欢迎加入QQ讨论群258996829
苹果6袋
麦子学院
Python进阶之函数式编程详解
发布时间：2017-02-21 15:16 回复:0 查看:2294 最后回复：2017-02-21 15:16
本文和大家分享的主要是
python开发中函数式编程相关内容，一起来看看吧，希望对大家学习和使用这部分内容有所帮助。
1. python把函数作为参数
import math
def
add(x, y, f):
return f(x) + f(y)
print add(-5, 9, abs)
print abs(-5) + abs(9)
print add(25, 9, math.sqrt)
2. python中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。
def
format_name(s):
return s[0].upper() + s[1:].lower()
print map(format_name, ['adam', 'LISA', 'barT'])
3.python中reduce()函数
reduce()
函数也是
Python
内置的一个高阶函数。
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
print reduce(f, [1, 3, 5, 7, 9]) # 25
def
prod(x, y):
return x * y
print reduce(prod, [2, 4, 5, 7, 12]) # 3360
4.python中filter()函数
filter()
函数是
Python
内置的另一个有用的高阶函数，
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
。
def
is_odd(x):
return x % 2 == 1
print filter(is_odd, [1, 4, 6, 7, 9, 12, 17]) # [1, 7, 9, 17]
def
is_not_empty(s):
return s
and len(s.strip()) > 0
print filter(is_not_empty, ['test',
None, '', 'str', ' ', 'END']) # ['test', 'str', 'END']
import math
def
is_sqr(x):
r = int(math.sqrt(x))
return r*r==x
print filter(is_sqr, range(1, 101)) # [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
5.python中自定义排序函数
sorted()
是一个高阶函数，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
。
print sorted([36, 5, 12, 9, 21]) # [5, 9, 12, 21, 36]
def
reversed_cmp(x, y):
if x > y:
return -1
if x < y:
return 1
return 0
print sorted([36, 5, 12, 9, 21], reversed_cmp) # [36, 21, 12, 9, 5]
print sorted(['bob', 'about', 'Zoo', 'Credit']) # ['Credit', 'Zoo', 'about', 'bob']
def
cmp_ignore_case(s1, s2):
u1 = s1.upper()
u2 = s2.upper()
if u1 < u2:
return -1
if u1 > u2:
return 1
return 0
print sorted(['bob', 'about', 'Zoo', 'Credit'], cmp_ignore_case) # ['about', 'bob', 'Credit', 'Zoo']
6.python中返回函数
Python
的函数不但可以返回
int
、
str
、
list
、
dict
等数据类型，还可以返回函数！
def
calc_sum(lst):
def
lazy_sum():
return sum(lst)
return lazy_sum
print f #
print f() # 10
def
calc_prod(lst):
def
lazy_prod():
def
f(x, y):
return x * y
return reduce(f, lst, 1)
return lazy_prod
f = calc_prod([1, 2, 3, 4])
print f() # 24
7.python中闭包
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
print f2() # 9
print f3() # 9
def
count():
fs = []
for i
in range(1, 4):
def
f(j):
def
g():
return j*j
return g
r = f(i)
fs.append(r)
return fs
f1, f2, f3 = count()
print f1(), f2(), f3() # 1 4 9
8.python中匿名函数
高阶函数可以接收函数做参数，有些时候，我们不需要显式地定义函数，直接传入匿名函数更方便。
print map(
lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]) # [1, 4, 9, 16, 25, 36, 49, 64, 81]
print sorted([1, 3, 9, 5, 0],
lambda x,y: -cmp(x,y)) # [9, 5, 3, 1, 0]
myabs =
lambda x: -x
if x < 0
else x
print myabs(-1) # 1
print myabs(1) # 1
print filter(
lambda s: s
and len(s.strip())>0, ['test',
None, '', 'str', ' ', 'END']) # ['test', 'str', 'END']
9. python中decorator装饰器
什么是装饰器？
·
问题：
·
定义一个函数
·
想在运行时动态增加功能
·
又不想改动函数本身的代码
装饰器的作用
·
可以极大地简化代码，避免每个函数编写重复性代码
·
打印日志：
@log
·
检测性能：
@performance
·
数据库事务：
@transaction
· URL
路由：
@post('/register')
9-1. python中编写无参数decorator
Python
的
decorator
本质上就是一个高阶函数，它接收一个函数作为参数，然后，返回一个新函数。
def
log(f):
def
fn(x):
print 'call ' + f.__name__ + '()...' # call factorial()...
return f(x)
return fn
@log
def
factorial(n):
return reduce(
lambda x,y: x*y, range(1, n+1))
print factorial(10) # 3628800
print '\n'
import time
def
performance(f):
def
fn(*args, **kw):
t1 = time.time()
r = f(*args, **kw)
t2 = time.time()
print 'call %s() in %fs' % (f.__name__, (t2 - t1)) # call factorial() in 0.001343s
return r
return fn
@performance
def
factorial(n):
return reduce(
lambda x,y: x*y, range(1, n+1))
print factorial(10) # 3628800
9-2. python中编写带参数decorator
import time
def
performance(unit):
def
perf_decorator(f):
def
wrapper(*args, **kw):
t1 = time.time()
r = f(*args, **kw)
t2 = time.time()
t = (t2 - t1) * 1000
if unit=='ms'
else (t2 - t1)
print 'call %s() in %f %s' % (f.__name__, t, unit) # call factorial() in 1.250982 ms
return r
return wrapper
return perf_decorator
@performance('ms')
def
factorial(n):
return reduce(
lambda x,y: x*y, range(1, n+1))
print factorial(10) # 3628800
9-3. python中完善decorator
@decorator
可以动态实现函数功能的增加，但是，经过
@decorator“
改造
”
后的函数，和原函数相比，除了功能多一点外，有没有其它不同的地方？
def
f1(x):
passprint f1.__name__ # f1
def
log(f):
def
wrapper(*args, **kw):
print 'call...'
return f(*args, **kw)
return wrapper@log
def
f2(x):
passprint f2.__name__ # wrapper
import time, functools
def
performance(unit):
def
perf_decorator(f): @functools.wraps(f)
def
wrapper(*args, **kw):
t1 = time.time()
r = f(*args, **kw)
t2 = time.time()
t = (t2 - t1) * 1000
if unit=='ms'
else (t2 - t1)
print 'call %s() in %f %s' % (f.__name__, t, unit)
return r
return wrapper
return perf_decorator
@performance('ms')
def
factorial(n):
return reduce(
lambda x,y: x*y, range(1, n+1))
print factorial.__name__ # factorial
10. python中偏函数
当一个函数有很多参数时，调用者就需要提供多个参数。如果减少参数个数，就可以简化调用者的负担。
import functools
sorted_ignore_case = functools.partial(sorted, cmp=lambda s1, s2: cmp(s1.upper(), s2.upper()))print sorted_ignore_case(['bob', 'about', 'Zoo', 'Credit']) # ['about', 'bob', 'Credit', 'Zoo']
来源：
博客园