python学习之---匿名函数，返回函数，偏函数

1. 返回函数：

所谓的返回函数，指的是函数作为返回值。高阶函数除了可以接受函数作为参数外，同样可以接受函数作为结果返回。以下是一个可变参数的求和例子，一般求和函数是如此这般定义的：

 >>> def sum(*args):
 ...     ax =
 ...     for x in args:
 ...         ax += x
 ...     return ax
 ... 

以上函数一旦定义，在调用这个函数的时候，只要传入参数就会立刻执行。但是，如果条件需要不要立刻求和，而是在后面的代码中，根据需要再计算该怎么办？可以不返回求和的结果，而是返回求和的函数！

 >>> def lazy_sum(*args):
 ...     def sum():
 ...         ax =
 ...         for n in args:
 ...            ax = ax + n
 ...         return ax
 ...     return sum
 ...
 >>>
 >>> lazy_sum()
 <function sum at 0x7f810add16e0>
 >>> lazy_sum((,,,,,))
 <function sum at 0x7f810add17d0>
 >>>
 KeyboardInterrupt
 >>># 以上是调用lazy_sum()函数的结果返回的不是求和的结果，而是求和函数

但是该如何才能够返回结果呢？演示如下：

 >>> result = lazy_sum(,,,,,,,)
 >>> result
 <function sum at 0x7f810add17d0>
 >>> #其实result现在是一个返回函数，要再调用该函数才可以返回结果
 ...
 >>> result()
 

在这个例子中，我们在函数lazy_sum中又定义了函数sum，并且，内部函数sum可以引用外部函数lazy_sum的参数和局部变量，当lazy_sum返回函数sum时，相关参数和变量都保存在返回的函数中，这种称为“闭包（Closure）”的程序结构拥有极大的威力。

请再注意一点，当我们调用lazy_sum()时，每次调用都会返回一个新的函数，即使传入相同的参数：

 >>> result1 = lazy_sum(,,,,,,,,,)
 >>> result2 = lazy_sum(,,,,,,,,,)
 >>> result1
 <function sum at 0x7f810add16e0>
 >>> result2
 <function sum at 0x7f810add1848>
 >>> result1 == result2
 False
 >>> 

如上代码显示：0x7f810add16e0是不等于0x7f810add1848的，因此比较结果为FALSE。但是，什么是“闭包”呢？记得在离散数学里面学习过闭包的知识，关系闭包.......。

2. 闭包：

　　注意到返回函数在其定义内部引用了局部变量args，所以，当一个函数返回了一个函数后，其内部的局部变量还被新函数引用，所以，闭包用起来简单，实现起来可不容易。另一个需要注意的问题是，返回的函数并没有立刻执行，而是直到调用了result()才执行。我们来看一个例子：

 >>> def get_count():
 ...     fs = []
 ...     for i in range(,):
 ...         def f ():
 ...             return i*i
 ...         fs.append(f)
 ...     return fs
 ... f1,f2,f3 = get_count()

在上面的例子中，每次循环，都创建了一个新的函数，然后，把创建的3个函数都返回了。

你可能认为调用f1()，f2()和f3()结果应该是1，4，9，但实际结果是：

 >>> f1()

 >>> f2()

 >>> f3()
 

全部都是9！原因就在于返回的函数引用了变量i，但它并非立刻执行。等到3个函数都返回时，它们所引用的变量i已经变成了3，因此最终结果为9。

返回闭包时牢记的一点就是：返回函数不要引用任何循环变量，或者后续会发生变化的变量。

如果一定要引用循环变量怎么办？方法是再创建一个函数，用该函数的参数绑定循环变量当前的值，无论该循环变量后续如何更改，已绑定到函数参数的值不变：

 >>> def count():
 ...     fs = []
 ...     for i in range(,):
 ...         def f(j):
 ...             def g():
 ...                 return j*j
 ...             return g
 ...         fs.append(f(i))
 ...     return fs
 ...
 >>> f1,f2,f3 = count()
 >>> f1
 <function g at 0x7f810add19b0>
 >>> f1()

 >>> f2()

 >>> f3()

 >>> 

缺点是代码较长，可利用lambda函数缩短代码。

3. 匿名函数：

当我们在传入函数时，有些时候，不需要显式地定义函数，直接传入匿名函数更方便。

在Python中，对匿名函数提供了有限支持。还是以map()函数为例，计算f(x)=x²时，除了定义一个f(x)的函数外，还可以直接传入匿名函数：

 >>> map(lambda x : x * x,[,,,,,,,,,])
 [, , , , , , , , ]
 >>> map(lambda x : x * x,range())
 [, , , , , , , , , ]
 >>> 

通过对比不难看出,匿名函数lambda x : x * x实际上就是一个求平方的函数：

 >>> def f(x):
 ...     return x*x
 ...
 >>> f()

 >>> f()

 >>> 

关键字lambda表示匿名函数，冒号前面的x表示函数参数。

匿名函数有个限制，就是只能有一个表达式，不用写return，返回值就是该表达式的结果。

用匿名函数有个好处，因为函数没有名字，不必担心函数名冲突。此外，匿名函数也是一个函数对象，也可以把匿名函数赋值给一个变量，再利用变量来调用该函数：

 >>> hanshu = lambda x : x*x*x
 >>> hanshu
 <function <lambda> at 0x7f810add1b90>
 >>> hanshu()

 >>> hanshu()

 >>> 

同样，也可以把匿名函数作为返回值返回，比如：

 >>> def build(x,y):
 ...     return lambda: x*x + y*y
 ...
 >>> build(,)
 <function <lambda> at 0x7f810add1c80>
 >>> 

4. 偏函数

Python的functools模块提供了很多有用的功能，其中一个就是偏函数（Partial function）。要注意，这里的偏函数和数学意义上的偏函数不一样。通过设定参数的默认值，可以降低函数调用的难度。而偏函数也可以做到这一点。举例如下：

int()函数可以把字符串转换为整数，当仅传入字符串时，int()函数默认按十进制转换：

 >>>
 >>> int('')

 >>> int('')

 >>> 

但int()函数还提供额外的base参数，默认值为10。如果传入base参数，就可以做N进制的转换：

 >>> int('',base = )

 >>> int('',base = )

 >>> int('',base = )

 >>> int('',base = )

 >>> 

假设要转换大量的二进制字符串，每次都传入int(x, base=2)非常麻烦，于是，我们想到，可以定义一个int2()的函数，默认把base=2传进去：

 >>> def int2(x ,base = ):
 ...     return int(x,base)
 ...
 >>> int2()
 Traceback (most recent call last):
   File "<stdin>", line , in <module>
   File "<stdin>", line , in int2
 TypeError: int() can't convert non-string with explicit base
 >>> int2('')

 >>> 

注意：在传入参数的时候，要以字符串的形式传入，否则会报出“TypeError”的类型错误。要使用偏函数的时候还得自己定义，是不是感觉很麻烦？因此，python提供了functools.partial就是帮助我们创建一个偏函数的，不需要我们自己定义int2()，可以直接使用下面的代码创建一个新的函数int2：

 >>> import functools
 >>> int2 = functools.partial(int,base = )
 >>> int3 = functools.partial(int,base = )
 >>> int2('')

 >>> int3('')

 >>> 

所以，简单总结functools.partial的作用就是，把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，调用这个新函数会更简单。

注意到上面的新的int2函数，仅仅是把base参数重新设定默认值为2，但也可以在函数调用时传入其他值：

 >>> int3('',base = )

 >>> int2('',base = )

 >>> 

最后，创建偏函数时，实际上可以接收函数对象、*args和**kw这3个参数，当传入：

int2 = functools.partial(int, base=)

实际上固定了int()函数的关键字参数base，也就是：

int2('')

相当于：

kw = { base: } int('', **kw)

当传入：

max2 = functools.partial(max, )

实际上会把10作为*args的一部分自动加到左边，也就是：

 max2(, , )

相当于：

args = (, , , )

max(*args)

结果 = 10