python基础6—(高阶,匿名，偏)函数 | 装饰器

这里比较的高级了， 学到这里感觉有点意思，但是也看到了和其他语言相通点

 高阶函数  可以把别的函数作为参数传入的函数叫高阶函数
def add(x, y, f):
    return f(x) + f(y)
add(-5, 6, abs)         # 11

# 匿名函数  python使用lambda来创建匿名函数  
sum = lambda arg1, arg2 : arg1 + arg2
sum(10, 20) # 30 

# reduce 内建函数是个二元操作函数， 用来将一个数据集合所有数据进行二元操作
# 先对集合第1，2 个数据进行func()操作，得到的结果与第三个数据用func()运行，如此最后得到一个结果
# 顾名思义就是reduce将一个list缩成一个值
from functools import reduce
l = [1,2,3,4,5]
print(reduce(lambda x, y: x-y , 1))
# x 开始的时候赋值为10， 然后依次
print(reduce(lambda x, y: x-y, l, 10))

# map 应用于每一个可迭代的项返回一个结果list，map函数会把每一个参数都以相应的处理函数进行迭代处理
# 本质就是将原有的list根据lambda法则变成另一个list
l = [1, 2, 3]
new_list = list(map(lambda i: i+1, l))
# 变成了 [2, 3, 4]

l2 = [4, 5, 6]
new_list = list(map(lambda x, y : x + y, l, l2)) 
# 变成了 [5, 7, 9]

# filter 对序列进行过滤处理 
l = [100, 20, 24, 50, 110]
new = list(filter(lambda x : x < 50 , l))
# [20, 24]

# 装饰器  和测试方法中的@before @test @end 类似  可以带参 和 多个装饰器 
# 简单来说，你处理一个方法时需要统一做某件事
from functools import wraps

def makeHtmlTag(tag, *args, **kwds):
      def real_decorator(fn):             # fn is hello()
            css_class = " class='{0}'".format(kwds["css_class"]) 
            if "css_class" in kwds else ""
            def wrapped(*args, **kwds):
                  return "<" + tag + css_class + ">" + fn(*args, **kwds) + "</"+tag+">"
            return wrapped
      return real_decorator

@makeHtmlTag(tag="b", css_class="bold_css")
@makeHtmlTag(tag="i", css_class="italic_css")
def hello():
    return "hello world"
 
print(hello())
# <b class='bold_css'><i class='italic_css'>Hello World</i></h>
# 这里包了俩层 b为最外面的那层，i为中间层

# 高效率的递归  这里有个问题就是输入60会超过整数范围从而报错
from functools import wraps
from datetime import  datetime
def memo(fn):
      cache= {}
      miss= object()

      @wraps(fn)
      def wrapper(*args):
            result = cache.get(args, miss)
            if result is miss:
                  result = fn(*args)
                  cache[args] = result
            return result
      return wrapper

@memo
def fib(n):
      if n<2:
            return n
      return fib(n-1) + fib(n-2)

start = datetime.now()
print(fib(40))          # 102334155
end = datetime.now()
print((end - start).microseconds)   # 71061

def fib2(n):
      if n<2:
            return n
      return fib2(n-1) + fib2(n-2)
start1 = datetime.now()
print(fib2(40))         # 102334155
end1 = datetime.now()
print((end1 - start1).microseconds)  # 641741

      


# 偏函数 只设置一部分参数
int('123455')            # 默认转化为10进制
int('123456', base 8)                      # 8进制
int('123456', base 16)                            # 16进制

# 为了方便不需要每次都输入多少进制的值
def int2(x, base=2):
    return int(x, base)

# 借助functools.partial来创建一个偏函数
import functools
int2 = functools.partial(int, base=2)
print(int2('1000000'))

# 传字典可以默认参数
kw = {'base': 2}
print(int('10010', **kw))

# 传list
args = (10, 5, 6, 7)
print(max(*args))