标签：
本文和大家分享的主要是
python开发中函数式编程相关内容，一起来看看吧，希望对大家学习和使用这部分内容有所帮助。
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 # 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 ’\n’
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):
passprint f1.__name__ # f1
def log(f):
def wrapper(*args, **kw):
print ’call...’
return f(*args, **kw)
return wrapper@log def f2(x):
passprint 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’]
来源： 博客园
Python学习之函数式编程
标签：
