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
的注解
。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:
- 最外层函数接收装饰器参数。
- 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