python-复盘总结-函数式编程

复盘廖雪峰教程中的要点

1. 函数式编程 > 高阶函数

map() 函数接收两个参数，一个是函数，一个是Iterable，map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Iterator 迭代器返回。结果是一个惰性序列，一般我们可以用list()把它变成列表读取。

>>> def f(x):    # map 特别适合对内部每个元素都需要作用的地方。
...     return x * x
...
>>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> list(r)
[1, 4, 9, 16, 25, 36, 49, 64, 81]

reduce()
reduce把一个函数作用在一个序列[x1, x2, x3, ...]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算，其效果就是：

reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

应该适合在一些累计求和中去用，得加这句from functools import reduce

fliter()
该函数为内置,和map()类似，filter()也接收一个函数和一个序列。和map()不同的是，filter()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

def is_odd(n):
    return n % 2 == 1

list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
# 结果: [1, 5, 9, 15]

sorted()
Python内置的sorted()函数就可以对list进行排序

>>> sorted([36, 5, -12, 9, -21], key=abs)   # 当一个参数时，可以将数字按大小排列，两个值时，按照key排序，这里abs是求绝对值
[5, 9, -12, -21, 36]

返回函数(难点) - 闭包
高阶函数除了可以接受函数作为参数外，还可以把函数作为结果值返回。

def lazy_sum(*args):
    def sum():
        ax = 0
        for n in args:
            ax = ax + n
        return ax
    return sum

当我们调用lazy_sum()时，返回的并不是求和结果，而是求和函数：

>>> f = lazy_sum(1, 3, 5, 7, 9)
>>> f
<function lazy_sum.<locals>.sum at 0x101c6ed90>

调用函数f时，才真正计算求和的结果：

>>> f()
25

在这个例子中，我们在函数lazy_sum中又定义了函数sum，并且，内部函数sum可以引用外部函数lazy_sum的参数和局部变量，当lazy_sum返回函数sum时，相关参数和变量都保存在返回的函数中，这种称为“闭包（Closure）”的程序结构拥有极大的威力。

请再注意一点，当我们调用lazy_sum()时，每次调用都会返回一个新的函数，即使传入相同的参数：

>>> f1 = lazy_sum(1, 3, 5, 7, 9)
>>> f2 = lazy_sum(1, 3, 5, 7, 9)
>>> f1==f2
False    #  f1()和f2()的调用结果互不影响

注意到返回的函数在其定义内部引用了局部变量args，所以，当一个函数返回了一个函数后，其内部的局部变量还被新函数引用，所以，闭包用起来简单，实现起来可不容易。

另一个需要注意的问题是，返回的函数并没有立刻执行，而是直到调用了f()才执行。我们来看一个例子：

def count():
    fs = []
    for i in range(1, 4):     # 循环的函数
        def f():
             return i*i   # G：循环返回时，由于它优先执行，所以当循环1时，代码不往下，而是继续在内部直到循环到3，函数会再次赋值，形成新的函数
        fs.append(f)
    return fs

f1, f2, f3 = count()

结果如下：

>>> f1()    #  为什么结果不是1，4，9 ？ 原因就在于返回的函数引用了变量i，但它并非立刻执行。等到3个函数都返回时，它们所引用的变量i已经变成了3，因此最终结果为9
9    # G：个人理解当它循环1的时候，返回的是一个函数，当它循环到2时，已经变成了另一个函数，虽然函数表达式一样，但已经不是一家人了
>>> f2()   # 所以，当它循环3时，这时又是一个函数，它内部只有3这个值，结果当然是9
9
>>> f3()
9
>>> f5, f6 = count()
ValueError: too many values to unpack (expected 2)
>>> f7 = count()
>>> f7()
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-183-6e06e95ee15c> in <module>()
----> 1 f7()

TypeError: 'list' object is not callable

>>> f7           # 🔎从这里可以看出count()就是三个函数组成的 list 啊～
[<function __main__.count.<locals>.f>,
 <function __main__.count.<locals>.f>,
 <function __main__.count.<locals>.f>]

教训：返回闭包时牢记的一点就是：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。

如果一定要引用循环变量怎么办？方法是再创建一个函数，用该函数的参数绑定循环变量当前的值，无论该循环变量后续如何更改，已绑定到函数参数的值不变：

def count():
    def f(j):
        def g():
            return j*j
        return g
    fs = []
    for i in range(1, 4):
        fs.append(f(i))    # f(i)立刻被执行，因此i的当前值被传入f()
    return fs

再看看结果：

>>> f1, f2, f3 = count()      # 🔎count()应该是一个函数组成的list,所以必须用f1,f2,f3这样对应数量的变量来实现拆包，否则即报错
>>> f1()    
1
>>> f2()
4
>>> f3()
9
>>> f4 = count()              # 🔎思考一下，下面的变化
>>> f4                        # 🔎从这里可以看出count()就是三个函数组成的 list 啊～
[<function __main__.count.<locals>.f.<locals>.g>,
 <function __main__.count.<locals>.f.<locals>.g>,
 <function __main__.count.<locals>.f.<locals>.g>]

>>> f4()
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-168-6e06e95ee15c> in <module>()
----> 1 f4()

TypeError: 'list' object is not callable

>>> f1
1

以上再⚠️注意一点，上述2段代码， fs.append(f) fs.append(f(i)),对于函数f(x)来说，引用f(x)就是完整的函数式，跟数学一样，会立即执行，而引用 f，这里只是一个指代函数的变量，所以不会立即执行，而是等待执行顺序优先的参数再次改变它，形成新函数。f(x)一个返回值，f一个是返回的函数

匿名函数 lambda
当我们在传入函数时，有些时候，不需要显式地定义函数，直接传入匿名函数更方便

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

关键字lambda表示匿名函数，冒号前面的x表示函数参数。

匿名函数有个限制，就是只能有一个表达式，不用写return，返回值就是该表达式的结果。

用匿名函数有个好处，因为函数没有名字，不必担心函数名冲突。此外，匿名函数也是一个函数对象，也可以把匿名函数赋值给一个变量，再利用变量来调用该函数.

装饰器
顾名思义，装饰函数使用的

由于函数也是一个对象，而且函数对象可以被赋值给变量，所以，通过变量也能调用该函数。

>>> def now():
...     print('2015-3-25')
...
>>> f = now       #  对于 now()函数，now()表示是函数的结果，即执行了过程了，而 now 只是函数的对象，注意区分
>>> f()
2015-3-25

函数对象有一个__name__属性，可以拿到函数的名字：

>>> now.__name__
'now'
>>> f.__name__
'now'

现在，假设我们要增强now()函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改now()函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。

在面向对象（OOP）的设计模式中，decorator被称为装饰模式。OOP的装饰模式需要通过继承和组合来实现，而Python除了能支持OOP的decorator外，直接从语法层次支持decorator。Python的decorator可以用函数实现，也可以用类实现。
重
点
。
待
继
续
学
习
decorator可以增强函数的功能，定义起来虽然有点复杂，但使用起来非常灵活和方便。

偏函数
Python的functools模块提供了很多有用的功能，其中一个就是偏函数（Partial function）。要注意，这里的偏函数和数学意义上的偏函数不一样

nt()函数可以把字符串转换为整数,但int()函数还提供额外的base参数，默认值为10。如果传入base参数，就可以做N进制的转换：

>>> int('12345', base=8)
5349
>>> int('12345', 16)
74565

假设要转换大量的二进制字符串，每次都传入int(x, base=2)非常麻烦，于是，我们想到，可以定义一个int2()的函数，默认把base=2传进去：

def int2(x, base=2):
    return int(x, base)

这样，我们转换二进制就非常方便了：

>>> int2('1000000')
64
>>> int2('1010101')
85

functools.partial就是帮助我们创建一个偏函数的，不需要我们自己定义int2()，可以直接使用下面的代码创建一个新的函数int2：

>>> import functools
>>> int2 = functools.partial(int, base=2)
>>> int2('1000000')
64
>>> int2('1010101')
85

所以，简单总结functools.partial的作用就是，把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，调用这个新函数会更简单。