Python学习之函数式编程

Posted 2020-09-01

本文和大家分享的主要是 python开发中函数式编程相关内容，一起来看看吧，希望对大家学习和使用这部分内容有所帮助。

 1. python把函数作为参数

 import math def  add(x, y, f):

 return f(x) + f(y)

 print add(-5, 9, abs) print abs(-5) + abs(9) print add(25, 9, math.sqrt)

 2. python中map()函数

map() 是  Python  内置的高阶函数，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  format_name(s):

 return s[0].upper() + s[1:].lower()

 print map(format_name, [’adam’, ’LISA’, ’barT’])

 3.python中reduce()函数

reduce() 函数也是 Python 内置的一个高阶函数。 reduce() 函数接收的参数和  map() 类似，一个函数 f ，一个 list ，但行为和  map() 不同， reduce() 传入的函数  f  必须接收两个参数， reduce() 对 list 的每个元素反复调用函数 f ，并返回最终结果值。

 def  f(x, y):

 return x + y

 print reduce(f, [1, 3, 5, 7, 9]) # 25

 def  prod(x, y):

 return x * y print reduce(prod, [2, 4, 5, 7, 12]) # 3360

 4.python中filter()函数

filter() 函数是  Python  内置的另一个有用的高阶函数， filter() 函数接收一个函数  f  和一个 list ，这个函数  f  的作用是对每个元素进行判断，返回  True 或  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 。

 def  is_odd(x):

 return x % 2 == 1 print filter(is_odd, [1, 4, 6, 7, 9, 12, 17]) # [1, 7, 9, 17]

 def  is_not_empty(s):

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

 import math def  is_sqr(x):

r = int(math.sqrt(x))

 return r*r==x print filter(is_sqr, range(1, 101)) # [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

 5.python中自定义排序函数

sorted() 是一个高阶函数，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 。

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

 def  reversed_cmp(x, y):

 if x > y:

 return -1

 if x < y:

 return 1

 return 0 print sorted([36, 5, 12, 9, 21], reversed_cmp) # [36, 21, 12, 9, 5]

 print sorted([’bob’, ’about’, ’Zoo’, ’Credit’]) # [’Credit’, ’Zoo’, ’about’, ’bob’]

 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’]

 6.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  calc_sum(lst):

 def  lazy_sum():

 return sum(lst)

 return lazy_sum

 print f # print f() # 10

 def  calc_prod(lst):

 def  lazy_prod():

 def  f(x, y):

 return x * y

 return reduce(f, lst, 1)

 return lazy_prod

f = calc_prod([1, 2, 3, 4]) print f() # 24

 7.python中闭包

 def  count():

fs = []

 for i  in range(1, 4):

 def  f():

 return i*i

fs.append(f)

 return fs

f1, f2, f3= count() print f1() # 9 print f2() # 9 print f3() # 9

 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() # 1 4 9

 8.python中匿名函数

高阶函数可以接收函数做参数，有些时候，我们不需要显式地定义函数，直接传入匿名函数更方便。

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

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

myabs =  lambda x: -x  if x < 0  else x  print myabs(-1) # 1 print myabs(1) # 1

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

 9. python中decorator装饰器

什么是装饰器？

·  问题：

·  定义一个函数

·  想在运行时动态增加功能

·  又不想改动函数本身的代码

装饰器的作用

·  可以极大地简化代码，避免每个函数编写重复性代码

·  打印日志： @log

·  检测性能： @performance

·  数据库事务： @transaction

· URL 路由： @post(’/register’)

 9-1. python中编写无参数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。

 def  log(f):

 def  fn(x):

 print ’call ’ + f.__name__ + ’()...’ # call factorial()...

 return f(x)

 return fn

@log def  factorial(n):

 return reduce( lambda x,y: x*y, range(1, n+1)) print factorial(10) # 3628800

 print ’\n’

 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)) # call factorial() in 0.001343s

 return r

 return fn

@performance def  factorial(n):

 return reduce( lambda x,y: x*y, range(1, n+1)) print factorial(10) # 3628800

 9-2. python中编写带参数decorator

 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) # call factorial() in 1.250982 ms

 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) # 3628800

 9-3. python中完善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？

 def  f1(x):

 passprint f1.__name__ # f1

 def  log(f):

 def  wrapper(*args, **kw):

 print ’call...’

 return f(*args, **kw)

 return [email protected] def  f2(x):

 passprint f2.__name__ # wrapper

 import time, functools def  performance(unit):

 def  perf_decorator(f): @functools.wraps(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.__name__ # factorial

 10. python中偏函数

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。

 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’]) # [’about’, ’bob’, ’Credit’, ’Zoo’]

来源： 博客园