Python函数式编程(进阶2)

1. python把函数作为参数

import math
def add(x, y, f):
    return f(x) + f(y)
    
print add(-5, 9, abs)
print abs(-5) + abs(9)
print add(25, 9, math.sqrt)

2. 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。

def format_name(s):
    return s[0].upper() + s[1:].lower()
    
print map(format_name, ['adam', 'LISA', 'barT'])

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。

def f(x, y):
    return x + y
    print reduce(f, [1, 3, 5, 7, 9])  # 25

def prod(x, y):
    return x * y
print reduce(prod, [2, 4, 5, 7, 12]) # 3360

4.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。

def is_odd(x):
    return x % 2 == 1
print filter(is_odd, [1, 4, 6, 7, 9, 12, 17]) # [1, 7, 9, 17]

def is_not_empty(s):
    return s and len(s.strip()) > 0
print filter(is_not_empty, ['test', None, '', 'str', '  ', 'END']) # ['test', 'str', 'END']

import math
def is_sqr(x):
    r = int(math.sqrt(x))
    return r*r==x
print filter(is_sqr, range(1, 101)) # [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

5.python中自定义排序函数

　　sorted()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。

print sorted([36, 5, 12, 9, 21]) # [5, 9, 12, 21, 36]


def reversed_cmp(x, y):
    if x > y:
        return -1
    if x < y:
        return 1
    return 0
print sorted([36, 5, 12, 9, 21], reversed_cmp) # [36, 21, 12, 9, 5]

print sorted(['bob', 'about', 'Zoo', 'Credit']) # ['Credit', 'Zoo', 'about', 'bob']

def cmp_ignore_case(s1, s2):
    u1 = s1.upper()
    u2 = s2.upper()
    if u1 < u2:
        return -1
    if u1 > u2:
        return 1
    return 0
print sorted(['bob', 'about', 'Zoo', 'Credit'], cmp_ignore_case) # ['about', 'bob', 'Credit', 'Zoo']

6.python中返回函数

　　Python的函数不但可以返回int、str、list、dict等数据类型，还可以返回函数！

def calc_sum(lst):
    def lazy_sum():
        return sum(lst)
    return lazy_sum
    
print f # <function lazy_sum at 0x1037bfaa0>
print f() # 10

def calc_prod(lst):
    def lazy_prod():
        def f(x, y):
            return x * y
        return reduce(f, lst, 1)
    return lazy_prod
f = calc_prod([1, 2, 3, 4])
print f() # 24

7.python中闭包

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() # 9
print f2() # 9
print f3() # 9

def count():
    fs = []
    for i in range(1, 4):
        def f(j):
            def g():
                return j*j
            return g
        r = f(i)
        fs.append(r)
    return fs
f1, f2, f3 = count()
print f1(), f2(), f3() # 1 4 9

8.python中匿名函数

　　高阶函数可以接收函数做参数，有些时候，我们不需要显式地定义函数，直接传入匿名函数更方便。

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

print sorted([1, 3, 9, 5, 0], lambda x,y: -cmp(x,y)) # [9, 5, 3, 1, 0]

myabs = lambda x: -x if x < 0 else x 
print myabs(-1) # 1
print myabs(1) # 1

print filter(lambda s: s and len(s.strip())>0, ['test', None, '', 'str', '  ', 'END']) # ['test', 'str', 'END']

9. python中decorator装饰器

　　什么是装饰器？

• 问题：
• 定义一个函数
• 想在运行时动态增加功能
• 又不想改动函数本身的代码

　　装饰器的作用

• 可以极大地简化代码，避免每个函数编写重复性代码
  • 打印日志：@log
  • 检测性能：@performance
  • 数据库事务：@transaction
  • URL路由：@post('/register')

9-1. python中编写无参数decorator

　　Python的 decorator 本质上就是一个高阶函数，它接收一个函数作为参数，然后，返回一个新函数。

def log(f):
    def fn(x):
        print 'call ' + f.__name__ + '()...' # call factorial()...
        return f(x)
    return fn

@log
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))
print factorial(10) # 3628800

print '
'

import time
def performance(f):
    def fn(*args, **kw):
        t1 = time.time()
        r = f(*args, **kw)
        t2 = time.time()
        print 'call %s() in %fs' % (f.__name__, (t2 - t1)) # call factorial() in 0.001343s
        return r
    return fn

@performance
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))
print factorial(10) # 3628800

9-2. python中编写带参数decorator

import time
def performance(unit):
    def perf_decorator(f):
        def wrapper(*args, **kw):
            t1 = time.time()
            r = f(*args, **kw)
            t2 = time.time()
            t = (t2 - t1) * 1000 if unit=='ms' else (t2 - t1)
            print 'call %s() in %f %s' % (f.__name__, t, unit) # call factorial() in 1.250982 ms
            return r
        return wrapper
    return perf_decorator

@performance('ms')
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))
print factorial(10) # 3628800

9-3. python中完善decorator

　　@decorator可以动态实现函数功能的增加，但是，经过 @decorator“改造”后的函数，和原函数相比，除了功能多一点外，有没有其它不同的地方？

def f1(x):
    pass
print f1.__name__ # f1

def log(f):
    def wrapper(*args, **kw):
        print 'call...'
        return f(*args, **kw)
    return wrapper
@log
def f2(x):
    pass
print f2.__name__ # wrapper

import time, functools
def performance(unit):
    def perf_decorator(f):
        @functools.wraps(f)
        def wrapper(*args, **kw):
            t1 = time.time()
            r = f(*args, **kw)
            t2 = time.time()
            t = (t2 - t1) * 1000 if unit=='ms' else (t2 - t1)
            print 'call %s() in %f %s' % (f.__name__, t, unit)
            return r
        return wrapper
    return perf_decorator

@performance('ms')
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))
print factorial.__name__ # factorial

10. python中偏函数

　　当一个函数有很多参数时，调用者就需要提供多个参数。如果减少参数个数，就可以简化调用者的负担。

import functools
sorted_ignore_case = functools.partial(sorted, cmp=lambda s1, s2: cmp(s1.upper(), s2.upper()))
print sorted_ignore_case(['bob', 'about', 'Zoo', 'Credit']) # ['about', 'bob', 'Credit', 'Zoo']