一文读懂Python 高阶函数

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了一文读懂Python 高阶函数相关的知识,希望对你有一定的参考价值。

参考技术A

将函数作为参数传入,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。
变量可以指向函数,函数的参数能接收变量,那么一个函数就可以接收另一个函数作为参数,这种函数就称之为高阶函数。如下所示:


map(fun, lst),将传入的函数变量func作用到lst变量的每个元素中,并将结果组成新的列表返回。


定义一个匿名函数并调用,定义格式如-->lambda arg1,arg2…:表达式


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。


filter() 函数用于过滤序列,过滤掉不符合条件的元素,返回由符合条件元素组成的新列表。





闭包的定义?闭包本质上就是一个函数
如何创建闭包?

如何使用闭包?典型的使用场景是装饰器的使用。
global与nonlocal的区别:

简单的使用如下:


偏函数主要辅助原函数,作用其实和原函数差不多,不同的是,我们要多次调用原函数的时候,有些参数,我们需要多次手动的去提供值。
而偏函数便可简化这些操作,减少函数调用,主要是将一个或多个参数预先赋值,以便函数能用更少的参数进行调用。

我们再来看一下偏函数的定义:
类func = functools.partial(func, *args, **keywords)
我们可以看到,partial 一定接受三个参数,从之前的例子,我们也能大概知道这三个参数的作用。简单介绍下:


总结
本文是对Python 高阶函数相关知识的分享,主题内容总结如下:

一文彻底读懂Python装饰器

装饰器主要用途是:

不修改函数源码的前提下,添加额外的功能。

如果你有Java开发经验,你会发现,Python中的装饰器其实就类似于Java注解。好的,废话不多说,进入正题。

我们假想如下一个场景:

测试一个现有的函数的执行耗时,要求是不能修改原始函数块内代码。

1 探索无装饰器的场景实现

1.1 简单初版实现

对于如上需求,我们很轻松会想到一个方案:将函数及其相关参数对象传入一个新定义的函数,在新定义的函数做耗时测试,具体如下:

import time


def target_func(a, b, c):
    time.sleep(2)
    return a**b + c


def test_time(func, a, b, c):
    t = time.time()
    out = func(a, b, c)
    print(time.time() - t)
	return out

test_time(target_func, 99, 199, 9)

1.2 升级版实现

上面这种方案还存在一些缺点:参数不灵活,只能测试有3个参数的函数。因此,升级版如下:

def test_time(func, *args, **kwargs):
    t = time.time()
    out = func(*args, **kwargs)
    print(time.time() - t)
	return out

test_time(target_func, 99, 199, 9)

1.3 进阶版实现

上面的封装还是存在缺点,即破坏了用户的开发思路。用户设计代码时,已经将target_func作为某项功能实现对待。如果转而去执行test_time函数,那么需要传入target_func函数对象作为test_time的参数。在某种程度上说,已经破坏了代码。因此,最好让使用者无感植入代码。具体实现如下:

import time

def test_time(func):

    def wrapper(*args, **kwargs):
        t = time.time()
        out = func(*args, **kwargs)
        print(time.time() - t)
        return out

    return wrapper


# 提前封装好函数
my_func = test_time(target_func)
my_func(99, 199, 9)

倒数第二行对函数做了装饰,经过装饰后的函数可以直接调用,并且调用者是无感的。

2 使用装饰器

2.1 无参装饰器

2.1.1 直接使用@符号

其实1.3小节的进阶版实现就已经是一个装饰器了,读者可能注意到,虽然说1.3中的最后一行代码是无感调用的,但是其实倒数第二行手动去对目标函数做了封装。这一行代码无疑非常影响代码的极简风格,因此,在Python中,这一行代码可以直接使用装饰器来取代:

import time
def test_time(func):

    def wrapper(*args, **kwargs):
        t = time.time()
        out = func(*args, **kwargs)
        print(time.time() - t)
        return out

    return wrapper

@test_time
def target_func(a, b, c):
    time.sleep(2)
    return a**b + c


target_func(99, 199, 9)

仔细看target_func函数,可以看到,在函数定义前加了装饰器@test_time,这一行等价于:

在执行target_func函数之前,Python解释器会先执行test_time函数,并将返回的函数对象在原来执行的位置通过“偷梁换柱”替换掉。

简而言之,2.1.1中的代码与1.3中的代码是等价的。

2.1.2 使用functools.wraps

2.1.1中的wrapper函数其实有个非常大的问题!即原始函数被偷梁换柱了。在一些业务或者框架中,如果底层需要对函数进行判断,那么将会引来一个BUG,我们做个测试:

import time


def test_time(func):

    def wrapper(*args, **kwargs):
        '''
        这里是wrapper函数的注释文档
        '''
        t = time.time()
        out = func(*args, **kwargs)
        print(time.time() - t)
        return out

    return wrapper


@test_time
def target_func(a, b, c):
    '''
    这里是target_func函数的注释文档
    '''
    time.sleep(2)
    return a**b + c


print(target_func.__name__, target_func.__doc__)

输出结果如下:

wrapper 
        这里是wrapper函数的注释文档

可以看到,明显当前target_func函数已经不是当年那个target_func函数。为了解决这个问题,python中引入了装饰器functools.wraps,只需在wrapper函数中加入functools.wraps装饰器即可:

import time
from functools import wraps

def test_time(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        '''
        这里是wrapper函数的注释文档
        '''
        t = time.time()
        out = func(*args, **kwargs)
        print(time.time() - t)
        return out
    return wrapper

@test_time
def target_func(a, b, c):
    '''
    这里是target_func函数的注释文档
    '''
    time.sleep(2)
    return a**b + c

print(target_func.__name__, target_func.__doc__)

输出结果如下:

target_func 
    这里是target_func函数的注释文档

2.2 有参数装饰器

2.1中使用装饰器时,没有提供额外的参数,有时在装饰器中不仅仅需要目标函数对象,也需要额外的其他参数。

import time

def test_time(msg):
    def test_time_inner(func):
    	@wraps(func)
        def wrapper(*args, **kwargs):
            print("before func:", msg)
            t = time.time()
            out = func(*args, **kwargs)
            print(time.time() - t)
            return out
        return wrapper
    return test_time_inner


@test_time("测试信息")
def target_func(a, b, c):
    time.sleep(2)
    return a**b + c


target_func(99, 199, 9)

输出结果如下:

before func: 测试信息
2.009385585784912

可以看到,如果需要给装饰器传入参数,那么需要将装饰器封装为3层函数。其中:

  1. 最外层函数接收装饰器参数。
  2. 内部两层为普通的装饰器定义方式。

3 装饰器类

我们知道,在python中,类实例也是callable的,即类实例也可以像函数一样调用,且实际调用的是类实例的__call__函数。既然如此,类实例也可以完成函数能做的事情:

import time
from functools import wraps

class TestTime:
    def __init__(self, msg):
        self.msg = msg
        
    def __call__(self, func):
    	@wraps(func)
        def wrapper(*args, **kwargs):
            print("before func:", self.msg)
            t = time.time()
            out = func(*args, **kwargs)
            print(time.time() - t)
            return out
        return wrapper


@TestTime("测试信息")
def target_func(a, b, c):
    time.sleep(2)
    return a**b + c


target_func(99, 199, 9)

输出结果如下:

before func: 测试信息
2.007122278213501

我们专注于Python、Pytorch、Numpy等技术,如果您觉得本文有帮助,欢迎关注我【Python学习实战】,第一时间获取最新更新。每天学习一点点,每天进步一点点。

以上是关于一文读懂Python 高阶函数的主要内容,如果未能解决你的问题,请参考以下文章

Python 学习笔记 -- 内嵌函数闭包匿名函数高阶函数map高阶函数filter高阶函数reduce

python 高阶函数都有哪些

Python_面向对象_高阶函数

初学 Python——高阶函数

python专题高阶函数

python专题高阶函数