Python进阶内容（一）--- 高阶函数 High order function

0. 问题

# 本文将围绕这段代码进行Python中高阶函数相关内容的讲解
# 文中所有代码的兼容性要求为：Python 3.6，IPython 6.1.0

def addspam(fn):
    def new(*args):
        print("spam,spam,spam")
        return fn(*args)
    return new

@addspam
def useful(a,b):
    print(a**2+b**2)

if __name__ == "__main__":
    useful(1,2)

1. Python中一切皆对象

你已经学习了Python中的list, tuple, dict等内置数据结构，当你执行：alist = [1, 2, 3] 时，你就创建了一个List对象，并且用alist这个变量引用它：

当然你也可以自己定义一个类：

class House(object):
    def __init__(self, area, city):
        self.area = area
        self.city = city 

    def sell(self, price):
        [...] #other code
        return price                   

# 然后创建一个类的对象：
house = House(200, 'Shanghai')

OK，你立马就在上海有了一套200平米的房子，它有一些属性(area, city)，和一些方法(__init__, self)：

2. 函数是第一类对象

和list, tuple, dict以及House instance一样，当你定义一个函数时，函数也是对象：

def func(a, b):
    return a + b

在全局域，函数对象func(a,b)被函数名func引用着，它接收两个参数a和b，计算这两个参数的和作为返回值。

所谓第一类对象，意思是可以用标识符给对象命名，并且对象可以被当作数据处理：例如赋值、作为参数传递给函数，或者作为返回值return 等

因此，你完全可以用其他变量名引用这个函数对象：

def func(a, b):
    return a + b

add = func

这样，你就可以像调用func(1, 2)一样，通过新的引用add调用函数了：

print(func(1, 2))
print(add(1, 2)) #the same as func(1, 2)

或者将函数对象作为参数，传递给另一个函数：

def func(a, b):
    return a + b

def caller_func(f):
    return f(1, 2) 

if __name__ == "__main__":
    print(caller_func(func)) 

可以看到，

• 函数对象func(a,b)作为参数传递给caller_func(f)函数，传参过程类似于一个赋值操作f=func；
• 于是函数对象func(a,b)，被caller_func函数作用域中的局部变量f引用，f实际指向了函数func；
• 当执行return f(1, 2)的时候，相当于执行了return func(1, 2)；

因此输出结果为3。

3. 函数对象 vs 函数调用

无论是把函数赋值给新的标识符，还是作为参数传递给新的函数，针对的都是函数对象本身，而不是函数的调用。

用一个更加简单，但从外观上看，更容易产生混淆的例子来说明这个问题。例如定义了下面这个函数：

def func():
    return "hello,world"

# 然后分别执行两次赋值：
ref1 = func   #将函数对象赋值给ref1
ref2 = func() #调用函数，将函数的返回值("hello,world"字符串)赋值给ref2

# 很多初学者会混淆这两种赋值，通过Python内建的type函数，可以查看一下这两次赋值的结果：

In [4]: type(ref1)
Out[4]: function

In [5]: type(ref2)
Out[5]: str

# 可以看到，ref1引用了函数对象本身，而ref2则引用了函数的返回值。

# 通过内建的callable函数，可以进一步验证ref1是可调用的，而ref2是不可调用的：

In [9]: callable(ref1)
Out[9]: True

In [10]: callable(ref2)
Out[10]: False

4. 闭包&LEGB法则

所谓闭包，就是将“组成函数的语句和这些语句的执行环境”打包在一起时得到的对象

听上去的确有些复杂，还是用一个栗子来帮助理解一下。假设我们在foo.py模块中做了如下定义：

# foo.py
filename = "foo.py"
def call_func(f):
    return f() #如前面介绍的，f引用一个函数对象，然后调用它

在另一个func.py模块中，写下了这样的代码：

# func.py
import foo #导入foo.py
filename = "func.py" 

def show_filename():
    return "filename: %s" % filename 

if __name__ == "__main__":
    print(foo.call_func(show_filename))

# 注意：实际发生调用的位置，是在foo.call_func函数中

# 当我们用python func.py命令执行func.py时输出结果为：

$ python func.py
filename:func.py

尽管foo.py模块中也定义了同名的filename变量，实际调用show_filename的位置也是在foo.py的call_func内部。但是很显然show_filename()函数使用的是相同环境(func.py模块)中定义的那个filename变量。

对于嵌套函数，这一机制则会表现的更加明显：闭包将会捕捉内层函数执行所需的整个环境

#enclosed.py
import foo
def wrapper():
    filename = "enclosed.py"
    def show_filename():
        return "filename: %s" % filename
    print(foo.call_func(show_filename))    

if __name__ == "__main__":
    wrapper()                             #输出：filename: enclosed.py

当代码执行到show_filename中的return "filename: %s" % filename语句时，解析器按照下面的顺序查找filename变量：

• Local - 本地函数(show_filename)内部，通过任何方式赋值的，而且没有被global关键字声明为全局变量的filename变量；
• Enclosing - 直接外围空间(上层函数wrapper)的本地作用域，查找filename变量(如果有多层嵌套，则由内而外逐层查找，直至最外层的函数)；
• Global - 全局空间(模块enclosed.py)，在模块顶层赋值的filename变量；
• Builtin - 内置模块(__builtin__)中预定义的变量名中查找filename变量；

在任何一层找到了符合要求的filename变量，则不再向更外层查找。如果直到Builtin层仍没有找到符合要求的变量，则抛出NameError异常。这就是变量名解析的LEGB法则。

总结：

1. 闭包最重要的使用价值在于：封存函数执行的上下文环境；
2. 闭包在其捕捉的执行环境(def语句块所在上下文)中，也遵循LEGB规则逐层查找，直至找到符合要求的变量，或者抛出异常。

5. 装饰器&语法糖(syntax sugar)

那么闭包和装饰器又有什么关系呢？上文提到闭包的重要特性：封存上下文，这一特性可以巧妙的被用于现有函数的包装，从而为现有函数增加功能，而这就是装饰器。还是举个例子，代码如下：

import functools

# 我们定义了一个函数lazy_sum，作用是对alist中的所有元素求和后返回。
# 但是出于某种原因，我并不想马上返回计算结果，而是在之后的某个地方，通过显示的调用输出结果。
# 于是我用一个wrapper函数对其进行包装：
def wrapper():
    alist = range(1, 101)  # alist假设为1到100的整数列表：alist = range(1, 101)

    def lazy_sum():
        return functools.reduce(lambda x, y: x + y, alist)

    return lazy_sum

lazy_sum = wrapper()  # wrapper() 返回的是lazy_sum函数对象

if __name__ == "__main__":
    lazy_sum()  #

这是一个典型的Lazy Evaluation的例子。我们知道，一般情况下，局部变量在函数返回时，就会被垃圾回收器回收，不能再被使用。但这里的alist却没有，它随着lazy_sum函数对象的返回被一并返回了（这个说法不准确，实际上是通过__globals__属性，包含在了lazy_sum的执行环境中），从而延长了生命周期。当在if语句块中调用lazy_sum()的时候，解析器会从上下文中（这里是Enclosing层的wrapper函数的局部作用域中）找到alist列表，计算结果，返回5050。

当你需要动态的给已定义的函数增加功能时，比如参数检查，类似的原理就变得很有用：

def add(a, b):
    return a+b

In [4]: add(5, 'hello')
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-10-e88fbc1efa39> in <module>()
----> 1 add(5,"hello")

<ipython-input-9-02b3d3d6caec> in add(a, b)
      1 def add(a, b):
----> 2     return a+b

TypeError: unsupported operand type(s) for +: 'int' and 'str'

这是很简单的一个函数：计算a+b的和返回，但我们知道Python是 动态类型+强类型 的语言，你并不能保证用户传入的参数a和b一定是两个整型，他有可能传入了一个整型和一个字符串类型的值：解析器无情的抛出了一个TypeError异常。

动态类型：在运行期间确定变量的类型，Python确定一个变量的类型是在你第一次给他赋值的时候；

强类型：有强制的类型定义，你有一个整数，除非显示的类型转换，否则绝不能将它当作一个字符串(例如直接尝试将一个整型和一个字符串做+运算)；

因此，为了更加优雅的使用add函数，我们需要在执行求和运算前，对a和b进行参数检查。这时候装饰器就显得非常有用：

# func.py

def add(a, b):
    return a + b

def checkParams(fn):
    def wrapper(a, b):
        if isinstance(a, (int, float)) and isinstance(b, (int, float)):    # 检查参数a和b是否都为整型或浮点型
            return fn(a, b)                                                # 是，则调用fn(a, b)返回计算结果
        logging.warning("variable 'a' and 'b' cannot be added")            # 否，则通过logging记录错误信息，并友好退出
        return
    return wrapper     # fn引用add，被封存在闭包的执行环境中返回

if __name__ == "__main__":
    #将add函数对象传入，fn指向add
    #等号左侧的add，指向checkParams的返回值wrapper
    add = checkParams(add)
    add(3, 'hello')     #经过类型检查，不会计算结果，而是记录日志并退出

注意checkParams函数：

• 首先看参数fn，当我们调用checkParams(add)的时候，它将成为函数对象add的一个本地(Local)引用；
• 在checkParams内部，我们定义了一个wrapper函数，添加了参数类型检查的功能，然后调用了fn(a, b)，根据LEGB法则，解释器将搜索几个作用域，并最终在(Enclosing层)checkParams函数的本地作用域中找到fn；
• 注意最后的return wrapper，这将创建一个闭包，fn变量(add函数对象的一个引用)将会封存在闭包的执行环境中，不会随着checkParams的返回而被回收；

当调用add = checkParams(add)时，add指向了新的wrapper对象，它添加了参数检查和记录日志的功能，同时又能够通过封存的fn，继续调用原始的add进行求和运算。因此调用add(3, 'hello')将不会返回计算结果，而是打印出日志：

$ python func.py
WARNING:root:variable 'a' and 'b' cannot be added

有人觉得add = checkParams(add)这样的写法未免太过麻烦，于是Python提供了一种更优雅的写法，被称为语法糖：

import logging

logging.basicConfig(level = logging.INFO)

@checkParams
def add(a, b):
    return a + b

def checkParams(fn):
    def wrapper(a, b):
        if isinstance(a, (int, float)) and isinstance(b, (int, float)):    # 检查参数a和b是否都为整型或浮点型
            return fn(a, b)                                                # 是，则调用fn(a, b)返回计算结果
        logging.warning("variable 'a' and 'b' cannot be added")            # 否，则通过logging记录错误信息，并友好退出
        return
    return wrapper     # fn引用add，被封存在闭包的执行环境中返回

if __name__ == "__main__":
    add(3, 'hello')     #经过类型检查，不会计算结果，而是记录日志并退出

这只是一种写法上的优化，解释器仍然会将它转化为add = checkParams(add)来执行。

6. 回归问题

def addspam(fn):
    def new(*args):
        print("spam,spam,spam")
        return fn(*args)
    return new

@addspam
def useful(a,b):
    print(a**2+b**2)

if __name__ == "__main__":
    useful(1,2)

首先看第二段代码：

• @addspam装饰器，相当于执行了useful = addspam(useful)。这里 传递给addspam的参数是useful这个函数对象本身，而不是它的调用结果；

再回到addspam函数体：

• return new 返回一个闭包，fn被封存在闭包的执行环境中，不会随着addspam函数的返回被回收；
• 而fn此时是useful的一个引用，当执行return fn(*args)时，实际相当于执行了return useful(*args)；

最后附上一张代码执行过程中的引用关系图，帮助你进行理解：

From：http://pythontutor.com/visualize.html#mode=edit

From：https://www.zhihu.com/question/25950466