您的位置：首页 > 编程语言 > Python开发

python - 函数式编程

2017-10-20 11:26 225 查看

函数式编程讲解函数式

一般我们面对的都是函数编程，准备好数据告诉机器每一步的数据处理及运算方式方法。但是

python 中的内建函数 map() map(fun, data) 第一个参数是函数第二个参数是函数要处理的数据这成为高阶函数当一个函数参数可以是函数时！！！

所以，

map()

作为高阶函数，事实上它把运算规则抽象了，因此，我们不但可以计算简单的f(x)=x2，还可以计算任意复杂的函数，比如，把这个list所有数字转为字符串：

>>> map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9])
['1', '2', '3', '4', '5', '6', '7', '8', '9']

只需要一行代码。

再看reduce的用法。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)

比方说对一个序列求和，就可以用reduce实现：

>>> def add(x, y):
...     return x + y
...
>>> reduce(add, [1, 3, 5, 7, 9])
25

当然求和运算可以直接用Python内建函数

sum()

，没必要动用reduce。

但是如果要把序列

[1, 3, 5, 7, 9]

变换成整数13579，reduce就可以派上用场：

>>> def fn(x, y):
...     return x * 10 + y
...
>>> reduce(fn, [1, 3, 5, 7, 9])
13579

这个例子本身没多大用处，但是，如果考虑到字符串

str

也是一个序列，对上面的例子稍加改动，配合

map()

，我们就可以写出把

str

转换为

int

的函数：

>>> def fn(x, y):
...     return x * 10 + y
...
>>> def char2num(s):
...     return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]
...
>>> reduce(fn, map(char2num, '13579'))
13579

整理成一个

str2int

的函数就是：

def str2int(s):
def fn(x, y):
return x * 10 + y
def char2num(s):
return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]
return reduce(fn, map(char2num, s))

还可以用lambda函数进一步简化成：

def char2num(s):
return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]

def str2int(s):
return reduce(lambda x,y: x*10+y, map(char2num, s))

也就是说，假设Python没有提供

int()

函数，你完全可以自己写一个把字符串转化为整数的函数，而且只需要几行代码！

map 是将第二个参数都用到第一个参数函数中而 filter() 是将第一个参数函数用到所有的第二个参数中，如果 filter 第一个函数返回为真则要

Python内建的

filter()

函数用于过滤序列。

和

map()

类似，

filter()

也接收一个函数和一个序列。和

map()

不同的时，

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。

例如，在一个list中，删掉偶数，只保留奇数，可以这么写：

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

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

把一个序列中的空字符串删掉，可以这么写：

def not_empty(s):
return s and s.strip()

filter(not_empty, ['A', '', 'B', None, 'C', '  '])
# 结果: ['A', 'B', 'C']

可见用

filter()

这个高阶函数，关键在于正确实现一个“筛选”函数。

排序算法

排序也是在程序中经常用到的算法。无论使用冒泡排序还是快速排序，排序的核心是比较两个元素的大小。如果是数字，我们可以直接比较，但如果是字符串或者两个dict呢？直接比较数学上的大小是没有意义的，因此，比较的过程必须通过函数抽象出来。通常规定，对于两个元素

和

，如果认为

x
< y

，则返回

-1

，如果认为

x
== y

，则返回

，如果认为

x
> y

，则返回

，这样，排序算法就不用关心具体的比较过程，而是根据比较结果直接排序。

Python内置的

sorted()

函数就可以对list进行排序：

>>> sorted([36, 5, 12, 9, 21])
[5, 9, 12, 21, 36]

此外，

sorted()

函数也是一个高阶函数，它还可以接收一个比较函数来实现自定义的排序。比如，如果要倒序排序，我们就可以自定义一个

reversed_cmp

函数：

def reversed_cmp(x, y):
if x > y:
return -1
if x < y:
return 1
return 0

传入自定义的比较函数
reversed_cmp
，就可以实现倒序排序：

>>> sorted([36, 5, 12, 9, 21], reversed_cmp)
[36, 21, 12, 9, 5]

我们再看一个字符串排序的例子：

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

默认情况下，对字符串排序，是按照ASCII的大小比较的，由于

'Z' < 'a'

，结果，大写字母

会排在小写字母

的前面。

现在，我们提出排序应该忽略大小写，按照字母序排序。要实现这个算法，不必对现有代码大加改动，只要我们能定义出忽略大小写的比较算法就可以：

def cmp_ignore_case(s1, s2):
u1 = s1.upper()
u2 = s2.upper()
if u1 < u2:
return -1
if u1 > u2:
return 1
return 0

忽略大小写来比较两个字符串，实际上就是先把字符串都变成大写（或者都变成小写），再比较。

这样，我们给

sorted

传入上述比较函数，即可实现忽略大小写的排序：

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

从上述例子可以看出，高阶函数的抽象能力是非常强大的，而且，核心代码可以保持得非常简洁。

第一个是i的作用域包含f()这个函数，实际传递的是一个引用，此时函数未执行，循环结束后i的值变为3,因此在执行f1(),f2(),f3()时，输出都是9.

第二个例子，j=i,由于i是不可变的因此采取的是值传递，所以f(i)实际上已经完成参数的赋值，所以结果是1,4,9

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。

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)=x2时，除了定义一个

f(x)

的函数外，还可以直接传入匿名函数：

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

通过对比可以看出，匿名函数

lambda x: x * x

实际上就是：

def f(x):
return x * x

关键字

lambda

表示匿名函数，冒号前面的

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：

>>> f = lambda x: x * x
>>> f
<function <lambda> at 0x10453d7d0>
>>> f(5)
25

同样，也可以把匿名函数作为返回值返回，比如：

def build(x, y):
return lambda: x * x + y * y

小结

Python对匿名函数的支持有限，只有一些简单的情况下可以使用匿名函数。

内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理

标签：

相关文章推荐

新的分享

章节导航