python函数式编程以及高阶函数

Posted 2022-04-22 礁之

文章目录

• • 一、什么是函数式编程
  • 二、高阶函数的概念
  • • 1.map和reduce函数
    • 2.filter函数
    • 3.sorted函数

此文章参考廖雪峰大神的官网，地址：函数式编程 - 廖雪峰的官方网站 (liaoxuefeng.com)

一、什么是函数式编程

• 首先要知道的是，函数是python内建的一种封装方法，可以通过把指定段落的代码拆解成函数，通过一层一层的函数调用，从而把一个复杂的任务拆解成几个简单的任务，这种分解就叫做面向过程的程序设计，而函数就是面向过程编程的一个基本单元
• 那函数式编程是什么呢，从字面来看，多了一个式字，虽然也可以说是面向过程的程序设计，但是它的编程思想更接近于数学计算

看了上面两段话之后，可能会有一点懵，没有关系，我们现在先来看一下计算机和计算的概念：

• 计算机：对于计算机来说，CPU是计算机的大脑，负责执行代码以及各种指令，所以汇编语言是最贴近计算机的语言，汇编语言再往下就是二进制了
• 计算：计算指的是数学意义上的计算，而越是抽象的计算，距离计算机的硬件越远，就像是计算机硬件在第一层，而数学计算在第五层

现在来看编程语言，对应上面说的一层和五层的关系，也就是说：

• 越低级的编程语言（越贴近计算机硬件），层数低（抽象程度低），下楼下的越快（执行效率越高），例如C语言

• 相反的，越是高级的编程语言（离计算机硬件越远）,层数高（抽象程度高），下楼下的越慢（执行效率越低），例如python

• 而函数式编程就是一种抽象程度很高的编程范式，存粹的函数式编程语言编写的函数里面是没有变量的，这种函数传入参数后，因为没有变量，所以函数计算的流程是不会有变化的，导致了函数调用后输出的结果是固定的，不会有其他变化，这种函数称之为没有副作用

• 相反的，允许在函数中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，传入同样的参数，函数调用的输出结果可能会发生变化，因此，这种函数是有副作用的

• 函数式编程的特点就是：允许把函数本身作为参数传入另一个函数，并且还允许调用函数后返回一个函数

注意：python对函数式编程提供了部分支持，但是由于python允许在函数中使用变量，所以python不是纯粹的函数式编程语言

二、高阶函数的概念

• 在了解了函数式编程后，我们来看高阶函数，高阶函数的英文叫Higher-order function，通过下面的例子，来学习高阶函数的概念

1、变量可以指向函数
-以python内置的绝对值函数abs()为例：
>>> abs(-10)   #调用abs函数，成功输出结果
10
>>> abs			#直接输出函数本身
<built-in function abs>
>>> a = abs(-10)  #把调用函数赋值给变量，成功输出结果
>>> a
10
>>> a = abs  #把函数本身赋值给变量
>>> a
<built-in function abs>
>>> a(-10)   #使用赋值的变量成功调用abs函数
10

-从上面的例子可以看出：
	（1）函数本身可以赋值给变量，并且赋值后的变量可以调用函数
    （2）调用函数可以赋值给变量，并且赋值后变量的值为函数调用后的输出结果
    
2、函数名也是变量
-以abs()函数为例，可以把函数名abs看成一个变量，而这个变量指向了一个可以计算绝对值的函数
-把abs指向一个新的值：
>>> abs = 10
>>> abs(-10) 
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'int' object is not callable
>>> abs
10
-从上面的操作可以看出，给abs重新指定值后，它不在是指向计算绝对值的函数，而是指向了新设定的整数10，所以会报错

注意：在实际环境中，内建函数等不要像上面那样随意修改，如果要恢复原本的功能，需要重启python的交互环境。并且由于abs函数实际上是定义在builtins模块中的，所以如果想要修改abs的值，使它可以在其他的模块也生效，可以使用：

import builtins
builtins.abs = 10
#这样就可以使abs的变更操作再其他模块也生效

3、传入函数
-从上面的代码行来看，变量可以指向函数，函数的参数能够接收变量，而还有一种叫做高阶函数，高阶函数的概念就是一个函数可以接收另一个函数作为参数，下面来看一个简单的高阶函数：

# -*- coding: utf-8 -*-
def add(x,y,i):
    return i(x) + i(y)
print(add(-5,-6,abs))

#输出结果：
11

-上面这个高阶函数等于：
x = -5
y = -6
i = abs
i(x) + i(y) -> abs(-5) + abs(-6) -> 5 + 6 -> 11

• 看了这么多，我们可以知道，高阶函数的特点就是：可以接收另一个函数作为参数
• 下面来看几个高阶函数：

1.map和reduce函数

• python内建了map和reduce函数，下面先简单说一下这两个函数：

• map（）：

map函数接收两个参数，第一个是函数，第二个是可迭代（Iterable）对象，map函数会将传入的函数，依次作用到迭代器的每一个元素，并且返回一个惰性序列（Iterator）。下面来举几个例子，帮助更好的理解map函数：

-假设有一个函数和列表：
def f(x):
    return x * x 
L = list(range(11))   

-现在想让f函数依次的作用到L列表的每一个元素上，该怎么做，传统的写法：

# -*- coding: utf-8 -*-
def f(x):
    return x * x 
L = list(range(11))   

new_L = []
for i in L:
    new_L.append(f(i))
print(new_L)

#输出结果：
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

-这样虽然可以达到效果，但是感觉还是比较繁琐，而使用map就可以这样写：

# -*- coding: utf-8 -*-
def f(x):
    return x * x 
L = list(range(11))   

print(list(map(f,L)))   

#输出结果：
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

-可以看到最终的效果是相同的，但是使用map明显比传统的写法更快捷，而在print时使用list进行转换，是因为上面说过，map的返回是一个惰性序列，所以需要使用list转换一下

• reduce（）：

现在再来看reduce函数，reduce把一个函数作用在一个序列上，这个序列类似于[a1,a2,a3,a4...]这样的，并且reduce函数必须接收两个参数，在作运算时，reduce函数会把结果和序列的下一个元素做累计运算，下面来看一个例子：

-有一个函数和列表：
def add(x,y):
    return x + y
L = [1,2,3,4,5]

-现在想要利用add函数，把L列表的元素依次相加，类似于1+2+3这样的，使用reduce可以这样写：

# -*- coding: utf-8 -*-
from functools import reduce
def add(x,y):
    return x + y
L = [1,2,3,4,5]
print(reduce(add,L))

#输出结果：
15

-对于reduce函数，我的理解是，reduce使用了add函数，来把L列表的元素依次相加，运算结果为：

第一次计算：
x = 1,y = 2
x + y = 1 + 2 = 3
第二次计算：
x = 3,y = 3
x + y = 3 + 3 = 6
第三次计算：
x = 6,y = 4 
x + y = 6 + 4 = 10
第四次计算：
x = 10,y = 5
x + y = 10 + 5 = 15

-可以看到，y的值是从下标1开始递增的（下标0的值是x），而x的值为每次相加后的值，如果变成乘积呢：

# -*- coding: utf-8 -*-
from functools import reduce
def add(x,y):
    return x * y
L = [1,2,3,4,5]
print(reduce(add,L))

#输出结果：
120

-同样，计算结果为：

第一次计算：
x = 1,y = 2
 x * y = 1 * 2 = 2
第二次计算：
x = 2,y = 3
 x * y = 2 * 3 = 6
第三次计算：
x = 6,y = 4 
 x * y = 6 * 4 = 24
第四次计算：
x = 24,y = 5
 x * y = 24 * 5 = 120

-列表元素相加可以使用sum函数，现在又想把[1,2,3,4,5]变为整数12345，这种情况也可以使用reduce

# -*- coding: utf-8 -*-
from functools import reduce
def add(x,y):
    return x * 10 + y
L = [1,2,3,4,5]
print(reduce(add,L)) 

#输出结果：
12345

-计算过程都是大同小异的
第一次计算：
x = 1,y = 2
x * 10 + y = 1 * 10 + 2 = 12
第二次计算：
x = 12,y = 3
x * 10 + y= 12 * 10 + 3 = 123
第三次计算：
x = 123,y = 4 
x * 10 + y= 123 * 10 + 4 = 1234
第四次计算：
x = 1234,y = 5
x * 10 + y = 1234 * 10 + 5 = 12345

-继续上面的，如果想要把字符串类型转为整数类型，例如'12345'转为12345，想实现这样的效果可以配合map函数：
# -*- coding: utf-8 -*-
from functools import reduce
def add(x,y):
    return x * 10 + y

def str_num(i):
    dic = '0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9
    return dic[i]

print(reduce(add,map(str_num,'12345')))

#输出结果：
12345

-上面的代码，利用map使用str_num依次执行，取出字符串对应的整数数值，然后使用reduce来把整数数值转换为最终的效果
-简化后，变成：
# -*- coding: utf-8 -*-
from functools import reduce
dic = '0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9
def str_int(i):
    def fn(x,y):
        return x * 10 + y
    def str_num(i):
        return dic[i]
    return reduce(fn,map(str_num,i))
print(str_int('12345'))

#输出结果：
12345

-其实就是把两个函数压缩成了一个函数
-拓展——————————利用lambda函数还可以进一步简化为：
# -*- coding: utf-8 -*-
from functools import reduce
DIGITS = '0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9
def char2num(s):
    return DIGITS[s]
def str2int(s):
    return reduce(lambda x, y: x * 10 + y, map(char2num, s))
print(str2int('12345'))    

#输出结果：
12345

• 最后引用几个小案例：

1、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']：

# -*- coding: utf-8 -*-
def normalize(name):
    return name.title()

L1 = ['adam', 'LISA', 'barT']
L2 = list(map(normalize, L1))
print(L2)

#输出结果：
['Adam', 'Lisa', 'Bart']

###解析：这个直接使用title函数进行转换了，然后利用map的机制来达到效果

2、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：
# -*- coding: utf-8 -*-
from functools import reduce
def prod(L):
    return reduce(lambda n, m: n*m, L)

print('3 * 5 * 7 * 9 =', prod([3, 5, 7, 9]))
if prod([3, 5, 7, 9]) == 945:
    print('测试成功!')
else:
    print('测试失败!')
    
#输出结果：
3 * 5 * 7 * 9 = 945
测试成功!

###解析：这个和上面的乘积思路其实是一样的，只不过这里使用了lambda函数，把lambda函数作用于L，但是计算过程还是一样的：
第一次：
n = 3,m = 5
n * m = 3 * 5 = 15
第二次：
n = 15,m = 7
n * m = 15 * 7 = 105
第三次：
n = 105,m = 9
n * m = 105 * 9 = 945
    
3、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：
# -*- coding: utf-8 -*-
from functools import reduce

def str2float(s):
    return reduce(lambda x, y: x + y * pow(10, -3), map(int, s.split('.')))

print('str2float(\\'123.456\\') =', str2float('123.456'))
if abs(str2float('123.456') - 123.456) < 0.00001:
    print('测试成功!')
else:
    print('测试失败!')

#输出结果：
str2float('123.456') = 123.456
测试成功!

###解析：这个可能就比较难理解了，先看后面的用于取值的参数map函数，是先以s变量中的"."进行分割，返回一个列表，此时s = [123,456]，然后同样进行依次运算，但是这次只有一次运算，因为只有两个元素：(提示：pwd(10,-3)等于10的-3次方等于0.001)
x = 123,y=456
x + y * pow(10,-3) = 123 + 456 * 0.001 = 123 + 0.456 = 123.456

2.filter函数

• filter函数同样也是python内建函数，与map函数类似
• filter函数接收两个参数，第一个函数，第二个可迭代对象，和map函数一样把传入的函数依次作用到可迭代对象的每个元素，但是和map不同的是，filter函数的返回值是根据True还是False来决定是否保留该元素的
• 下面举几个例子，看一下filter函数的具体使用：

-在一个列表中，去掉偶数，只留下奇数，通过filter可以这样写：
# -*- coding: utf-8 -*-
def fn(i):
    return i % 2 == 1
print(list(filter(fn,[1,2,3,4,5,6,7,8,9])))

#输出结果：
[1, 3, 5, 7, 9]

-把一个列表中的空字符串删除：
# -*- coding: utf-8 -*-
def fn(i):
    return i and i.strip()
print(list(filter(fn,["aa","cc"," ","   ","vvv",None])))

#输出结果：
['aa', 'cc', 'vvv']

#其实通过上面的两种用法已经可以看出，filter函数是一个提供了“筛选”的高阶函数
#在上面的代码中，可以发现在print的时候都加了list进行转换，这也就说明filter函数的返回也是一个惰性序列

• 下面我们来使用filter函数求素数

• 计算素数的方法：

计算素数的一个方法是埃氏筛法，它的算法理解起来非常简单：

首先，列出从2开始的所有自然数，构造一个序列：

2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, …

取序列的第一个数2，它一定是素数，然后用2把序列的2的倍数筛掉：

3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, …

取新序列的第一个数3，它一定是素数，然后用3把序列的3的倍数筛掉：

5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, …

取新序列的第一个数5，然后用5把序列的5的倍数筛掉：

7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, …

不断筛下去，就可以得到所有的素数。

• 下面利用filter来取到小于100的所有素数：

# -*- coding: utf-8 -*-
def fn():
    n = 1
    while True:
        n = n + 2 
        yield n 

def if_num(n):
    return lambda x: x % n > 0

def primes():
    yield 2
    it = fn()
    while True:
        n = next(it)
        yield n 
        it Python函数式编程以及高阶函数

 从延迟处理讲起，JavaScript 也能惰性编程？
 现代C++函数式编程
 函数式编程 & Python中的高阶函数map reduce filter 和sorted
 复习4
 函数式编程：容器类型值类型