zoukankan      html  css  js  c++  java
  • 05-函数式编程

    函数式编程(FunctionalProgramming)

    • 基于lambda演算的一种编程方式

      • 程序中只有函数
      • 函数可以作为参数,同样可以作为返回值
      • 纯函数式编程语言: LISP, Haskell
    • Python函数式编程只是借鉴函数式编程的一些特点,可以理解成一半函数式一半Python

    • 需要讲述
      • 高阶函数
      • 返回函数
      • 匿名函数
      • 装饰器
      • 偏函数

    lambda表达式

    • 函数: 最大程度复用代码

      • 存在问题: 如果函数很小,很短,则会造成啰嗦
      • 如果函数被调用次数少,则会造成浪费
      • 对于阅读者来说,造成阅读流程的被迫中断
    • lambda表达式(匿名函数):

      • 一个表达式,函数体相对简单
      • 不是一个代码块,仅仅是一个表达式
      • 可以有参数,有多个参数也可以,用逗号隔开
    # lambda表达式的用法
    # 1. 以lambda开头
    # 2. 紧跟一定的参数(如果有的话)
    # 3. 参数后用冒号和表达式主题隔开
    # 4. 只是一个表达式,所以,没有return
    
    # 计算一个数字的100倍数
    # 因为就是一个表达式,所以没有return
    stm = lambda x: 100 * x 
    # 使用上跟函数调用一模一样
    stm(89)

    高阶函数

    • 把函数作为参数使用的函数,叫高阶函数
    # 函数名称就是一个变量
    def funA():
        print("In funA")
        
    funB = funA
    funB()

    以上代码得出的结论:

    • 函数名称是变量
    • funB 和 funA只是名称不一样而已
    • 既然函数名称是变量,则应该可以被当做参数传入另一个函数
    # 高阶函数举例
    # funA是普通函数,返回一个传入数字的100倍数字
    
    def funA(n):
        return n * 100
    
    # 再写一个函数,把传入参数乘以300倍,
    def funB(n ):
        # 最终是想返回300n
        return funA(n) * 3
    
    print(funB(9))
    
    # 写一个高阶函数
    def funC(n, f):
        # 假定函数是把n扩大100被
        return f(n) * 3
    
    print( funC(9, funA) )
    
    # 比较funC和funB, 显然funC的写法要优于funB
    # 例如:
    def funD(n):
        return n*10
    
    # 需求变更,需要把n放大三十倍,此时funB则无法实现
    print(funC(7, funD))

    系统高阶函数-map

    • 原意就是映射,即把集合或者列表的元素,每一个元素都按照一定规则进行操作,生成一个新的列表或者集合
    • map函数是系统提供的具有映射功能的函数,返回值是一个迭代对象
    # map举例
    # 有一个列表,想对列表里的每一个元素乘以10, 并得到新的列表
    
    l1 = [i for i in range(10)]
    print(l1)
    l2 = []
    for i in l1:
        l2.append(i * 10)
    
    print(l2)
    
    
    # 利用map实现
    def mulTen(n):
        return n*10
    
    
    
    l3 = map(mulTen, l1 )
    # map类型是一个可迭代的结构,所以可以使用for遍历
    for i in l3:
        print(i)

    reduce

    • 原意是归并,缩减
    • 把一个可迭代对象最后归并成一个结果
    • 对于作为参数的函数要求: 必须由两个参数,必须由返回结果
    • reduce([1,2,3,4,5]) == f( f(f(f(1,2),3), 4),5)
    • reduce 需要导入functools包
    from functools import reduce
    
    # 定义一个操作函数
    # 加入操作函数只是相加
    def myAdd(x,y):
        return x + y
        
    # 对于列表[1,2,3,4,5,6]执行myAdd的reduce操作
    rst = reduce( myAdd, [1,2,3,4,5,6] )
    print(rst)

    filter 函数

    • 过滤函数: 对一组数据进行过滤,符合条件的数据会生成一个新的列表并返回
    • 跟map相比较:
      • 相同:都对列表的每一个元素逐一进行操作
      • 不同:
        • map会生成一个跟原来数据想对应的新队列
        • filter不一定,只要符合条件的才会进入新的数据集合
      • filter函数怎么写:
        • 利用给定函数进行判断
        • 返回值一定是个布尔值
        • 调用格式: filter(f, data), f是过滤函数, data是数据
    # filter案例
    # 对于一个列表,对其进行过滤,偶数组成一个新列表
    
    # 需要定义过滤函数
    # 过滤函数要求有输入,返回布尔值
    def isEven(a):
        return a % 2 == 0
    
    l = [3,4,56,3,2,3,4556,67,4,4,3,23455,43]
    
    rst = filter(isEven, l)
    # 返回的filter内容是一个可迭代对象
    print(type(rst))
    print(rst)
    
    print([i for i in rst])

    高阶函数-排序

    • 把一个序列按照给定算法进行排序
    • key: 在排序钱对每一个元素进行key函数运算,可以理解成按照key函数定义的逻辑进行排序
    • python2 和 python3 相差巨大
    # 排序的案例
    
    a = [234,22312,123,45,43,2,3,66723,34]
    al = sorted(a, reverse=True)
    print(al)

    返回函数

    • 函数可以返回具体的值
    • 也可以返回一个函数作为结果
    # 负责一点的返回函数的例子
    # args:参数列表
    # 1 myF4定义函数,返回内部定义的函数myF5
    # 2. myF5使用了外部变量,这个变量是myF4的参数
    
    def myF4( *args):
        def myF5():
            rst = 0
            for n in args:
                rst += n
            return rst
        return myF5

    闭包(closure)

    • 当一个函数在内部定义函数,并且内部的函数应用外部函数的参数或者局部变量,当内部函数被当做返回值的时候,相关参数和变量保存在返回的函数中,这种结果,叫闭包
    # 闭包常见坑
    def count():
        # 定义列表,列表里存放的是定义的函数
        fs = []
        for i in range(1,4):
            # 定义了一个函数f
            # f是一个闭包结构
            def f():
                return i*i
            fs.append(f)
        return fs
    
    f1,f2,f3 = count()
    print(f1())
    print(f2())
    print(f3())
    
    9
    9
    9

    出现的问题:

    • 造成上述状况的原因是,返回函数引用了变量i, i并非立即执行,而是等到三个函数都返回的时候才统一使用,此时i已经变成了3,最终调用的时候,都返回的是 3*3
    • 此问题描述成:返回闭包时,返回函数不能引用任何循环变量
    • 解决方案: 再创建一个函数,用该函数的参数绑定循环变量的当前值,无论该循环变量以后如何改变,已经绑定的函数参数值不再改变
    # 修改上述函数
    def count2():
        def f(j):
            def g():
                return j*j
            return g
        fs = []
        for i in range(1,4):
            fs.append(f(i))
        return fs
    
    f1,f2,f3 = count2()
    print(f1())
    print(f2())
    print(f3())
    
    1
    4
    9

    装饰器(Decrator)

    • 在不改动函数代码的基础上无限制扩展函数功能的一种机制,本质上讲,装饰器是一个返回函数的高阶函数
    • 装饰器的使用: 使用@语法, 即在每次要扩展到函数定义前使用@+函数名
    # 任务:
    # 对hello函数进行功能扩展,每次执行hello万打印当前时间
    
    import time
    
    # 高阶函数,以函数作为参数
    def printTime(f):
        def wrapper(*args, **kwargs):
            print("Time: ", time.ctime())
            return f(*args, **kwargs)
        return wrapper
    # 上面定义了装饰器,使用的时候需要用到@, 此符号是python的语法糖
    @printTime
    def hello():
        print("Hello world")
        
    hello()
    
    Time:  Mon Apr  2 21:14:52 2018
    Hello world
    # 装饰器的好处是,一点定义,则可以装饰任意函数
    # 一旦被其装饰,则则把装饰器的功能直接添加到定义函数的功能上
    
    @printTime
    def hello2():
        print("还可以由很多的选择")
    
    hello2()
    
    Time:  Mon Apr  2 21:17:50 2018
    还可以由很多的选择

    偏函数

    • 参数固定的函数,相当于一个由特定参数的函数体
    • functools.partial的作用是,把一个函数某些函数固定,返回一个新函数
    # 新建一个函数,此函数是默认输入的字符串是16进制数字
    # 把此字符串返回十进制的数字
    def int16(x, base=16):
        return int(x, base)
    
    int16("12345")
    
    74565
    import functools
    #实现上面int16的功能
    int16 = functools.partial(int, base=16)
    
    int16("12345")
    
    
    74565

     

  • 相关阅读:
    Jboss部署war以及获取Resource的真实路径
    命令行获取docker远程仓库镜像列表
    Hibernate5 与 Spring Boot2 最佳性能实践
    Spring Bean的一生
    Spring中统一相同版本的api请求路径的一些思考
    Java并发工具类CountDownLatch源码中的例子
    (转载)23种设计模式的uml图表示及通俗介绍
    GeoHash核心原理解析
    如何保证服务器的安全?
    小强升职记
  • 原文地址:https://www.cnblogs.com/zifeng001/p/10826737.html
Copyright © 2011-2022 走看看