
高阶函数
将函数作为参数进行传递—>高阶函数1
2
3def add(a,b,f): #abs() 绝对值函数
return f(a) + f(b) #math.sqrt开根号需要 import math
print (add(-2,-4,abs)) #运行结果 6
执行过程: 调用add函数 将-2 -4 传入 执行 abs(-2) + abs(-4) 返回6
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。
1 | def f(x): #python 3.3 |
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。
例如,编写一个f函数,接收x和y,返回x和y的和1
2
3
4from functools import reduce #python 3.3 将reduce 放置到functools中 需要导入后才能使用
def f(x, y):
return x + y
reduce(f, [1, 3, 5, 7, 9], 100) #输出125
reduce()还可以接收第3个可选参数,作为计算的初始值。如果把初始值设为100,计算:
调用 reduce(f, [1, 3, 5, 7, 9])时,reduce函数将做如下计算:
先计算头两个元素:f(1, 3),结果为4;
再把结果和第3个元素计算:f(4, 5),结果为9;
再把结果和第4个元素计算:f(9, 7),结果为16;
再把结果和第5个元素计算:f(16, 9),结果为25;
由于没有更多的元素了,计算结束,返回结果25。
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。
1 | def is_odd(x): |
过滤掉none或者空字符串1
2
3
4def is_not_empty(s):
return s and len(s.strip()) > 0
s = filter(is_not_empty, ['test', None, '', 'str', ' ', 'END'])
print (s)
map 和 filter 的区别
- map 对每一个元素都执行
- reduce 将整个list进行累加 或者累乘等操作
- filter 筛选只有符合条件的才会返回
python中自定义排序函数
Python内置的 sorted()函数可对list进行排序
sorted()也是一个高阶函数,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。1
2
3
4
5
6
7
8def reversed_cmp(x, y):
if x > y:
return -1
if x < y:
return 1
return 0
sorted([36, 5, 12, 9, 21]) #输出[5, 9, 12, 21, 36]
sorted([36, 5, 12, 9, 21], reversed_cmp) #输出[36, 21, 12, 9, 5]
sorted也可以对字符串进行比较 默认是比较字符串首字母的ASCII顺序显示
python中返回函数(听起来感觉很像闭包—)
注意区分返回函数和返回值 返回函数可以把一些计算延迟执行。
例如,如果定义一个普通的求和函数:1
2def calc_sum(lst): #调用calc_sum()函数时,将立刻计算并得到结果:
return sum(lst)
但是,如果返回一个函数,就可以“延迟计算”1
2
3
4def calc_sum(lst): #调用calc_sum()并没有计算出结果,而是返回函数:
def lazy_sum():
return sum(lst) # 对返回的函数进行调用时,才计算出结果:
return lazy_sum
请编写一个函数calc_prod(lst),它接收一个list,返回一个函数,返回函数可以计算参数的乘积。1
2
3
4
5
6
7def calc_prod(lst): #python 3.3 执行失败 建议安装python 2.7
def prod():
return reduce(lambda x, y : x * y, lst)
return prod
f = calc_prod([1, 2, 3, 4])
print f()
python中闭包 *
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
5def f(): #将g函数定义在f函数中 可以防止其他代码调用g函数
print 'f()...'
def g():
print 'g()...'
return g
和返回函数相比
闭包使用外层函数的参数 不可以直接放置到函数外面 而返回函数则可以直接放置到函数外面 它没有使用了外层函数的参数
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)
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。1
2
3
4
5
6
7
8
9
10
11
12def 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
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:
因此,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
1 | def count(): |
python中匿名函数
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,不写return,返回值就是该表达式的结果
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
4
5
6 def is_not_empty(s):
return s and len(s.strip()) > 0
filter(is_not_empty, ['test', None, '', 'str', ' ', 'END'])
#简化以后
print filter(lambda s:s and len(s.strip()) > 0 , ['test', None, '', 'str', ' ', 'END'])
#lambda s:s 表示 接收s返回s and len(s.strip()) > 0
装饰器
- 问题:定义了一个函数想在运行时动态增加功能 又不想去改变函数本身的代码
希望对下列函数添加打印功能1
2
3
4
5
6def f1(x):
return x*2
def f2(x):
return x*x
def f3(x):
return x*x*x
方法一直接修改1
2
3
4
5
6
7
8
9def f1(x):
print 'call f1()'
return x*2
def f2(x):
print 'call f2()'
return x*x
def f3(x):
print 'call f3()'
return x*x*x
方法二 pyton 装饰器 独立成章(点击此处跳转)
python中编写无参数decorator
1 | import time |