Python函数式编程(进阶2)
2017-02-19 14:27
113 查看
Python函数式编程(进阶2)
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 # <function lazy_sum at 0x1037bfaa0> 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): pass print f1.__name__ # f1 def log(f): def wrapper(*args, **kw): print 'call...' return f(*args, **kw) return wrapper @log def f2(x): pass print 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']
相关文章推荐
- 向高手进阶-各级别Android程序员应掌握的内容
- 机器学习算法与Python实践之(三)支持向量机(SVM)进阶
- Git 进阶:10大技巧让你迅速提升
- Java进阶06 容器
- [Python入门及进阶笔记]Python-decorator装饰器小结
- Hibernate进阶篇(二)——session简介
- 进阶项目11-链表的合并
- Python的一些进阶学习-2017.08.07
- Java 进阶 从低级程序员到高级程序员
- 产品经理进阶技能:个性化推荐,让信息更有价值
- JavaScript进阶
- 小白成长记——Android进阶之Json数据的获取与解析
- Android高手进阶教程(五)之----Android 中LayoutInflater的使用!
- 移动app接口编程技术-学习实现之PHP进阶 数组
- scala进阶10-路径依赖
- 移动端https抓包那些事--进阶篇
- Android高手进阶教程(十九)之---Android开发中,使用线程应该注意的问题!
- 点赞和吐糟Adblock Plus~进阶教程
- 进阶项目13- 改造链表
- Java进阶之虚拟机《六》:javac编译与jit编译