python语言的高级特性
函数式编程（FunctionalProgramming）
- 基于lambda演算的一种编程方式
- 程序中中有函数
- 函数可以作为参数，同样可以作为返回值
- 纯函数式编程语言：LISP，Haskell、
- python函数式编程只是借鉴函数式编程的一些特点，可以理解成一半函数式一半python
- 需要学习
- 高阶函数
- 返回函数
- 匿名函数
- 装饰器
- 偏函数
lambda表达式
- 函数：最大程度复用代码
- 存在问题：如果函数很小，很短，则会造成啰嗦
- 如果函数被调用次数少，则会造成浪费
- 对于阅读者来说，造成阅读流程的被迫中断
- lambda表达式（匿名函数）：
- 一个表达式，函数体相对简单
- 不是一个代码块，仅仅是一个表达式
- 可以有参数，有多个参数也可以，用逗号隔开
# “小”函数举例
def printA():
print("AAAAAA")
printA()
AAAAAA
# lambda表达式的用法
# 1. 以lambda开头
# 2. 紧跟一定的参数（如果有的话）
# 3. 参数后用冒号和表达式主体隔开
# 4. 只是一个表达式，所以，没有return
# 计算一个数字的100倍数
# 因为就是一个表达式，所以没有return
stm2 = lambda x,y,z: x + y*10 + z*100
stm2(4, 5, 6))
654高阶函数
把函数作为参数使用的函数，叫高阶函数
# 函数名称就是一个变量
def funA():
print("In funA")
funB = funA
funB()
in funA以上代码得出的结论：
- 函数名称是变量
- funB 和 funA 只是名称不一样而已
- 既然函数名称是变量。则应该可以被当作参数传入另一个函数
# 高阶函数举例
# funA是普通函数，返回一个传入数字的100倍
def funA(n):
return n * 100
# 再写一个函数，把传入参乘以300倍，利用高阶函数
def funB(n):
# 最终是想返回300n
return funA(n) * 3
print(funB(9))
# 写一个高阶函数
def funC(n, f):
# 假定函数是把n扩大100呗
return f(n) * 3
print(funC(9, funA))
# 比较funC和funB，显然funC的写法要优于funB
# 例如：
def funD(n):
return n*10
# 需求变更，需要把n放大30倍，此时funB无法实现
print(funC(7, funD))
2700
2700
210系统高阶函数 - map
- 愿意就是映射，即把集合或者列表的元素，每一个元素都按照一定规则进行操作，生成一个新的列表或者集合
- map函数就是系统提供的具有映射功能的函数，返回值是一个迭代对象
# map举例 # 有一个列表，想对列表里的每一个元素乘以10，并得到新的列表
l1 = [i for i in range(10)]
print(l1)
l2 = []
for i in l1:
l2.append(i * 10)
print(l2)
利用map实现
def numTen(n):
return n*10
help(map)
l3 = map(numTen, l1)
map类型是一个可迭代的结构，所以可以使用for遍历
print(type(l3))
print([i for i in l3])
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
[0, 10, 20, 30, 40, 50, 60, 70, 80, 90]
<class 'map'>
[0, 10, 20, 30, 40, 50, 60, 70, 80, 90]## reduce
+ 愿意是归并，suojian
+ 把一个可迭代对象最后归并成一个结果
+ 对于作为参数函数参要求：必须有两个参数，必须有返回结果
+ reduce([1,2,3,4,5]) == f(f(f(f(1,2),3),4),5)
+ reduce需要导入functools包
``````py
from functools import reduce
# 定义一个操作函数
# 加入操作函数只是相加
def myAdd(x,y):
return x + y
# 对于列表[1,2,3,4,5,6]执行myAdd的reduce操作
rst = reduce(myAdd, [1,2,3,4,5,6])
print(rst)
21filter 函数
- 过滤函数：对一组数据进行过滤，符合条件的数据会生成一个新的列表并返回
- 跟map相比较：
- 相同：都对列表的每一个元素逐一进行操作
- 不同：
- map会生成一个跟原来数据相对应的新队列
- filter不一定，只要符合条件的人才会进入新的数据集合
- filter函数怎么写：
- 利用给定函数进行判断
- 返回值一定是一个布尔值
- 调用格式：
filter(f, data), f是过滤函数，data是数据# filter案例 # 对于一个列表，对其进行过滤，偶数生成一个新列表
需要定义过滤函数
过滤函数要求有输入，返回布尔值
def isEven(a):
return a % 2 == 0
l = [1,2,3,4,5,56,44,3,243]
rst = filter(isEven, l)
返回的filter内容是一个可迭代对象
print(type(rst))
print(rst)
print([i for i in rst])
<class 'filter'>
<filter object at 0x000002D30626EB00>
[2, 4, 56, 44]# 返回函数
+ 函数可以返回具体的值
+ 也可以返回一个函数作为结果
``````py
# 定义一个普通函数
def myF(a):
print('In myF')
return None
a = myF(8)
print(a)
In myF
None# 函数作为返回值返回，被返回的函数在函数体内定义
def myF2():
def myF3():
print("In myF3")
return 3
return myF3
# 使用上面定义
# 调用myF2, 返回一个函数myF3，赋值给f3
f3 = myF2()
print(type(f3))
print(f3)
f3()
<class 'function'>
<function myF2.<locals>.myF3 at 0x000002D306D06620>
In myF3
3# 复杂一点的返回函数的例子
# args：参数列表
# 1. myF4定义函数，返回内部定义的函数myF5
# 2. myF5使用了外部变量，这个变量是myF4的参数
def myF4( *args):
def myF5():
rst = 0
for n in args:
rst += n
return rst
return myF5
f5 = myF4(1,2,3,4,5,6,7,8,9,0)
# f5的调用方式
f5()
45
f6 = myF4(10,20,30,40,50)
# f6的调用方式
f6()
150闭包（closure）
- 当一个函数在内部定义函数，并且内部的函数应用外部函数的参数或者局部变量，当内部函数被当作返回值的时候，相关参数和变量保存在返回的函数中，这种结果，叫闭包
- 上面定义的myF4是一个标准闭包结构
# 闭包常见坑 def count(): # 定义列表，列表里存放的是定义的函数 fs = [] for i in range(1, 4): # 定义了一个函数 # f是一个闭包结构 def f(): return i*i fs.append(f) return fs
f1, f2, f3 = count()
print(f1())
print(f2())
print(f3())
9
9
9### 出现的问题：
+ 造成上述状况的原因是，返回函数引用了变量i，i并非立即执行，而是等到三个函数都返回的时候才统一使用，此时i已经变成了3，最终调用的时候，都返回的是 3*3
+ 此问题描述：返回闭包时，返回的函数不能引用任何循环变量+
+ 解决方案：再创建一个函数，用该函数的参数绑定循环变量的当前值，无论该循环变量以后如何改变，已经绑定的函数参数值不再改变
``````py
# 修改上述函数
def count1():
def f(j):
def g():
return j*j
return g
fs = []
for i in range(1, 4):
fs.append(f(i))
return fs
f1, f2, f3 = count1()
print(f1())
print(f2())
print(f3())
1
4
9装饰器
def hello():
print("Hello world")
hello()
Hello world
f = hello
f()
Hello world
# f和hello是一个函数
print(id(f))
print(id(hello))
print(f.__name__)
print(hello.__name__)
2501087682072
2501087682072
hello
hello- 现在有新的需求
- 对hello功能进行扩展，每次打印hello之前打印当前系统时间
- 而实现这个功能又不能改动现有代码
- ==>使用装饰器
在不改动函数代码的基础上无限制扩展函数功能的一种机制，本质上讲，装饰器是一个返回函数的高阶函数
装饰器的使用：使用@语法，即在每次要扩展到函数定义前使用@+函数名
# 任务：
# 对hello函数进行功能扩展，每次执行hello打印当前时间
import time
# 高阶函数，以函数作为参数
def printTime(f):
def wrapper(*args, wargs):
print("Time:", time.ctime())
return f(*args, wargs)
return wrapper
# 上面定义了装饰器，使用的时候需要用到@，此符号是python的语法糖
@printTime
def hello():
print("Hello world")
hello()
Time: Sun Jun 2 08:27:35 2019
Hello world
# 装饰器的好处是，一旦定义，则可以装饰任意函数
# 一旦被其装饰，则把装饰器的功能直接添加到定义函数的功能上
@printTime
def hello2():
print("11")
print("22")
hello2()
Time: Sun Jun 2 08:30:07 2019
11
22# 上面对函数的装饰使用系统定义的语法糖
# 下面开始手动执行下装饰器
# 先定义函数
def hello3():
print("手动执行")
hello3()
hello3 = printTime(hello3)
hello3()
f = printTime(hello3)
f()
手动执行
Time: Sun Jun 2 08:33:35 2019
手动执行
Time: Sun Jun 2 08:33:35 2019
Time: Sun Jun 2 08:33:35 2019
手动执行 最后一次更新于2021-10-09
0 条评论