高阶函数
变量可以指向函数
>>> abs(-1)
1
>>> f = abs
>>> f(-1)
1
>>>
- 变量f指向了abs函数本身。直接调用abs()函数和调用变量f()完全相同。
函数名也是变量
>>> abs = 1
>>> abs (-1)
Traceback (most recent call last):
File "<pyshell#4>", line 1, in <module>
abs (-1)
TypeError: 'int' object is not callable
>>> abs = f
>>> abs(-1)
1
>>>
- 函数名也只是一个变量，跟普通变量没什么区别，只是他指向了一个函数，其他变量指向整数或者字符串等等。
*由于abs函数实际上是定义在import builtins模块中的，所以要让修改abs变量的指向在其它模块也生效，要用import builtins; builtins.abs = 10。
传入函数
- 一个函数就可以接收另一个函数作为参数，这种函数就称之为高阶函数。
def add(a, b, abs):
return a + abs(b)
print(add(2, -3, abs))
==============================
5
- 编写高阶函数，就是让函数的参数能够接收别的函数。
map/reduce
map函数
- map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回。
def f(a):
return a*a
r=[1, 2, 3, 4, 5, 6, 7, 8, 9]
r = map(f, r)
print(list(r))
============================
[1, 4, 9, 16, 25, 36, 49, 64, 81]
- map()传入的第一个参数是f，即函数对象本身。由于结果r是一个Iterator，Iterator是惰性序列，因此通过list()函数让它把整个序列都计算出来并返回一个list。
reduce函数
- 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)
- 如把序列[1, 2, 3, 4]变换成整数1234
import functools
def f(a, b):
return a*10 + b
print(functools.reduce(f,[1,2,3,4]))
=============================
1234
filter
- 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()不同的是，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。
- 如保留一个List中的奇数
def is_odd(x):
return x % 2 == 1
L1 = range(0, 5)
L2 = filter(is_odd, L1)
print(list(L2))
=========================
[1, 3]
sorted
- Python内置的sorted()函数就可以对list进行排序
- sorted()函数也是一个高阶函数，它还可以接收一个key函数来实现自定义的排序，例如按绝对值大小排序：
L1 = [1, -2, 9, -3, 4]
L1 = sorted(L1, key=abs)
print(L1)
============================
[1, -2, -3, 4, 9]
- 对字符串排序，是按照ASCII的大小比较的
- 要进行反向排序，不必改动key函数，可以传入第三个参数reverse=True：
L2 = ["Jack", "Mike", "jason", "luke"]
L2 = sorted(L2, key=str.lower, reverse=True)
print(L2)
==============================
['Mike', 'luke', 'jason', 'Jack']
返回函数
- 高阶函数除了可以接受函数作为参数外，还可以把函数作为结果值返回。
def lazy_sum(*args):
def cal_sum():
ax = 0
for n in args:
ax = n + ax
return ax
return cal_sum
f1 = lazy_sum(1, 2, 3, 4, 5, 6, 7, 8)
f2 = lazy_sum(1, 2, 3, 4, 5, 6, 7, 8)
print(f1())
print(f1 == f2)
print(f1() == f2())
函数lazy_sum返回的是一个内部定义的cal_sum函数，所以只有调用f()才会显示结果。
当我们调用lazy_sum()时，每次调用都会返回一个新的函数，即使是传入相同的参数
即f1()和f2()的调用结果互不影响。
闭包
- 在上面的例子中，函数lazy_sum中又定义了函数cal_sum，内部函数cal_sum可以引用外部函数lazy_sum的参数和局部变量，当lazy_sum返回函数cal_sum时，相关参数和变量都保存在返回的函数中，这种称为“闭包（Closure）”的程序结构拥有极大的威力。
- 当一个函数返回了一个函数后，其内部的局部变量还被新函数引用
- 返回的函数并没有立刻执行，而是直到调用了f()才执行
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())
print(f2())
print(f3())
=================================
9
9
9
可以看到上面的输出全为9，而不是1，4，9，是因为在调用f1(),f2(),f3()时，i已经变成了3
- 返回闭包时牢记的一点就是：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。
- 如果一定要引用循环变量怎么办？方法是再创建一个函数，用该函数的参数绑定循环变量当前的值，无论该循环变量后续如何更改，已绑定到函数参数的值不变：
def count():
def f(j):
def g():
return j*j
return g
fs = []
for i in range(1,4):
fs.append(f(i))
return fs
=========================
1
4
9
匿名函数
- 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。
L = list(map(lambda x: x*x, [1, 2, 3, 4, 5]))
print(L)
===================================
[1, 4, 9, 16, 25]
- 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
print(f(5))
======================
25
- 也可以把匿名函数作为返回值返回
def get_sum(x, y):
return lambda: x+y
f = get_sum(1,2)
print(f())
装饰器
- decorator就是一个返回函数的高阶函数。
- 定义一个能打印日志的decorator：
def log(func):
def wrapper(*args, **kw):
print('call %s()' % func.__name__)
return func(*args, **kw)
return wrapper
- 借助Python的@语法，把decorator置于函数的定义
@log()
def now():
print(time.strftime("%y %m %d", time.localtime()))
- 调用now()函数，不仅会运行now()函数本身，还会在运行now()函数前打印一行日志：
call now()
17 11 07
- 相当执行了：
now = log(now)
- 可想而知，now的函数名发生了变化：
>>> now.__name__
'wrapper'
- 使用Python内置的functools.wraps解决：
def log(*text):
def decorator(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print("begin call")
if text:
print('%s %s' % (text[0], func.__name__))
else:
print('call %s()' % func.__name__)
func(*args, **kw)
print("end call")
return
return wrapper
return decorator
该函数经过了一些修改
- decorator可以增强函数的功能，定义起来虽然有点复杂，但使用起来非常灵活和方便。
偏函数
- 偏函数是指通过设定参数的默认值，可以降低函数调用的难度。
- functools.partial可以帮助我们创建一个偏函数
import functools
int2 = functools.partial(int, base=2)
print(int2('100000'))
- 新的int2函数，仅仅是把base参数重新设定默认值为2，但也可以在函数调用时传入其他值
print(int2('100000', base = 8))
- 创建偏函数时，实际上可以接收函数对象、args和*kw这3个参数，当传入：
int2 = functools.partial(int, base=2)
相当于：
kw = { 'base': 2 }
int('10010', **kw)
``
当传入：
max2 = functools.partial(max, 10)
实际上会把10作为*args的一部分自动加到左边
相当于：
args = (10, 5, 6, 7)
max(*args)
