0
点赞
收藏
分享

微信扫一扫

python学习-函数式编程

梦幻之云 2022-02-12 阅读 33

python学习-函数式编程

函数式编程

简介

函数式编程的一个特点就是,允许把函数本身作为参数传入另一个函数,还允许返回一个函数

Python对函数式编程提供部分支持。由于Python允许使用变量,因此,Python不是纯函数式编程语言。

高阶函数

Higher-order function 高阶函数

变量可以指向函数

# 直接打印abs, 指向函数名
print(abs(-10))
print(abs) # <built-in function abs>
# 尝试将函数名赋值给变量-> 函数本身也可以赋值给变量,即:变量可以指向函数。
a = abs
# print(a)  # a()=abs()  <built-in function abs>
# 通过变量调用函数
print(a(-20))

# 函数名也是变量:  abs()这个函数,完全可以把函数名abs看成变量,它指向一个可以计算绝对值的函数!
# 将abs指向其他对象, 则不具备求绝对值的能力
abs=[1,2,3]
print(abs(-1)) # TypeError: 'list' object is not callable-> 现在abs不指向绝对值函数, 指向list
# 指向仅在本文件有效: 恢复abs函数,请重启Python交互环境; 
# abs实际上是定义在import builtins模块中, 要覆盖abs的定义: import builtins; builtins.abs = [1,2,3]

传入函数

# 既然变量可以指向函数,函数的参数能接收变量,那么一个函数就可以接收另一个函数作为参数,这种函数就称之为高阶函数
def add(x, y, f):
    return f(x) + f(y)

map/reduce

li = [1,2,3,4,5];
def f1(x):
    return x ** 2
# map(f1,li) 返回Iterator是惰性计算, 使用list()函数计算打印
print(type(map(f1,li)),list(map(f1,li))) # <class 'map'> [1, 4, 9, 16, 25]

# reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
from functools import reduce
def fn(x, y):
    return x + y;
print(reduce(fn,[1,3,5,7,9]))

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]
print(reduce(fn, map(char2num, '13579')))

# 整合
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))
# 使用lamda表达式简化
def char2num(s):
    return DIGITS[s]
def str2int(s):
    return reduce(lambda x, y: x * 10 + y, map(char2num, s))
print(str2int('123456'))

练习

# 利用map()函数,把用户输入的不规范的英文名字,变为首字母大写,其他小写的规范名字。输入:['adam', 'LISA', 'barT'],输出:['Adam', 'Lisa', 'Bart']
def normalize(name):
    pass

L1 = ['adam', 'LISA', 'barT']
L2 = list(map(normalize, L1))
print(L2)


# Python提供的sum()函数可以接受一个list并求和,请编写一个prod()函数,可以接受一个list并利用reduce()求积:
def prod(L):
    pass

print('3 * 5 * 7 * 9 =', prod([3, 5, 7, 9]))
if prod([3, 5, 7, 9]) == 945:
    print('测试成功!')
else:
    print('测试失败!')


# 利用map和reduce编写一个str2float函数,把字符串'123.456'转换成浮点数123.456
def str2float(s):
    a = list(map(int,[x for x in s if x != '.']))
    b = reduce(lambda x,y:10*x+y,a)
    for n in range(len(s)):
        if s[n] == '.':
            break
        n+=1
    k = len(s)-n-1
    c = b/(10**k)
    return c

print('str2float(\'123.456\') =', str2float('123.456'))
if abs(str2float('123.456') - 123.456) < 0.00001:
    print('测试成功!')
else:
    print('测试失败!')

filter()函数

def is_odd(n):
    return n % 2 == 1
print(list(filter(is_odd,[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,78])))

def not_empty(s):
    return s and s.strip()
print(list(filter(not_empty,['A', '', 'B', None, 'C', '  '])))
  • 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。
# 素数: 埃氏筛法
def _odd_iter():
    n = 1
    while True:
        n = n + 2
        yield n
def _not_divisible(n):
    return lambda x: x % n > 0        
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) # 构造新序列
        
        
# 打印1000以内的素数:
for n in primes():
    if n < 1000:
        print(n)
    else:
        break
 

练习

# 回数是指从左向右读和从右向左读都是一样的数,例如12321,909。请利用filter()筛选出回数:
def is_palindrome(n):
    pass
# 测试:
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('测试成功!')
else:
    print('测试失败!')

sorted()函数

print(sorted([36, 5, -12, 9, -21]))
# 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:
print(sorted([36, 5, -12, 9, -21], key=abs))

# 字符串排序
print(sorted(['bob', 'about', 'Zoo', 'Credit']))
print(sorted(['bob', 'about', 'Zoo', 'Credit'],key=str.lower))
# 反向排序,不必改动key函数,可以传入第三个参数reverse=True
print(sorted(['bob', 'about', 'Zoo', 'Credit'],key=str.lower,reverse=True))

练习

L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]
# 按名字排序
def by_name(t):
    #这个是list里有一个tuple
    #每次传进去一个tuple
    return t[0].lower()   #t[0]:取出姓名,按开头字母排序(不用取出姓名的第一个字母)
print(sorted(L,key=by_name))

# 按分数排序(从高到低)
def by_score(t):
    return -t[1]
print(sorted(L,key=by_score))

返回函数

python高级函数 除了可以接受函数作为参数外,还可以把函数作为结果值返回

def calc_sum(*args):
    ax = 0
    for n in args:
        ax = ax + n
    return ax

def lazy_sum(*args):
    def sum():
        ax = 0
        for n in args:
            ax = ax + n
        return ax
    return sum

调用lazy_sum()时,返回的并不是求和结果,而是求和函数

print(lazy_sum(1,2,3,4,5)) # <function lazy_sum.<locals>.sum at 0x0000029714F105E0>
print(lazy_sum(1,2,3,4,5)()) # 15
f = lazy_sum(1,2,3,4,5) # f=sum()得到的是函数
print(f())                   # 调用sum函数

闭包

f1 = lazy_sum(1, 3, 5, 7, 9)
f2 = lazy_sum(1, 3, 5, 7, 9)
print(f1 == f2)  # false

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

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())   # 9
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)立刻被执行,因此i的当前值被传入f()
    return fs
f1, f2, f3 = count()
print(f1(),f2(),f3())

注意点: 闭包对外层变量的访问, 没有问题; 赋值会报错(类似与java对lambda表达式外部赋值)

def inc():
    x = 0
    def fn():
        # nonlocal x: 访问可以, 赋值报错
        # x = x + 1
        return x
    return fn

f = inc()
print(f()) # 1
print(f()) # 2

利用闭包返回一个计数器函数,每次调用它返回递增整数:

def createCounter():
    i = 0;
    def counter():
        nonlocal i;
        i = i + 1; 
        return i;
    return counter
# 测试:
counterA = createCounter()
print(counterA(), counterA(), counterA(), counterA(), counterA()) # 1 2 3 4 5
counterB = createCounter()
if [counterB(), counterB(), counterB(), counterB()] == [1, 2, 3, 4]:
    print('测试通过!')
else:
    print('测试失败!')
# list可以回避这个问题,修改list中的值,并未改变list的指向。
    
def createCounter():
    list = [0];
    def counter():
        list[0] = list[0] + 1
        return list[0];
    return counter    

匿名函数

#在传入函数时,有些时候,不需要显式地定义函数,直接传入匿名函数更方便。
li = list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
print(li)

# 匿名函数lambda x: x * x实际上就是:
def f(x):
    return x * x

定义
关键字lambda表示匿名函数,冒号前面的x表示函数参数
限制
只能有一个表达式,不用写return,返回值就是该表达式的结果。
用匿名函数有个好处,因为函数没有名字,不必担心函数名冲突。此外,匿名函数也是一个函数对象,也可以把匿名函数赋值给一个变量,再利用变量来调用该函数:

anoy = lambda k : k + 10
print(anoy)  # <function <lambda> at 0x000002D3206A0700>
print(anoy(100))   # 110

# 可以把匿名函数作为返回值返回
def build(x, y):
    return lambda: x * x + y * y

L = list(filter(lambda n : n % 2 == 1, range(1, 20)))

装饰器

# 函数也是一个对象,而且函数对象可以被赋值给变量,所以,通过变量也能调用该函数。
from datetime import date
def now():
    print(date.today())
f = now
f()                     # 2022-02-12
print(f.__name__)       # now
print(now.__name__)     # now
def log(func):
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper


@log                        # now = log(now)
def now():
    print(date.today())
now()    # call now():     2022-02-12

decorator本身需要传入参数

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')     # now = log('execute')(now)
def now():
     print(date.today())    
now()       # execute now(): 2022-02-12
import functools

def log(func):
    @functools.wraps(func)
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper
# 带参数装饰起
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

作业:

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

# 测试
@metric
def fast(x, y):
    time.sleep(0.0012)
    return x + y;

@metric
def slow(x, y, z):
    time.sleep(0.1234)
    return x * y * z;

f = fast(11, 22)
s = slow(11, 22, 33)
if f != 33:
    print('测试失败!')
elif s != 7986:
    print('测试失败!')

编写一个decorator,能在函数调用的前后打印出’begin call’和’end call’的日志。
写出一个@log的decorator,使它既支持:@log 又支持@log(“excecute”)

偏函数


import functools
int2 = functools.partial(int, base=2)
print(int2('1000000'))  # 64
举报

相关推荐

0 条评论