python入门到精通python函数式编程与应用详解

Posted 2022-12-02 大数据小禅

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python入门到精通python函数式编程与应用详解相关的知识，希望对你有一定的参考价值。

🚀 作者：“大数据小禅”

🚀 粉丝福利：加入小禅的大数据社群

🚀 欢迎小伙伴们点赞👍、收藏⭐、留言💬

什么是匿名函数？

匿名函数，顾名思义就是没有名字的函数，在程序中不用使用def进行定义，可以直接使用lambda关键字编写简单的代码逻辑。lambda本质上是一个函数对象，可以将其赋值给另一个变量，再由该变量来调用函数，也可以直接使用。**

平时，我们是先定义函数，再进行调用：

def power(x):
 return x ** 2
print(power(2))

使用lambda表达式的时候，我们可以这样操作

power = lambda x : x ** 2     #前面的x表示函数的一个入参，后面的是表示对入参的一个运算
print(power(2))

输出：
4

觉得太麻烦，还可以这样调用

print((lambda x: 2 * x)(8))
输出：16

ambda表达式的基本格式

lambda 入参 : 表达式
入参可以有多个，比如

power = lambda x, n: x ** n
print(power(2, 3))

lambda表达式的使用场景

一般适用于创建一些临时性的，小巧的函数。比如上面的 power函数，我们当然可以使用 def来定义，但使用 lambda 来创建会显得很简洁，尤其是在高阶函数的使用中。

定义一个函数，传入一个list，将list每个元素的值加1

def add(l = []):
 return [x +1 for x in l]
print(add([1,2,3]))

输出：
【2,3,4】

上面的函数改成将所有元素的值加2 可能大家会说，这还不简单，直接把return里的1改成2就行了。但是真的行吗？如果函数被多个地方使用，而其他地方并不想加2，怎么办？这好办，把变得那部分抽出来，让调用者自己传.

def add(func,l = []):
 return [func(x) for x in l]
def add1(x):
 return x+1
def add2(x):
 return x+2
print(add(add1,[1,2,3]))
print(add(add2,[1,2,3]))
输出：
[2, 3, 4]
[3, 4, 5]

一个简简单单的问题，一定要用这么多代码实现？

def add(func,l = []):
return [func(x) for x in l]
print(add(lambda x:x+1,[1,2,3]))
print(add(lambda x:x+2,[1,2,3]))

Python中的高阶函数之map

*map的基本格式 map(func, iterables)

map()函数接收两个以上的参数，开头一个是函数，剩下的是序列，将传入的函数依次作用到序列
的每个元素，并把结果作为新的序列返回。也就是类似map(func,[1,2,3])
同样的，我们还是来完成这样一个功能：将list每个元素的值加1

def add(x):
 return x + 1
result = map(add, [1, 2, 3, 4])   #等于是对后面的序列都执行了add的操作
print(type(result))
print(list(result))   #不加这个list进行转化的话会输出：<map object at 0x000002168C98EDC8>

输出：
<class 'map'>
[2, 3, 4, 5]

使用lambda表达式简化操作
result = map(lambda x: x + 1, [1, 2, 3, 4])
print(type(result))
print(list(result))

函数中带两个参数的map函数格式

使用map函数，将两个对应位置求和，之后返回,也就是对[1,2,3],[4,5,6]两个序列进行操作之后，返回结果[5,7,9]。

print(list(map(lambda x, y: x + y, [1, 2, 3], [4, 5, 6])))
输出：
[5, 7, 9]

对于两个序列元素个数一样的，相对好理解。如果两个序列个数不一样的，会不会报错？
print(list(map(lambda x, y: x + y, [1, 2, 3], [4, 5])))
输出：
【5,7】
我们可以看到不会报错，但是结果以个数少的为准

Python中的高阶函数之reduce

reduce函数的基本格式

reduce(function, sequence, initial=None)

reduce把一个函数作用在一个序列上，这个函数必须接收两个参数，reduce函数把结果继续和序列的下一个元素做累积计算，跟递归有点类似，reduce函数会被上一个计算结果应用到本次计算中。

reduce(func, [1,2,3]) = func(func(1, 2), 3)    #意思是会先计算1跟2的结果并且运用到下一次的计算中
使用reduce函数，计算一个列表的乘积
from functools import reduce

def func(x, y):
 return x * y
print(reduce(func, [1, 2, 3, 4]))   #1*2，2*3，6*4

输出：
24

from functools import reduce

def func(x, y):
 return x * y
print(reduce(func, [1, 2, 3, 4]，2))   #后面的那个2是初始值，不用写initial=2，直接写2就好，计算的结果是48，计算过程，初始值2会先跟1相乘，之后结果2跟2相乘，依次累加

结合lambda表达式，简化操作

from functools import reduce
print(reduce(lambda x, y: x * y, [1, 2, 3, 4]))

Python中的高阶函数之 filter

filter顾名思义是过滤的意思，带有杂质的（非需要的数据），经过filter处理之后，就被过滤掉。

filter函数的基本格式

filter(function_or_None, iterable)

filter()接收一个函数和一个序列。把传入的函数依次作用于每个元素，然后根据返回值是**
True还是False决定保留还是丢弃该元素。
使用filter函数对给定序列进行操作，最后返回序列中所有偶数

print(list(filter(lambda x: x % 2 == 0, [1, 2, 3, 4, 5])))
输出：
【2,4】

Python中的高阶函数之sorted

orted从字面上就可以看去这是个用来拍序的函数，sorted 可以对所有可迭代的对象进行排序操作

sorted的基本格式：

sorted(iterable, key=None, reverse=False)
iterable -- 可迭代对象。
key -- 主要是用来进行比较的元素，只有一个参数，具体的函数的参数就是取自于可迭代对象中，指
定可迭代对象中的一个元素来进行排序。
reverse -- 排序规则，reverse = True 降序 ， reverse = False 升序（默认）。

对序列做升序排序

print(sorted([1, 6, 4, 5, 9]))

对序列做降序排序

print(sorted([1, 6, 4, 5, 9], reverse=True))

对存储多个列表的列表做排序

data = [["Python", 99], ["c", 88]]

print(sorted(data, key=lambda item: item[1]))   #item: item[1])定位到后面那个数字，根据后面那个数字进行排序，不指定的话就是按照第一个数字的大小进行排序。key=lambd这样子就表示把这个大的列表中的小的一个列表，作为item，去传入我们的匿名表达式，item不是关键字，可以更改

#输出：
[['c', 88], ['Python', 99]]