目录
1.高阶函数:编写高阶函数,就是让函数的参数能够接收别的函数。
函数式编程——Functional Programming,虽然也可以归结到面向过程的程序设计,但其思想更接近数学计算。
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!
1.高阶函数:编写高阶函数,就是让函数的参数能够接收别的函数。
- 变量可以指向函数:
>>> f = abs
>>> f
<built-in function abs>
>>> x = abs(-10)
>>> x
10
>>> f(-10)
10
- 函数名也是变量:
函数名其实就是指向函数的变量!对于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!
>>> abs = 10
>>> abs(-10)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'int' object is not callable
把abs指向10后,就无法通过abs(-10)调用该函数了!因为abs这个变量已经不指向求绝对值函数而是指向一个整数10!
注:由于abs函数实际上是定义在import builtins模块中的,所以要让修改abs变量的指向在其它模块也生效,要用import builtins; builtins.abs = 10。
- 传入函数:
def add(x, y, f):
return f(x) + f(y)
>>>print(add(-5, 6, abs))
>>>11
1).map/reduce:
map()
函数接收两个参数,一个是函数,一个是Iterable
,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]
由于结果r是一个Iterator,Iterator是惰性序列,因此通过list()函数让它把整个序列都计算出来并返回一个list。
不需要map()函数,写一个循环,也可以计算出结果:
L = []
for n in [1, 2, 3, 4, 5, 6, 7, 8, 9]:
L.append(f(n))
print(L)
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
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
举个栗子:
>>> from functools import reduce
>>> def fn(x, y):
... return x * 10 + y
...
>>> reduce(fn, [1, 3, 5, 7, 9])
13579
>>> from functools import reduce
>>> 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]
...
>>> reduce(fn, map(char2num, '13579'))
13579
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):
L=''
for i in range(len(name)):
if i==0:
L=L+name[i].upper()
else:
L=L+name[i].lower()
return L
-
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:
from functools import reduce
def prod(L):
def f(x,y):
return x*y
return reduce(f,L)
- 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
:
from functools import reduce
def str2float(s):
def f(x,y):
return 10*x+y
def char2int(l):
digits = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
return digits[l]
l1=''
l2=''
flag=0
n=1
for l in s:
if l=='.':
flag=1
continue
if flag==0:
l1=l1+l
else:
l2=l2+l
n=n/10
return reduce(f,map(char2int,l1))+reduce(f,map(char2int,l2))*n
2).filter(过滤序列)
- 和
map()
类似,filter()
也接收一个函数和一个序列。 - 和
map()
不同的是,filter()
把传入的函数依次作用于每个元素,然后根据返回值是True
还是False
决定保留还是丢弃该元素。如下:
- 可见用
filter()
这个高阶函数,关键在于正确实现一个“筛选”函数。 - 注意到
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。
example--求一个素数(埃式筛法)
def _odd_iter():
n = 1
while True:
n = n + 2
yield n
上述代码是一个生成器,构造一个从3开始的奇数序列
--构造一个筛选函数:过滤掉n的倍数数
def _not_divisible(n):
return lambda x: x % n > 0
--之后构建一个素数生成器:
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,删除以序列首为倍数的数字
--由于primes()
也是一个无限序列,所以调用时需要设置一个退出循环的条件:
# 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:
#!/usr/bin/env python3
# -*-coding utf-8 -*-
def is_palindrome(n):
i=0
n1=str(n)
l=len(n1)
j=l-i-1
while i<j:
if n1[i]!=n1[j]:
return False
else:
i=i+1
j=j-1
return True
3).sorted(排序算法)
- 可以对list进行排序
- 此外,
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