标签：
把函数作为参数传入，这样的函数称为高阶函数，函数式编程就是指这种高度抽象的编程范式
lambda
(lambda x: x*2)(3)
装饰器 decorator
装饰器是一个很著名的设计模式，经常被用于有切面需求的场景，较为经典的有插入日志、性能测试、事务处理, Web权限校验, Cache等。例如记录日志，需要对某些函数进行记录。笨的办法，每个函数加入代码，如果代码变了，就悲催了。装饰器的办法，定义一个专门日志记录的装饰器，对需要的函数进行装饰，搞定。
优点：抽离出大量函数中与函数功能本身无关的雷同代码并继续重用。即，可以将函数“修饰”为完全不同的行为，可以有效的将业务逻辑正交分解，如用于将权限和身份验证从业务中独立出来。
概括的讲，装饰器的作用就是为已经存在的对象添加额外的功能。
本质上，decorator就是一个返回函数的高阶函数
def log(func): def wrapper(*args, **kw): print ‘call %s():‘ % func.__name__ return func(*args, **kw) return wrapper @log #相当于now = log(now) def now(): print ‘2013-12-25‘ ------------------------------ >>> now() call now(): 2013-12-25 #如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本： def log(text): def decorator(func): def wrapper(*args, **kw): print ‘%s %s():‘ % (text, func.__name__) return func(*args, **kw) return wrapper return decorator @log(‘execute‘) #相当于now = log(‘execute‘)(now) def now(): print ‘2013-12-25‘ ------------------------------ >>> now() execute now()
有一些细节需要注意。装饰后（函数名等函数属性会发生改变）。所以写一个装饰器的时候，最好在实现之前加上functools模块的warp，它能保留原有函数的名称和docstring.
import functools def log(func): @functools.wraps(func) def wrapper(*args, **kw): print ‘call %s():‘ % func.__name__ return func(*args, **kw) return wrapper @log def now(): print ‘2013-12-25‘
python内建map, reduce, filter, sorted函数的用法
map(f, [x1, x2, x3, x4]) = [f(x1), f(x2), f(x3), f(x4)] map(lambda x,y: x+y, [1,1,1], [2,3,4]) reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4) filter(f, [1, 2, 4, 5, 6, 9, 10, 15]) #筛选符合f的数据，返回list sorted([x1, x2, x3, x4], f) #以f的形式进行排序，返回list def str2int(s): def fn(x, y): return x * 10 + y def char2num(s): return {‘0‘: 0, ‘1‘: 1, ‘2‘: 2, ‘3‘: 3, ‘4‘: 4, ‘5‘: 5, ‘6‘: 6, ‘7‘: 7, ‘8‘: 8, ‘9‘: 9}[s] return reduce(fn, map(char2num, s))
#用lambda函数进一步简化 def char2num(s): return {‘0‘: 0, ‘1‘: 1, ‘2‘: 2, ‘3‘: 3, ‘4‘: 4, ‘5‘: 5, ‘6‘: 6, ‘7‘: 7, ‘8‘: 8, ‘9‘: 9}[s] def str2int(s): return reduce(lambda x,y: x*10+y, map(char2num, s))
2015-05-02
标签：
原文地址：http://www.cnblogs.com/whuyt/p/4491856.html
