高阶函数和装饰器

Posted 2020-09-30 HHello_World

函数式：一种编程范式

纯函数式编程：没有变量，支持高阶函数编程

 

Python不是纯函数式编程语言，支持高阶函数编程

变量可以指向函数，函数名就是指向函数的一个变量，与普通变量没有区别

 

高阶函数：能接收函数做参数的函数。

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 f(x):
    return x*x
print map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])

输出结果：

[1, 4, 9, 10, 25, 36, 49, 64, 81]

 

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。reduce()还可以接收第3个可选参数，作为计算的初始值。

#对list求积
def prod(x, y):
    return x*y

print reduce(prod, [2, 4, 5, 7, 12])

 

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。

#筛选出平方根不是整数的数

import math

def is_sqr(x):
    r = int(math.sqrt(x))
    return r*r==x

print filter(is_sqr, range(1, 101))

 

 

sorted()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。

#利用sorted()高阶函数，实现忽略大小写排序的算法。
def cmp_ignore_case(s1, s2):
    u1=s1.lower()
    u2=s2.lower()
    if u1<u2:
        return -1
    if u1>u2:
        return 1
    return 0

print sorted([‘bob‘, ‘about‘, ‘Zoo‘, ‘Credit‘], cmp_ignore_case)

 

返回函数：

def f():
    print ‘call f()...‘
    # 定义函数g:
    def g():
        print ‘call g()...‘
    # 返回函数g:
    return g

>>> x = f()   # 调用f()
call f()...
>>> x   # 变量x是f()返回的函数：
<function g at 0x1037bf320>
>>> x()   # x指向函数，因此可以调用
call g()...   # 调用x()就是执行g()函数定义的代码

例子：

#请编写一个函数calc_prod(lst)，它接收一个list，返回一个函数，返回函数可以计算参数的乘积。

def calc_prod(lst):
    def func():
        sum=1
        for x in lst:
            sum = sum * x
            print sum,‘\n‘
        return sum
    return func

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

 

 

闭包：像这种内层函数引用了外层函数的变量（参数也算变量），然后返回内层函数的情况，称为闭包（Closure）。

返回函数不要引用任何循环变量，或者后续会发生变化的变量，这样会导致引用返回函数时结果发生改变。

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()

 

 

匿名函数：关键字lambda 表示匿名函数，冒号前面的 x 表示函数参数。只能有一个表达式，不写return，返回值就是该表达式的结果。

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

 

装饰器：利用高阶函数返回函数

定义装饰器

def log(f):
    def fn(*args, **kw):
        print ‘call ‘ + f.__name__ + ‘()...‘
        return f(*args, **kw)
    return fn

调用装饰器

@log
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))
print factorial(10)

运行结果

call factorial()...
3628800

带参数的装饰器

def log(prefix):
    def log_decorator(f):
        def wrapper(*args, **kw):
            print ‘[%s] %s()...‘ % (prefix, f.__name__)
            return f(*args, **kw)
        return wrapper
    return log_decorator

@log(‘DEBUG‘)
def test():
    pass
print test()

 

decorator返回的新函数函数名已经不是原函数名，而是decorator内部定义的函数名。这对于那些依赖函数名的代码就会失效。因此需要用到Python内部的functools来复制原函数信息到包装之后的函数。

import time, functools

def performance(unit):
    def func(f):
        @functools.wraps(f)
        def wrapper(*args,**kw):
            t1=time.time()
            n=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 func

@performance(‘ms‘)
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))

print factorial.__name__

 

偏函数：functools.partial就是帮助我们创建一个偏函数的，functools.partial可以把一个参数多的函数变成一个参数少的新函数，少的参数需要在创建时指定默认值，这样，新函数调用的难度就降低了。

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‘])