Python的函数式编程

Python对函数式编程提供部分支持。由于Python允许使用变量，因此，Python不是纯函数式编程语言。

函数是Python内建支持的一种封装，我们通过把大段代码拆成函数，通过一层一层的函数调用，就可以把复杂任务分解成简单的任务，这种分解可以称之为面向过程的程序设计。函数就是面向过程的程序设计的基本单元。

而函数式编程（请注意多了一个“式”字）——Functional Programming，虽然也可以归结到面向过程的程序设计，但其思想更接近数学计算。

我们首先要搞明白计算机（Computer）和计算（Compute）的概念。

在计算机的层次上，CPU执行的是加减乘除的指令代码，以及各种条件判断和跳转指令，所以，汇编语言是最贴近计算机的语言。

而计算则指数学意义上的计算，越是抽象的计算，离计算机硬件越远。

对应到编程语言，就是越低级的语言，越贴近计算机，抽象程度低，执行效率高，比如C语言；越高级的语言，越贴近计算，抽象程度高，执行效率低，比如Lisp语言。

函数式编程就是一种抽象程度很高的编程范式，纯粹的函数式编程语言编写的函数没有变量，因此，任意一个函数，只要输入是确定的，输出就是确定的，这种纯函数我们称之为没有副作用。而允许使用变量的程序设计语言，由于函数内部的变量状态不确定，同样的输入，可能得到不同的输出，因此，这种函数是有副作用的。

函数式编程的一个特点就是，允许把函数本身作为参数传入另一个函数，还允许返回一个函数！

Python对函数式编程提供部分支持。由于Python允许使用变量，因此，Python不是纯函数式编程语言。

高阶函数

Python变量可以指向函数

>>> f = abs

>>> f

<built-in function abs>

⚠️函数名也是变量，所有不要在写代码时占用这个名字。

传入函数

因为变量可以指向函数，函数的参数能接收变量，那么一个函数就可以接收另一个函数作为参数，这种函数就称之为高阶函数。

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。

内建函数

map

map(function，Iterable)。它接收2个参数：一个函数，一个Iterable，map把函数作用到Iterable上的每个元素上，返回一个新的Iterator。

>>>list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9]))

['', '', '', '', '', '', '', '', '']

⚠️：

类似Ruby的map方法，功能一样。ruby的Array#map，直接返回的是aray。
而python的map返回的是一个<map object>。它可以被for循环调用，因此是可迭代对象iterable, 但也是iterator。

⚠️： list()是内建函数， class list([iteralble]), 本质是一个可变序列类型。

附加：class list[(iterable)]

用一对方括号表示空list: []
内部的项items,用逗号分开
使用列表生成式: [x for x in iterable] ，可创建一个列表。
使用type constructor: list()或者 list(iterable) , 可创建一个列表。

>>> list('abc')

['a', 'b', 'c']

>>> list( (1,2,3) )    #如果iterable已经是一个列表/tuple, 将创建并返回其副本。

[1, 2, 3]

>>>

functools#reduce

reduce(函数，list) , 传入的函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算。

练习：

利用map()函数，把不规则输入，转化为首字母大写的名字。

def normalize(name):

    b = str.lower(name[1:])

    a = str.upper(name[0])

    name = a + b

    return name

L1 = ['adam', 'LISA', 'barT']

L2 = list(map(normalize, L1))

print(L2)

#输出：

['Adam', 'Lisa', 'Bart']

上面用到str.lower() ,str.upper()。

"".join()可以把Iterator,list连接成为一个str。

其实用str.title()语法糖即可。

Python提供的sum()函数可以接受一个list并求和，请编写一个prod()函数，可以接受一个list并利用reduce()求积：

from functools import reduce

def prod(L):

    def 乘法(x , y):

        return x*y

    return reduce(乘法, L)

print('3 * 5 * 7 * 9 =', prod([3, 5, 7, 9]))

if prod([3, 5, 7, 9]) == 945:

    print('测试成功!')

else:

    print('测试失败!')

#输出

3 * 5 * 7 * 9 = 945

测试成功!

Python支持中文变量。

问题：def是否有作用域？

Python和Ruby这点不一样。

Ruby的def，class，module关键字，代表一个封闭的作用域，任何变量，必须作为参数传入def，才能使用。

Python的def/class，不是封闭的作用域, ，它被执行时，可以读取定义时的外部变量。当然在它内部声明的变量，是局部的，不会影响外部。

Python的def关键字和javascript的函数定义是一样的，非完全封闭的。

sorted函数

sorted(iterable, *, key=None, reverse = False)

根据iterable中的items返回一个新的sorted list。

关键字参数key=None，key是一个带单个参数的函数，用于自定义排序。

这个函数作用于每个iterable的item上，并返回相应的结果，然后对结果排序，最后sorted返回对应key的排序的iterable的排序。

>>> sorted([36, 5, -12, 9, -21], key=abs)

[5, 9, -12, -21, 36]

逐一把iterable的items，传入key指向的函数abs。⚠️abs会运行n次，n等于iterable的项的数量。
得到keys = [36, 5, 12, 9, 21]
对上面keys的items进行排序 : [5, 9, 12, 21, 36]
最终返回的是对应上面排序的原items: [5, 9, -12, -21, 36]

还可以对str进行比较，原理是根据字符的ASCII的大小比较。因为ASCII中'Z' < 'a'，所以排序的时候要忽略大小写。

>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key= str.lower)

['about', 'bob', 'Credit', 'Zoo']

⚠️key指向的函数可以是任何函数，包括自定义的函数。

filter函数

filter(function， iterable)

用function来筛选iterable中的items，根据返回值是True或False来决定是否保留item，构建一个新的iterator。

#类似<filter object at 0x103f1bdf0>

iterable可以是序列，支持迭代的容器， iterator。

filter相当于一个生成器表达式。

(item for item in iterable if function(item))

例子：

def not_empty(s):

    return s and s.strip()

list(filter(not_empty, ['A', '', 'B', None, 'C', '  ']))

# 结果: ['A', 'B', 'C']

⚠️：因为在Python,"", None，都代表False。这点和Ruby不同，Ruby中只有nil，false代表false。

>>> bool("")

False

>>> bool(None)

False

例子：用filter求素数（深入理解generator）

lambda表达式

Python的lambda是一个轻量化的函数定义。Python对它定义了一些简单的功能。

因为使用时无需定义一个名字，所以可以看做是python中的匿名函数。

lambda 参数,.. : 主体

lambda相当于def关键字。返回的是主体计算后的结果。

>>> (lambda x: x + 1)(2)

3

因为是表达式，所以也可以给它命名，即给一个变量指向它。

lambda也接收多个参数，例子：

>>> full_name = lambda first, last: f'Full name: {first} {last}'

>>> full_name("hah","ww")

⚠️： f" {} "的写法。

如果没有用变量命名，也可以调用：

>>> lambda x, y: x + y

<function <lambda> at 0x101665dc0>

>>> _(1, 2)

3

从上面的了解可知，Python的lambda好像就是定义一个函数的语法糖。这不像其他语言的lambda。

但需要⚠️的是，lambda就是lambda。它的使用有限制。

语法规则：

主体body内只能包括表达式，不能声明变量。
只有一行。
不支持注释
可以被立即调用IIFE： ()()

以上摘录自：https://realpython.com/python-lambda/

更多内容没有看完。

函数装饰器Decorator

函数

是对象。
可以被赋值给变量。因此可通过变量调用函数。
变量._name_: 拿到函数的名字。

⚠️dir(对象)可以拿到一个对象可用的方法。

decorator返回值为另一个函数的函数，通常使用@wrapper语法形式来进行函数变换。常见例子classmethod(), staticmethod()。

装饰器语法只是一种语法糖。可以嵌套使用：

@f1(arg)

@f2

def func(): pass

#等价于

def func(): pass

func = f1(arg)(f2(func))

这是Python2.4版本的增加功能

用于增为已经定义的函数/方法增加一些新的功能。装饰器，类似于包装。

在面向对象（OOP）的设计模式中，decorator被称为装饰模式。OOP的装饰模式需要通过继承和组合来实现，而Python除了能支持OOP的decorator外，直接从语法层次支持decorator。Python的decorator可以用函数实现，也可以用类实现。

decorator的简单例子

给now方法加上装饰器log方法。就相当于now = log(now), 即把now函数当成log的参数，now函数的名字__name__重新指向log返回的结果：一个新的函数wrapper。

因此执行方法now，now()，就相当于执行wrapper函数。

def log(func):

    def wrapper(*args, **kw):

        print('call %s()' % func.__name__)

        return func(*args, **kw)

    return wrapper

@log

def now():

    print("")

# now = log(now)

now()

这个例子，让decorator函数本身接收外面的作用域的变量：

首先，代码会执行log('execute')返回一个decorator函数，并携带作用域中的字符串'execute'；
然后，执行decorator(now), 函数now作为参数, 返回wrapper函数本身，它携带字符串'execute'和now函数
当执行now()时，就是执行wrapper()。

# 如果decorator本身需要传入参数, 那么编写一个返回decorator的高阶函数-------------------

# 比如自定义log的文本：

def log(text):

    def decorator(func):

        def wrapper(*args, **kw):

            print('%s %s()' %(text, func.__name__))

            return func(*args, **kw)

        # wrapper.__name__ = func.__name__

        return wrapper

    return decorator

@log('execute') #首先， 返回一个decorator函数，并携带外面的作用域中的字符串'execute'；然后， decorator接收函数now作为参数，最后返回函数wrapper

def now():

    print("")

now()

print(now.__name__)  # 输出的是 wrapper。因为返回的函数wrapper()的名字就是'wrapper'。

#为了防止有些依赖函数签名的代码执行冲突。加上：wrapper.__name__ = func.__name__

# 可以import functools，然后@functools.wraps(func),代替上面的代码。

Pthon的内建函数classmethod()就是一个装饰器函数。

偏函数

https://docs.python.org/zh-cn/3/library/functools.html#module-functools