python进阶-- 01 函数式编程

1.概念

函数：function，是编程里面的方法

函数式：functional，是一种编程范式

2.特点

把计算视为函数，而非指令

纯函数式编程：不需要变量，没有副作用，测试简单

支持高阶函数，代码简洁

3.python支持的函数式编程

不是纯函数式编程：允许有变量

支持高阶函数：函数可以作为变量传入

支持闭包：有了闭包就能返回函数

有限度的支持匿名函数

4.高阶函数

4.1概念

能接收函数作为变量的函数，称为高阶函数

4.2原理

python中函数名其实是一个变量。

>>> abs(-10)

10

>>> abs=len

>>> abs(-10)

 

Traceback (most recent call last):

  File "<pyshell#2>", line 1, in <module>

    abs(-10)

TypeError: object of type 'int' has no len()

>>> abs([1,2,3])

3

4.3举例

>>> def add_ab(x,y,f):

         return f(x)+f(y)

 

>>> add_ab(-5,9,abs)

14

5.返回函数

>>> def f():

    print 'call f()...'

    # 定义函数g:

    def g():

        print 'call g()...'

    # 返回函数g:

    return g

 

>>> x=f()

call f()...

>>> x

<function g at 0x0000000002F05A58>

>>> x()

call g()...

6.闭包

6.1概念

内层函数引用了外层函数的变量（外层函数的参数也算变量），然后返回内层函数的情况，称为闭包（Closure）。

6.2特点

返回的函数还引用了外层函数的局部变量；

另外，闭包在定义时，里面的代码未运行，只会在真正被调用时去运行代码，所以运行时取的变量的值为运行时刻（非定义时刻）该变量的值！！！

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。

重要：默认参数值的获取是在定义时刻！！！

# 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()

>>> f1()

9

7.匿名函数

7.1举例

lambda x: x * x

等效于

def f(x):

    return x * x

7.2特点：

关键字lambda表示匿名函数，冒号前面的一个（多个）变量表示函数参数；

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

返回函数的时候，也可以返回匿名函数

8.装饰器decorator

8.1背景

已经定义了一个函数，想在运行时动态增加函数功能，又不必去改变函数本身的代码

8.1.1改变源代码

>>> def 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

8.1.2使用高阶函数返回新函数

>>> def new_fn(f):

...    def fn(*args,**kw):

...             print 'call %s()' % f.__name__

...             return f(*args,**kw)

...    return fn

调用方法有两种：

 

8.1.3通过内置@自动生成新函数

 

例

打印日志：@log

检测性能：@performance

数据库事务：@transaction

URL路由：@post('/register')

8.1.4装饰器概念

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。

8.2无参数装饰器

8.2.1格式

# 定义无参装饰器

def deco_performance(f):

    # 定义装饰器中临时函数

    def tmp(*args,**kw):

           

        # 执行被装饰函数，可使用有参装饰器所带参数

        # xxx

           

        # 返回被装饰函数执行结果

        return result

        #return f(*args,**kw)

    # 返回装饰器中临时函数名

    return tmp

8.2.2举例

# 请编写一个@performance，它可以打印出函数调用的时间

def performance(f):

    # 要让 @performance 自适应任何参数定义的函数，可以利用Python的

         # *args 和 **kw，保证任意个数的参数总是能正常调用

    def tmp(*args,**kw):

        print "before call--> %s" % (time.time())

        # 此刻调用被装饰的函数

        result = f(*args,**kw)

        print "after call--> %s" % (time.time())

        # 只需要返回函数结果，不一定必须要return f(*args,**kw)

        return result

         # 只是返回函数名

    return tmp

   

# @performance使用

@performance

def factorial(n):

    return reduce(lambda x,y: x*y, range(1, n+1))

 

# 使用@performance装饰过的函数的调用

print factorial(10)

8.3有参数装饰器

8.3.1格式

# 定义有参装饰器

def performance(unit):

    # 定义无参装饰器

    def deco_performance(f):

        # 定义装饰器中临时函数

        def tmp(*args,**kw):

           

            # 执行被装饰函数，可使用有参装饰器所带参数

            # xxx

           

            # 返回被装饰函数执行结果

            return result

        # 返回装饰器中临时函数名

        return tmp

    # 返回无参装饰器名

    return deco_performance

8.3.2举例

# 定义有参装饰器

def performance(unit):

    # 定义无参装饰器

    def deco_performance(f):

        # 定义装饰器中临时函数

        def tmp(*args,**kw):

           

            # 执行被装饰函数，可使用有参装饰器所带参数

            print "before call time --> %f" % (time.time() if unit=='s' else time.time()*1000)

            result=f(*args,**kw)

            print "after call time --> %f" % (time.time() if unit=='s' else time.time()*1000)

            print "call %s()" % (f.__name__)

           

            # 返回被装饰函数执行结果

            return result

        # 返回装饰器中临时函数名

        return tmp

    # 返回无参装饰器名

    return deco_performance

 

# 使用有（无）参装饰器

@performance('s')

def factorial(n):

    return reduce(lambda x,y: x*y, range(1, n+1))

 

# 调用使用有（无）参装饰器的函数

print factorial(10)

8.4装饰器完善

8.4.1问题

经过@decorator“改造”后的函数，返回的新函数函数名已经被改变，不是'f2'，而是@log内部定义的'wrapper'。这对于那些依赖函数名的代码就会失效。decorator还改变了函数的__doc__等其它属性。如果要让调用者看不出一个函数经过了@decorator的“改造”，就需要把原函数的一些属性复制到新函数中。

8.4.2完善方法

1.手动在装饰器的临时函数中手动添加属性

def log(f):

    def wrapper(*args, **kw):

        print 'call...'

        return f(*args, **kw)

    wrapper.__name__ = f.__name__

    wrapper.__doc__ = f.__doc__

    return wrapper

2.使用python内置的functools装饰器自动完成复制动作

import functools

def log(f):

    @functools.wraps(f)

    def wrapper(*args, **kw):

        print 'call...'

        return f(*args, **kw)

    return wrapper

8.4.3无法避免的问题

最后需要指出，由于我们把原函数签名改成了(*args, **kw)，因此，无法获得原函数的原始参数信息。

9偏函数

9.1概念

已经定义了一个函数，函数的参数个数太多，想在运行时动态减少函数必须输入的参数，从而在调用时更简单，实现与默认参数相同的功能，但不改变原本函数。

9.2举例

>>> int('12345')

12345

>>> int('12345',8)

5349

>>> int2 = functools.partial(int,base=2)

>>> int2('1111')

15

9.3注意

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，如果传入xx=xx类型的参数，代表传入kw；如果传入xx类型的参数，会作为args自动加入到参数元组中，需注意是否会影响原本函数应有结果。

>>> max(3,4,5)

5

>>> max2 = functools.partial(max,10)

>>> max2(3,4,5)

10