Python语言的高级特性
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,可以理解为一半函数式一半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,则会在成啰嗦
- 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
高阶函数
-
把函数作为参数使用的函数,叫高阶函数
#变量可以赋值 a = 100 b = a #函数名称就是一个变量 def funA(): print("In funA") funB = funA funB() -
以上代码得出结论
- 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,则应该可以被当成参数传入另一个函数
系统高阶函数-map
- 原意就是映射,即吧集合或者列表中的元素,每个元素都按照一定规则进行从操作,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,返回是一个迭代对象
系统高阶函数-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。必须有返回结果
- reduce([1,2,3,4,5])==f(f(f(f(1,2),3),4),5)
- reduce需要导入funtools包
系统高阶函数-filter
- 过滤函数:对一组数据进行过滤,符合条件的数据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相对应的xinduilie
- 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
- 返回值一定是布尔值
- 调用格式:filter(f,data),f是过滤函数,data是数据
高阶函数-排序
- 把一个序列按照给定算法进行排序
- key:在排序前对每一个元素进行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 相差极大
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
-
函数作为返回值返回,被返回的函数在函数体内定义
def myF2(): def myF3(): print("In my3") return 3 return myF3 #使用以上定义,调用myF2,返回一个函数myF3,赋值给f3 f3 = myF2() print(type()) print(f3) f3()
闭包(closure)
-
当一个函数在内部定义函数,并且内部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,列表中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()) -
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,此时已经变成了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变换,已经绑定的函数参数值不再改变
def count2(): def f(j): def g(): return j * j renturn g fs = [] for i in range(1,4): fs.append(f(i)) return fs f1,f2,f3 = count2() print(f1()) print(f2()) print(f3())
装饰器
- 对已有函数的功能进行扩展,而实现这个功能又不能改动现有代码,这时使用装饰器
装饰器(Decrator)
-
在不改动函数代码的基础上无限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
#对hello函数进行功能扩展,每次执行hello时打印当前时间 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()
#装饰器的好处是,一旦定义,则可以装饰任意函数
#一旦被其装饰,则把装饰器的功能直接添加到定义函数的功能上
#上面对函数的装饰使用了系统定义的语法糖
#下面开始手动执行装饰器,先定义函数
def hello3():
print("我是手动执行的")
hello3()
hello3 = printTime(hello3)
hello3()
f = printTime(hello3)
f()
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 #此字符串返回十进制的数字 def int16(x, base = 16): return int(x, base) import functools #实现上面int16的功能 int16 = functools.partial(int, base = 16) int16("12345")
本文深入探讨Python函数式编程的高级特性,包括高阶函数、匿名函数、装饰器、偏函数及lambda表达式等,解析如何通过这些特性提高代码复用性和效率。
1064

被折叠的 条评论
为什么被折叠?



