淺談Python 函數式編程

匿名函數lambda表達式

什么是匿名函數？

匿名函數，顧名思義就是沒有名字的函數，在程序中不用使用 def 進行定義，可以直接使用 lambda 關鍵字編寫簡單的代碼邏輯。lambda 本質上是一個函數對象，可以將其賦值給另一個變量，再由該變量來調用函數，也可以直接使用。

#平時，我們是先定義函數，再進行調用def power(x): return x ** 2print(power(2))#使用lambda表達式的時候，我們可以這樣操作power = lambda x : x ** 2print(power(2))#覺得太麻煩，還可以這樣調用print((lambda x: 2 * x)(8))

lambda表達式的基本格式：lambda 入參 : 表達式

#入參可以有多個，比如 power = lambda x, n: x ** nprint(power(2, 3))

lambda 表達式的使用場景

一般適用于創建一些臨時性的，小巧的函數。比如上面的 power函數，我們當然可以使用 def 來定義，但使用 lambda 來創建會顯得很簡潔，尤其是在高階函數的使用中。

定義一個函數，傳入一個list，將list每個元素的值加1

def add(l = []): return [x +1 for x in l]print(add([1,2,3]))

上面的函數改成將所有元素的值加2

可能大家會說，這還不簡單，直接把return里的1改成2就行了。但是真的行嗎？如果函數被多個地方使用，而其他地方并不想加2，怎么辦？

這好辦，把變得那部分抽出來，讓調用者自己傳

def add(func,l = []): return [func(x) for x in l]def add1(x): return x+1def add2(x): return x+2print(add(add1,[1,2,3]))print(add(add2,[1,2,3]))

一個簡簡單單的問題，一定要用這么多代碼實現？

def add(func,l = []): return [func(x) for x in l]print(add(lambda x:x+1,[1,2,3]))print(add(lambda x:x+2,[1,2,3]))

map函數

map的基本格式

map(func, *iterables)

map() 函數接收兩個以上的參數，開頭一個是函數，剩下的是序列，將傳入的函數依次作用到序列的每個元素，并把結果作為新的序列返回。也就是類似 map(func,[1,2,3])

同樣的，我們還是來完成這樣一個功能：將list每個元素的值加1

def add(x): return x + 1result = map(add, [1, 2, 3, 4])print(type(result))print(list(result))

使用lambda表達式簡化操作

result = map(lambda x: x + 1, [1, 2, 3, 4])print(type(result))print(list(result))

函數中帶兩個參數的map函數格式

使用map函數，將兩個序列的數據對應位置求和，之后返回,也就是對[1,2,3],[4,5,6]兩個序列進行操作之后，返回結果[5,7,9]

print(list(map(lambda x, y: x + y, [1, 2, 3], [4, 5, 6])))

對于兩個序列元素個數一樣的，相對好理解。如果兩個序列個數不一樣的，會不會報錯？

print(list(map(lambda x, y: x + y, [1, 2, 3], [4, 5])))

我們可以看到不會報錯，但是結果以個數少的為準

reduce函數

reduce函數的基本格式

reduce(function, sequence, initial=None)

reduce把一個函數作用在一個序列上，這個函數必須接收兩個參數，reduce函數把結果繼續和序列的下一個元素做累積計算，跟遞歸有點類似，reduce函數會被上一個計算結果應用到本次計算中

reduce(func, [1,2,3]) = func(func(1, 2), 3)

使用reduce函數，計算一個列表的乘積

from functools import reducedef func(x, y): return x * yprint(reduce(func, [1, 2, 3, 4]))

結合lambda表達式，簡化操作

from functools import reduceprint(reduce(lambda x, y: x * y, [1, 2, 3, 4]))

filter 函數

filter 顧名思義是過濾的意思，帶有雜質的（非需要的數據），經過 filter 處理之后，就被過濾掉。

filter函數的基本格式

filter(function_or_None, iterable)

filter() 接收一個函數和一個序列。把傳入的函數依次作用于每個元素，然后根據返回值是 True 還是 False 決定保留還是丟棄該元素。

使用 filter 函數對給定序列進行操作，最后返回序列中所有偶數

print(list(filter(lambda x: x % 2 == 0, [1, 2, 3, 4, 5])))

sorted 函數

sorted從字面上就可以看去這是個用來排序的函數，sorted 可以對所有可迭代的對象進行排序操作

sorted的基本格式

sorted(iterable, key=None, reverse=False)#iterable -- 可迭代對象。#key -- 主要是用來進行比較的元素，只有一個參數，具體的函數的參數就是取自于可迭代對象中，指定可迭代對象中的一個元素來進行排序。#reverse -- 排序規則，reverse = True 降序 ， reverse = False 升序（默認）。 #對序列做升序排序print(sorted([1, 6, 4, 5, 9]))#對序列做降序排序print(sorted([1, 6, 4, 5, 9], reverse=True))#對存儲多個列表的列表做排序data = [['Python', 99], ['c', 88]]print(sorted(data, key=lambda item: item[1]))

閉包

在萬物皆對象的Python中,函數是否能作為函數的返回值進行返回呢？

def my_power(): n = 2 def power(x): return x ** n return powerp = my_power()print(p(4))#------------------------------------------------------------def my_power(): n = 2 def power(x): return x ** n return powern = 3p = my_power()print(p(4))

我們可以看到，my_power 函數在返回的時候，也將其引用的值（n）一同帶回，n 的值被新的函數所使用，這種情況我們稱之為閉包

當我們把n的值移除到my_power函數外面，這個時候來看下計算結果

n = 2def my_power(): def power(x): return x ** n return powern = 3p = my_power()print(p(4))

為什么輸出的結果會是64？

我們先來看看閉包時，p.__closure____的結果

#例1def my_power(): n = 2 def power(x): return x ** n return powerp = my_power()print(p.__closure__)#結果：(<cell at 0x00000264518F9A38: int object at 0x00007FFA7F617120>)#closure是內部函數的一個屬性，用來保存環境變量#---------------------------------------------------------------------#例2n = 2def my_power(): def power(x): return x ** n return powern = 3p = my_power()print(p.__closure__)#輸出結果 None

通過例1跟例2對比，我們可以知道，例2并不是閉包

閉包經典問題

下面的程序是否是閉包？能否正確運行

def my_power(): n = 2 def power(x): n += 1 return x ** n return powerp = my_power()print(p(3))

如何讓上面的程序正確運行？看看改正之后的結果

def my_power(): n = 2 def power(x): nonlocal n n += 1 return x ** n return powerp = my_power()print(p.__closure__)print(p(3))print(p(3))

看看下面的程序的運行結果

def my_power(): n = 2 L = [] for i in range(1, 3): def power(): return i ** n L.append(power) return Lf1, f2 = my_power()print(f1())print(f2())print(f1.__closure__[0].cell_contents)print(f2.__closure__[0].cell_contents)

python的函數只有在執行時，才會去找函數體里的變量的值，也就是說你連形參都不確定，你咋求知道 i為幾呢？在這里，你只需要記住如果你連形參都不確定，python就只會記住最后一個i值。

裝飾器及其應用

什么是裝飾器模式

裝飾器模式（Decorator Pattern）允許向一個現有的對象添加新的功能，同時又不改變其結構。這種類型的設計模式屬于結構型模式，它是作為現有的類的一個包裝。

這種模式創建了一個裝飾類，用來包裝原有的類，并在保持類方法簽名完整性的前提下，提供了額外的功能。

import timestart = time.time()time.sleep(4)end = time.time()print(end - start)

從實際例子來看裝飾器

def my_fun(): print('這是一個函數')my_fun()

要再打印“這是一個函數”前面在打印多一行hello world。

def my_fun(): begin = time.time() time.sleep(2) print('這里一個函數') end = time.time() print(end-begin)my_fun()

這個時候，如果不想修改原有的函數，咋整？

def my_fun(): print('這是一個函數')def my_time(func): begin = time.time() time.sleep(2) func() end = time.time() print(end - begin)my_time(func)

這種方式，因為要增加功能，導致所有的業務調用方都得進行修改，此法明顯不可取。

另一種方式：

def print_cost(func): def wrapper(): begin = time.time() time.sleep(2) func() end = time.time() print(end - begin) return wrapper@print_costdef my_fun(): print('這里一個函數')

第二種方式并沒有修改func函數的內部實現，而是使用裝飾器模式對其功能進行裝飾增強。

以上就是淺談Python 函數式編程的詳細內容，更多關于Python 函數式編程的資料請關注好吧啦網其它相關文章！