1、map() : python内置的高阶函数,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): 2 return x * x 3 print map(f , [ 1 , 2 , 3 , 4 ]) 4 5 输出----> [1,4,9,16]
注:map()并不改变原有的list,而是返回一个新的list
2、reduce() :内置高阶函数,接收一个函数f和一个list。f必须接收两个参数,reduc()对list的每个元素反复调用f,并返回最 终结果值。
def f(x,y): reeturn x+y reduce(f,[1,3,5]) 运行----> f(1,3) = 4 f(4,5) = 9 将上面使用 f 执行的到的结果作为这个 f 的第一个参数 计算结果返回 9
reduce()可接收第三个可选参数,作为计算的初始值。
reduce(f,[1,3,5],100) 那么运算结果就是109
3、filter() : 内置高阶函数,作用类似于过滤。接收f和list,f的作用是对每一个元素进行判断,返回True和False。filter() 根据判断结果自动过滤掉不符合条件的元素(False),返回由符合条件元素组成的新list。
# 筛选奇数 def is_add(x): return x % 2 == 1 filter( is_add , [1,4,6,7,9,12,17] ) 运行-----> [1,7,9,17]
#删除None或空字符串 def is_not_emptty(s): return s and len(s.strip()) > 0 filter(is_not_empty , ['test' , None, '' , 'str', ' ','END']) 运行-----> ['test','str','END']
4、sorted() 可对list进行排序
>>>sorted([36,5,12,9,21])
[5,9,12,21,36]
sorted也是一个高阶函数,接收一个比较函数实现自定义排序。
比较函数的定义:
传入两个待比较的元素x,y
如果x应排在y前面,返回-1
如果x应排在y后面,返回1
如果x等于y,返回0
#实现倒序排序 def reversed_cmp(x,y): if x > y: return -1 if x < y: return 1 return 0 sorted([36,5,12,9,21] , reversed_cmp) 运行------> [36,21,12,9,5]
5、Python返回函数
#返回函数和返回函数值的区别 def f(): print 'call f()...' def g(): print 'call g()...' return g #这儿返回的是指向g()这个函数的变量g #如果是 return g() 那么是返回g()这个函数计算的返回值 >>> x = f() call f()... >>> x <function g at 0x10376f320> >>>x() call g()... #延迟计算
6、Python闭包
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。
# 希望一次返回3个函数,分别计算1x1,2x2,3x3: def count(): fs = [] for i in range(1, 4): def f(): return i*i fs.append(f) return fs f1, f2, f3 = count() #实际上返回结果并不是1,4,9 而是 9,9,9,
#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:因为f1现在才计算i*i,但现在i的值已经变成3
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。
修改上述代码使之正确返回1,4,9
def count(): fs = [] for i in range(1, 4): def f(m = i): return m * m fs.append(f) return fs f1, f2, f3 = count() print f1(), f2(), f3()
7、Python 匿名函数
#正常函数 def addNum(a,b): return a + b #等同的匿名函数 lam = lambda a,b:a+b #冒号前为参数
8、装饰器@decorator
python内置的@语法就是为了简化装饰器调用
@new_fn def f1(x):
def f1(x): -------> return x * 2
return x * 2 f1 = new_fn(f1)
作用:
极大地简化代码。避免每个函数编写重复代码。
打印日志:@log
检测性能:@preformance
数据库事物:@transaction
URL路由:@post('/register')
装饰器内容理解可参见 http://www.cnblogs.com/rollenholt/archive/2012/05/02/2479833.html