4-【Python】慕课网视频笔记（四）

Python学习（三）函数方法等

一、学习网站

廖雪峰 Python进阶 慕课网：点击打开

二、函数式编程

1、函数式编程特点：

把计算视为函数而非指令；
纯函数式编程：不需要变量，没有副作用，测试简单；
支持高阶函数，代码简洁；

2、python函数式编程特点：

不是纯函数式编程：允许有变量；
支持高阶函数：函数也可以作为变量传入；
支持闭包：有了闭包就能返回函数；
有限度的支持匿名函数；

3、高阶函数 案例：

变量可以指向函数，比如：

abs(-10)     # 10
abs          # 返回一个函数变量
f = abs      # 使用变量f指向abs
f(-10)       # 10

函数名其实就是指向函数的变量

abs(-10)       # 10
abs = len      # 将len赋值给abs
abs(-10)       # 报错
abs([1,2,3])   # 3

4、高阶函数 概念：

能接收函数作为参数的函数;
变量可以指向函数;
函数的参数可以接收变量;
一个函数可以接收另一个函数作为参数;
能接收函数作参数的函数就是高阶函数;

def add(x,y,fun):
    return fun(x)+fun(y)
add(-4,9,abs)              # 14

5、python内置高阶函数 – map()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 f(x):
    return x*x
print map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])

注意：map()函数不改变原有的 list，而是返回一个新的 list。

由于list包含的元素可以是任何类型，因此，map() 不仅仅可以处理只包含数值的 list，事实上它可以处理包含任意类型的 list，只要传入的函数f可以处理这种数据类型。

案例：
将所有姓名转换成 'Adam' 格式：

def format_name(s):
    return s[:1].upper()+s[1:].lower()
print map(format_name, ['adam', 'LISA', 'barT'])

6、python内置高阶函数 – reduce()函数

它接收一个函数 f 和一个 list，函数f必须传入2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。
函数f接收的两个参数，即为list里相邻的两个参数。

def f(x, y):
    return x + y
reduce(f,[1,3,5,7,9])   # 先计算f(1,3)得4，再将结果带入f(4,5)得9，然后f(9,7)得16  f(16,9)得25

reduce()还可以接收第三个参数，作为计算初始值。

def f(x,y):
    return x+y
reduce(f, [1, 3, 5, 7, 9], 100)    # 125

案例：
利用reduce()实现求积函数。

def prod(x, y):
    return x*y
print reduce(prod, [2, 4, 5, 7, 12])

7、python内置高阶函数 – filter()函数

它接收一个函数 f 和一个 list,这个函数作用是对每个元素进行判断，返回True 和 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。
例如：要从一个list [1, 4, 6, 7, 9, 12, 17]中删除偶数，保留奇数，

def is_odd(x):                              # 定义判断函数
    return x % 2 == 1
filter(is_odd, [1, 4, 6, 7, 9, 12, 17])     # 过滤偶数   返回 [1, 7, 9, 17]

例如：删除None或者空字符串，

def is_not_empty(s):
    return s and len(s.strip()) > 0
filter(is_not_empty, ['test', None, '', 'str', ' ', 'END'])     # ['test', 'str', 'END']

注意: s.strip(rm) 删除 s 字符串中开头、结尾处的 rm 序列的字符。

当rm为空时，默认删除空白符（包括’\n’, ‘\r’, ‘\t’, ‘ ‘)，如下：

a = '   123'
a.strip()        # '123'
a='\t\t123\r\n'
a.strip()        # '123'

案例：
利用filter()过滤出1~100中平方根是整数的数：

import math
def is_sqr(x):
    r = int(math.sqrt(x))             # math.sqrt()返回结果是浮点数 用来计算平方根
    return r*r==x
print filter(is_sqr, range(1, 101))   # [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

8、python内置高阶函数 – sorted()函数 自定义排序

sorted([36, 5, 12, 9, 21])     #  [5, 9, 12, 21, 36]

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。

def reversed_cmp(x, y):      # 实现倒序排序
    if x > y:
        return -1
    if x < y:
        return 1
    return 0
sorted([36,5,12,9,21],reversed_cmp)

sorted()也可以对字符串进行排序，字符串默认按照ASCII大小来比较：

sorted(['bob', 'about', 'Zoo', 'Credit'])      # ['Credit', 'Zoo', 'about', 'bob']

'Zoo'排在'about'之前是因为'Z'的ASCII码比'a'小。
案例：
利用sorted()高阶函数，实现忽略大小写排序的算法。

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']

9、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 f():
    print 'call f()...'
    def g():
        print 'call g()'
    return g
x = f()      # 'call f()...'   x是f()返回的函数
x()          # 'call g()...'   x指向函数，因此可以调用，x()执行的就是g()函数

注意区分返回函数和返回值：

def myabs():
    return abs           # 返回函数
def myabs2():
    return abs(x)        # 返回函数调用的结果，返回值是个数值
使用返回函数，来实现“延迟计算”：
def calc_sum(lst):
    def lazy_sum():
        return sum(lst)
    return lazy_sum      # 调用calc_sum()返回的是函数
f = calc_sum([1,3,5,6])  # 此时f是一个函数，由calc_sum()返回的函数
f()                      # 15

案例：
请编写一个函数calc_prod(lst)，它接收一个list，返回一个函数，返回函数可以计算参数的乘积。

def calc_prod(lst):
    def lazy_prod():
        def f(x,y):          # 由于要使用reduce()
            return x*y
        return reduce(f,lst,1)
    return lazy_prod
f = calc_prod([1, 2, 3, 4])
print f()

10、python中的闭包

在函数内部定义的函数和外部定义的函数是一样的，只是他们无法被外部访问：

def f():
    print 'f()...'
    def g():       # 将g的定义写在f内部，防止其他代码调用g
        print 'g()...'
    return g   

闭包案例：

def f(x):
    print 'f()...'
    def g():
        return sum(x)
    return g

注意：发现没把g移到f外部，因为它引用了f的参数x。

像这种内层函数引用了外层函数的变量（参数也算变量），然后返回内层函数的情况，称为闭包（Closure）。
闭包的特点：
就是返回的函数还引用了外层函数的局部变量，所以，要正确使用闭包，就要确保引用的局部变量在函数返回后不能变。
举例如下：

# 希望一次返回3个函数，分别计算1x1,2x2,3x3:
def count():
    fs = []
    for i in range(1, 4):
    def f():
        return i*i
    fs.append(f)
    return fs

f1, f2, f3 = count()

结果全是9，原因是当count()返回3个函数时，这3个函数引用的变量i已经都变成3了，而f1,f2,f3没有被调用，所以此时的i未计算。
因此，返回函数不要引用任何循环变量，或者后续会发生变化的变量。
案例：
返回闭包不能引用循环变量，请改写count()函数，让它正确返回能计算1x1、2x2、3x3的函数。

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()

11、python中的匿名函数

python对匿名函数支持有限，以map函数为例，计算f(x)=x2 时，除了定义一个f(x)的函数外，还可以直接传入匿名函数：

map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9])        # [1, 4, 9, 16, 25, 36, 49, 64, 81

通过对比可以看出，匿名函数 lambda x: x * x 实际上就是：

def f(x):
    return x * x

关键字lambda 表示匿名函数，冒号前面的 x 表示函数参数。

注意：匿名函数有个限制，就是只能有一个表达式，不写return，返回值就是该表达式结果。

使用匿名函数可以不必定义函数名，直接创建一个函数对象，很多时候可以简化代码：

sorted([1, 3, 9, 5, 0], lambda x,y: -cmp(x,y))         # [9, 5, 3, 1, 0]

返回参数的时候，也可以返回匿名函数：

myabs = lambda x:-x if x < 0 else x

案例：
利用匿名函数，简化下面代码：

def is_not_empty(s):
    return s and len(s.strip()) > 0
filter(is_not_empty, ['test', None, '', 'str', ' ', 'END'])

简化后：

print filter(lambda s:s and len(s.strip())>0, ['test', None, '', 'str', '  ', 'END'] )

12、装饰器（decorator ）

通过高阶函数，接收一个函数作为参数，进行包装返回一个新函数，即可动态对函数进行增强。

def f1(x):
    return x*2
def new_fn(f):     # 装饰器函数
    def fn(x):
        print 'call'+ f.__name__+'()'
        return f(x)
    return fn
# 调用方法1 
g1 = new_fn(f1)
print g1(5)
# 调用方法2
f1 = new_fn(f1)
print f1(5)         # 彻底隐藏f1的原始定义函数

作用：极大简化代码，避免每个函数编写重复性代码。
比如：

打印日志：@log;
检测性能：@performance;
数据库事务：@transaction;
URL路由：@post(‘/register’);

内置@语法就是为了简化装饰器的调用。

@new_fn
def f1(x):
    return x*2
print f1(10)    # 'call f1()' 20 
# 等价于
def f1(x):
    return x*2
f1 = new_fn(f1)

13、无参数的装饰器 （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。
使用 decorator 用Python提供的 @ 语法，这样可以避免手动编写 f = decorate(f) 这样的代码。

def log(f):
    def fn(x):
        print 'call ' + f.__name__ + '()...'
        return f(x)
    return fn
@log
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))
print factorial(10)     # call factorial()...      3628800

若参数不是一个函数，调用将报错：

@log
def add(x, y):
    return x + y
print add(1, 2)
#报错：
Traceback (most recent call last):
    File "test.py", line 15, in <module>
        print add(1,2)
TypeError: fn() takes exactly 1 argument (2 given)

因为 add() 函数需要传入两个参数，但是 @log 写死了只含一个参数的返回函数。
要让 @log 自适应任何参数定义的函数，可以利用Python的 *args 和 **kw，保证任意个数的参数总是能正常调用：

def log(f):
    def fn(*args, **kw):
      print 'call ' + f.__name__ + '()...'
      return f(*args, **kw)
   return fn

现在，对于任意函数，@log 都能正常工作。
案例：
请编写一个@performance，它可以打印出函数调用的时间。

time模块介绍 点击查看

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))
        return r
    return fn
@performance
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))
print factorial(10)

14、有参数的装饰器（decorator）

实现效果比如：如果有的函数非常重要，希望打印出'[INFO] call xxx()...'，有的函数不太重要，希望打印出'[DEBUG] call xxx()...'，这时，log函数本身就需要传入'INFO'或'DEBUG'这样的参数，类似这样：

@log('DEBUG')
def my_func():
  pass

把上面的定义翻译成高阶函数的调用，就是

my_func = log('DEBUG')(my_func)

上面的语句看上去还是比较绕，再展开一下：

log_decorator = log('DEBUG')
my_func = log_decorator(my_func)

上面的语句又相当于：

log_decorator = log('DEBUG')
@log_decorator
def my_func():
    pass

所以，带参数的log函数首先返回一个decorator函数，再让这个decorator函数接收my_func并返回新函数：

def log(prefix):
    def log_decorator(f):
        def wrapper(*args, **kw):
            print '[%s] %s()...' % (prefix, f.__name__)
            return f(*args, **kw)
        return wrapper
    return log_decorator

@log('DEBUG')
def test():
    pass
print test()
# 执行结果
[DEBUG] test()...
None

案例：
上一节的@performance只能打印秒，请给 @performace 增加一个参数，允许传入's'或'ms'：

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)
           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)

15、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？ 在没有decorator`的情况，打印函数名

def f1(x):
    pass
print f1.__name__   # f1

在有decorator的情况下，打印函数名：

def log(f):
    def wrapper(*args,**kw)
       print 'call...'
       return f(*args,**kw)
       return wrapper
@log
def f2(x):
    pass
print f2.__name__           # wrapper

可见，由于 decorator 返回的新函数函数名已经不是 'f2' ，而是 @log 内部定义的 'wrapper' 。
如果要让调用者看不出一个函数经过了 @decorator 的“改造”，就需要使用Python内置的 functools ，自动把原函数的一些属性复制到新函数中。

import functools
def log(f):
    @functools.wraps(f)
    def wrapper(*args,**kw)
        print 'call...'
        return f(*args,**kw)
       return wrapper

最后需要指出，由于我们把原函数签名改成了(*args, **kw)，因此，无法获得原函数的原始参数信息。
即便我们采用固定参数来装饰只有一个参数的函数：

def log(f):
    @functools.wraps(f)
    def wrapper(x):
        print 'call...'
        return f(x)
    return wrapper

也可能改变原函数的参数名，因为新函数的参数名始终是 'x'，原函数定义的参数名不一定叫 'x'。

16、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。
如：

# int() 函数可以把字符串转换为整数，当仅传入字符串时，int()函数默认按十进制转换：
int('12345')                   #  12345
# int()函数还提供额外的base参数，默认值为10。如果传入base参数，就可以做 N 进制的转换：
int('12345', base=8)           # 5349
int('12345', 16)               # 74565

假设要转换大量的二进制字符串，每次都传入int(x, base=2)非常麻烦，
于是，我们定义一个int2()的函数，默认把base=2传进去：

def int2(x, base=2):
    return int(x, base)
int2('1000000')       # 64
int2('1000000')       # 85

functools.partial就是帮助我们创建一个偏函数的，不需要我们自己定义int2()，
可以直接使用下面的代码创建一个新的函数 int2：

import functools
int2 = functools.partial(int, base=2)
int2('1000000')       # 64
int2('1000000')       # 85

所以，functools.partial 可以把一个参数多的函数变成一个参数少的新函数，少的参数需要在创建时指定默认值，这样，新函数调用的难度就降低了。
案例：
在sorted这个高阶函数中传入自定义排序函数就可以实现忽略大小写排序。请用 functools.partial 把这个复杂调用变成一个简单的函数：

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'])

关于functools.partial 点击阅读详细介绍
关于cmp()方法 点击阅读详细介绍