Python函数式编程之高阶函数

Posted on | In ,
变量指向函数，map、reduce、filter高阶函数，匿名函数

变量可以指向函数

1
2
3
4
5
6
7
>>> abs(-10)
10
>>> abs
<built-in function abs>
>>> func = abs
>>> func(-2)
2

指向函数的变量

函数名其实是指向函数的变量

1
2
3
4
5
6
7
8
>>> abs = len
>>> abs(1)
Traceback (most recent call last):
  File "<pyshell#23>", line 1, in <module>
    abs(1)
TypeError: object of type 'int' has no len()
>>> abs([1,2,3])
3

高阶函数

高阶函数：能接受函数作为参数的函数

  • 变量可以指向函数
  • 函数的参数可以接受变量
  • 一个函数可以接受另一个函数作为参数
  • 能接受函数作为参数的函数就是高阶函数

demo：

1
2
3
4
5
6
7
8
9
10
11
12
13
# 定义一个函数，接受x，y，z三个参数，x和y是数值，z是函数名
def absAdd(x,y,z):
  return z(x)+z(y)

absAdd(-1,-2,abs)  # 3

# demo2:
import math

def add(x, y, f):
    return f(x) + f(y)

print(add(25, 9, math.sqrt))  # 8.0

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。

例如，对于list [1, 2, 3, 4, 5, 6, 7, 8, 9]

如果希望把list的每个元素都作平方，就可以用map()函数：

只需要传入函数f(x)=x*x，就可以利用map()函数完成这个计算：

1
2
3
4
def f(x):
    return x*x
print map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
# [1, 4, 9, 10, 25, 36, 49, 64, 81]

注意：map()函数不改变原有的 list，而是返回一个新的 list。

利用map()函数，可以把一个 list 转换为另一个 list，只需要传入转换函数。

由于list包含的元素可以是任何类型，因此，map() 不仅仅可以处理只包含数值的 list，事实上它可以处理包含任意类型的 list，只要传入的函数f可以处理这种数据类型。

demo:

1
2
3
4
5
# 利用map()函数，把一个list（包含若干不规范的英文名字）变成一个包含规范英文名字的list：

def format_name(s):
    return s[0].upper() + s[1:].lower()
print map(format_name, ['adam', 'LISA', 'barT'])

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。

例如:

1
2
3
4
5
6
7
8
9
10
11
# f函数，接收x和y，返回x和y的和
from functools import reduce

def f(x, y):
    return x + y
res = reduce(f,[1,2,3,4,5])
print(res)  # 15

# reduce()还可以接收第3个可选参数，作为计算的初始值。
res = reduce(f, [1,2,3,4,5], 100)
print(res)  # 115

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。

例如:

1
2
3
4
5
6
# 从[1,2,3,4,5,6,7]中删除偶数，保留奇数：
def is_odd(x):
    return x % 2 == 1

res = filter(is_odd,[1,2,3,4,5,6,7])
print(list(res))
1
2
3
4
5
6
7
8
9
10
11
# 删除 None 或者空字符串
def is_not_empty(string):
    return string and len(string.strip()) > 0
res = filter(is_not_empty,['test', None, [], {},' '])
print(list(res))   # ['test']

# 利用filter()过滤出1~100中平方根是整数的数
import math
def is_sqr(x):
    return math.sqrt(x) % 1 == 0
print(list(filter(is_sqr, range(1, 101))))

排序函数

内置的 sorted() 函数可对list进行排序：

1
2
3
4
5
>>> sorted([110,12,1,98])
[1, 12, 98, 110]

>>> sorted(['bob', 'about', 'Zoo', 'Credit'])
['Credit', 'Zoo', 'about', 'bob']

闭包

在函数内部定义的函数和外部定义的函数是一样的，只是他们无法被外部访问：

1
2
3
4
5
6
7
8
9
10
11
12
13
def g():
    print 'g()...'

def f():
    print 'f()...'
    return g
    
# 将 g 的定义移入函数 f 内部，防止其他代码调用 g：
def f():
    print 'f()...'
    def g():
        print 'g()...'
    return g
1
2
3
4
5
# 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）。
def calc_sum(lst):
    def lazy_sum():
        return sum(lst)
    return lazy_sum

闭包的特点是返回的函数还引用了外层函数的局部变量，所以，要正确使用闭包，就要确保引用的局部变量在函数返回后不能变。举例如下：

1
2
3
4
5
6
7
8
9
10
11
# 希望一次返回3个函数，分别计算1x1,2x2,3x3:
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(), f2(), f3())

可能认为调用f1()，f2()和f3()结果应该是1，4，9，但实际结果全部都是 9.

原因就是当count()函数返回了3个函数时，这3个函数所引用的变量 i 的值已经变成了3。由于f1、f2、f3并没有被调用，所以，此时他们并未计算 i*i，当 f1 被调用时, f1()变成9， 因为此时才计算 i * i，现在的 i 值已经变为3。

1
2
3
4
5
6
7
8
9
10
11
# 将f改为在函数体内执行，在函数内时就被调用，fs变为[1,4,9]
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, f2, f3)   # 1 4 9 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# 下面函数正确返回一个闭包g，g所引用的变量j不是循环变量，因此将正常执行。
def f(j):
    def g():
        return j*j
    return g
  
def test():
    lst = []
    for i in range(4):
        def closefunc(para):
            def inner():
                return para ** 2
            return inner
        lst.append(closefunc(i))
    return lst

for func in test():
    print(func())

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。

在Python中，对匿名函数提供了有限支持。还是以map()函数为例，计算 f(x)=x平方时，除了定义一个f(x)的函数外，还可以直接传入匿名函数：

1
2
3
>>> list(map(lambda x: x ** 2, range(3)))
[0, 1, 4]
# 关键字lambda 表示匿名函数，冒号前面的 x 表示函数参数。

使用匿名函数，可以不必定义函数名，直接创建一个函数对象，很多时候可以简化代码：

1
2
3
func = lambda x:-x if x<0 else x
print(func(-22))
print(func(22))
1
2
3
4
5
6
7
def is_not_empty(s):
    return s and len(s.strip()) > 0
filter(is_not_empty, ['test', None, '', 'str', '  ', 'END'])
# 使用lambda简化：
>>> list(filter(lambda s:s and len(s.strip()) >0, ['test'
, None, '', 'str', '  ', 'END']))
['test', 'str', 'END']
0%