Python学习之函数式编程

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Python学习之函数式编程相关的知识,希望对你有一定的参考价值。

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

以上是关于Python学习之函数式编程的主要内容,如果未能解决你的问题,请参考以下文章

前端学习之函数式编程—函数式编程概念+头等函数

前端学习之函数式编程—柯里化

前端学习之函数式编程—高阶函数

Scala学习之函数式风格编程

前端学习之函数式编程—闭包

前端学习之函数式编程 — 函数组合