Python学习笔记（四）函数式编程

继续Python学习。本节学习Python的函数式编程。
参考资料：https://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/001386819866394c3f9efcd1a454b2a8c57933e976445c0000

1、概述。
函数式编程就是一种抽象程度很高的编程范式，纯粹的函数式编程语言编写的函数没有变量，因此，任意一个函数，只要输入是确定的，输出就是确定的，这种纯函数我们称之为没有副作用。而允许使用变量的程序设计语言，由于函数内部的变量状态不确定，同样的输入，可能得到不同的输出，因此，这种函数是有副作用的。
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！把函数作为参数传入，这样的函数称为高阶函数，函数式编程就是指这种高度抽象的编程范式。

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。
2、Python内建了Map和Reduce函数。
map()函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回。举例如下：

def f(x):  
   y = x * x   
   return y  
r = range(10)[1:]  
print map(f, r)

reduce把一个函数作用在一个序列[x1, x2, x3...]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算，其效果就是：reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)。举例如下：

#利用reduce函数计算序列的乘积
def prod(x, y): 
   return x * y
r = range(10)[1:]
print reduce(prod, r)

3、filter（过滤）

Python内建的filter函数允许按照传入函数返回值的真假来过滤给定的序列，调用格式为：filter(f,L)，f为函数，L为要过滤的序列。举例如下：

#利用filter函数返回1-100间的素数。
import math
r = range(101)[1:]
def isSuS(x): 
   if x <= 1: 
     return False 
   n = 2 
   m = math.sqrt(x) 
   while n <= m: 
     if x % n == 0: 
       return False 
     n = n + 1 
   return True
print filter(isSuS, r)

4、sorted（排序）

Python内建的sorted函数可实现按照自定义算法对给定序列进行排序。举例如下：

#利用sorted实现给定序列的倒序排序
def compare_reversed(x, y): 
  if x > y: 
    return -1 
  if x < y: 
    return 1 
  return 0
print sorted([1, 3, 5, 7, 9], compare_reversed)

5、函数作为返回值

例子代码如下：

def returnF(*x):  
    def f():  
        m = 0  
        for n in x:  
            m = m + n  
        return m  
    return f  
ff = returnF(1, 3, 5, 7, 9)  
print ff  
print ff()

6、用于简化代码（函数定义）的lambda（匿名函数）

例子代码如下：

f = lambda x, y: x * y  
print f(1, 2)

7、装饰器（Decorator）

最典型的用法是在函数调用前后自动打印日志，但又不用修改该函数的定义，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）。例子代码如下：

#import functools
#定义一个装饰器函数log，用于在所装饰函数执行前后输出日志
def log(func): 
  #该行代码可确保在函数执行时不改变函数的名称，也可以不加 
  @functools.wraps(func) 
  def wrapper(*args, **kw):
    print 'begin call(%s):' % func.__name__ 
    func(*args, **kw) 
    print 'end called(%s):' % func.__name__ 
    return func 
  return wrapper
#装饰器用@标识
@log
#要装饰的函数
def now(): 
  print '2018-05-11'
#执行函数
now()

再来一个例子：

#下面的代码，同名装饰器可以同时支持带参数和不带参数两种方式
import functools
def log(text): 
  def decorator(func): 
    @functools.wraps(func) 
    def wrapper(*args, **kw): 
      print '%s(%s)' % ('call' if callable(text) else text, func.__name__) 
      func(*args, **kw) 
    return wrapper 
  return decorator(text) if callable(text) else decorator
#不带参数的装饰器
@log
#带参数的装饰器
@log('execute')
def now(): 
  print '2018-05-11'
now()

注：在面向对象（OOP）的设计模式中，decorator被称为装饰模式。OOP的装饰模式需要通过继承和组合来实现，而Python除了能支持OOP的decorator外，直接从语法层次支持decorator。Python的decorator可以用函数实现，也可以用类实现。

decorator可以增强函数的功能，定义起来虽然有点复杂，但使用起来非常灵活和方便。
8、functools.partial：偏函数，通过指定已知带默认值参数函数的参数默认值来定义新的函数。例子代码如下：

import functools  
int2 = functools.partial(int, base = 2)  
print int2('10010')

本节学习了Python在函数式编程方面的一些特性，下一节从模块开始学习。

Python学习笔记（四）函数式编程

猜你喜欢