函数式编程

函数也是对象

python中函数也是一个对象，因此可以当做参数传递

函数map()

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，和java1.8的map一致，用来转换数据，生成新的惰性序列

def f(x):
    return x * x
#构建一个返回x * x列表的迭代器 
r=map(f, [1,2,3,4,5,6,7,8,9])

函数reduce()

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

#求和
from functools import reduce
def add(x, y):
    return x + y

reduce(add, [1, 3, 5, 7, 9])

函数filter()

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

#过滤列表中的偶数，只保留奇数
def is_odd(n):
    return n % 2 == 1

list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
#求素数
def buildList():
    n = 1
    while True:
        n = n + 2
        yield n

def _not_divisible(n):
    return lambda x: x % n > 0

def primes():
    yield 2
    it = buildList() # 初始序列
    while True:
        n = next(it) # 返回序列的第一个数
        yield n
        it = filter(_not_divisible(n), it) # 构造新序列

for n in primes():
    if n < 1000:
        print(n)
    else:
        break

排序函数sorted()

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

#按绝对值大小排序，key为函数
sorted([36, 5, -12, 9, -21], key=abs)

返回函数

把函数作为结果值返回，内部函数可以引用外部函数的参数和局部变量

#返回求和函数
def lazy_sum(*args):
    def sum():
        ax = 0
        for n in args:
            ax = ax + n
        return ax
    return sum
#此处f是返回的求和函数，非求和结果
f = lazy_sum(1, 3, 5, 7, 9)
#返回求和结果
f()

闭包

返回的函数在其定义内部引用了局部变量args，所以，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
返回函数不要引用任何循环变量，或者后续会发生变化的变量

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())

结果

9
9
9

lambda写法

def count():
    def f(j):
        return lambda: j*j
    fs = []
    for i in range(1, 4):
        fs.append(f(i))
    return fs

f1, f2, f3 = count()
print(f1())
print(f2())
print(f3())

匿名函数

def f(x):
    return x * x

等价于

f = lambda x: x * x

装饰器

函数对象有一个__name__属性，可以拿到函数的名字，假设我们要增强now()函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改now()函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）
本质上，decorator就是一个返回函数的高阶函数，python从语法层次支持decorator，也支持OOP的decorator，个人认为语言级别的使用起来更加简单方面

• 两层嵌套

def log(func):
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper

因为它是一个decorator，所以接受一个函数作为参数，并返回一个函数
使用：

@log
def now():
    print('2015-3-25')

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
把@log放到now()函数的定义处，相当于执行了语句：

now = log(now)

• 三层嵌套

def log(text):
    def decorator(func):
        def wrapper(*args, **kw):
            print('%s %s():' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator

使用：

@log('execute')
def now():
    print('2015-3-25')

相当于：

now = log('execute')(now)

• 修改装饰器的签名

import functools

def log(func):
    @functools.wraps(func)
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper

偏函数

当函数的参数个数太多，需要简化时，使用functools.partial可以创建一个新的函数，这个新函数可以固定住原函数的部分参数，从而在调用时更简单。

#构建把一个数转成2进制的函数
import functools
int2 = functools.partial(int, base=2)

调用

int2(7)