针对带参数的decorator:

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

  • 练习
    设计一个decorator,它可作用于任何函数上,并打印该函数的执行时间,可以计算任何函数执行时间:

# -*- coding: utf-8 -*-
"""
__author__ = 小小明-代码实体
"""
import functools, time

def metric(fn):
@functools.wraps(fn)
def wrapper(*args, **kw):
start_time = time.time() * 1000
result = fn(*args, **kw)
run_time = time.time() * 1000 - start_time
print('%s executed in %s ms' % (fn.__name__, run_time))
return result
return wrapper

@metric
def fast(x, y):
time.sleep(0.003)
return x + y

@metric
def slow(x, y, z):
time.sleep(0.1257)
return x * y * z

f = fast(11, 22)
s = slow(11, 22, 33)

21.Python函数(六)【函数式编程 下半篇】_装饰器_02

1.1.3 偏函数

  • 假设要转换大量的二进制字符串,每次都传入int(x, base=2)非常麻烦,于是,我们想到,可以定义一个int2()的函数,默认把base=2传进去:

def int2(x, base=2):
return int(x, base)

  • functools.partial可以创建一个偏函数,不需要我们自己定义int2(),可以直接使用下面的代码创建一个新的函数int2:

>>> import functools
>>> int2 = functools.partial(int, base=2)
>>> int2('1000000')
64
>>> int2('1010101')

  • 创建偏函数时,实际上可以接收函数对象、*args和**kw这3个参数,当传入:

int2 = functools.partial(int, base=2)

  • 实际上固定了int()函数的关键字参数base,也就是:

int2('10010')

  • 相当于:

kw = { 'base': 2 }
int('10010', **kw)

  • 当传入:

max2 = functools.partial(max, 10)

  • 实际上会把10作为*args的一部分自动加到左边,也就是:

max2(5, 6, 7)

  • 相当于:

args = (10, 5, 6, 7)
max(*args)

  • 结果为10。


举报

相关推荐

0 条评论