Python—函数进阶篇

lambda表达式（匿名函数表达式）

作用：创建一个匿名函数对象。同def类似，但不提供函数名。

语法：lambda [形参1，形参2,...] : 表达式

语法说明

• lambda 只是一个表达式，它用来创建一个函数对象。
• 当lambda表达式调用时，先执行冒号后的表达式，并返回表达式的结果的引用。
• lambda 表达式创建的函数只能包含一条表达式。
• lambda 表达式比函数简单，且可以随时创建和销毁，有利于减少程序的偶合度。

把lambda函数赋值给一个变量

# 定义一个加法函数，并把值赋给变量myadd，就可以执行myadd(5, 6);
myadd = lambda x, y: x+y
print myadd(5, 6)      # 结果：11

把lambda函数赋值给其他函数

import time, datetime
time.sleep = lambda x: None      # time 库的 sleep 函数不会执行原功能;

starttime = datetime.datetime.now()
time.sleep(3)
endtime = datetime.datetime.now()
print endtime-starttime          # 结果：0:00:00

把lambda函数作为其他函数的返回值

def add(n):
    return lambda x: x+n
myadd = add(5)
print myadd(15)      # 结果：20

def add(x):
    def inner(y):
        return x+y
    return inner
myadd = add(5)
print myadd(15)      # 结果：20

把lambda函数做参数传给其它函数(map, filter, reduce)

# 利用map映射函数输出序列加工后的新序列。
print map(lambda x: x ** 2, range(1, 3))      # 结果：[1, 4]   map返回类型：<type 'list'>
def arr(x):
    return x ** 2
print map(arr, range(1, 3))                   # 结果：[1, 4]   map返回类型：<type 'list'>

# 利用filter过滤函数输出0-9的奇数；返回False时将此数据丢弃，返回True，则保留此数据
print filter(lambda x: x % 2, range(10))      # 结果：[1, 3, 5, 7, 9]   filter返回类型：<type 'list'>
def odd(x):
    return x % 2
print filter(odd, range(10))                  # 结果：[1, 3, 5, 7, 9]   filter返回类型：<type 'list'>

eval函数和exec函数

高阶函数

一个函数可以作为参数传给另外一个函数，或者一个函数的返回值为另外一个函数（若返回值为该函数本身，则为递归），满足其一则为高阶函数。

# 参数为函数，函数bar作为foo的参数传入，函数foo()为高阶函数。
def bar():
    print("in the bar..")
def foo(func):
    func()
    print("in the foo..")
foo(bar)

# 返回值为函数，函数bar作为foo的返回值，函数foo()为高阶函数。
def bar():
    print("in the bar..")
def foo(func):
    print("in the foo..")
    return func
res=foo(bar)
res()

注：函数名（例如bar 、foo）-->其为该函数的内存地址；函数名+括号（例如 bar()、foo() )-->调用该函数。

python内置的高阶函数：map、filter、sorted、reduce等

map函数

map函数接收的是两个参数，一个函数，一个序列，其功能是将序列中的值处理再依次返回至列表内。其返回值为一个迭代器对象。

def power(x):
    return x ** 2
# map函数模拟，功能与map函数一样
def map_test(func,iter):
    arr=[]
    for i in iter:
        ret=func(i)
        arr.append(ret)
    return arr.__iter__()   # 将列表转为迭代器对象

# map_test函数
print list(map_test(power,range(1,6)))        # 结果：[1, 4, 9, 16, 25]
# map函数
print list(map(power,range(1,6)))             # 结果：[1, 4, 9, 16, 25]
print list(map(lambda x: x ** 2, range(1,6))) # 结果：[1, 4, 9, 16, 25]

# map函数的参数1也可以是匿名函数、参数2也可以是字符串
print list(map_test(lambda x:x.upper(),"hello"))  # 结果：['H', 'E', 'L', 'L', 'O']
print list(map(lambda x:x.upper(),"hello"))       # 结果：['H', 'E', 'L', 'L', 'O']

# map函数的参数2也可以是多个可迭代对象
def power2(x, y):
    return x ** y
print list(map(power2,range(1,7),range(6,0,-1)))  # 结果：[1, 32, 81, 64, 25, 6]

filter函数

filter函数也是接收一个函数和一个序列的高阶函数，其主要功能是筛选过滤序列中的数据。其返回值也是迭代器对象。函数func将对iterable中的每个元素进行求值，返回False时将此数据丢弃，返回True，则保留此数据。

names=["Hello","hello","python"]
# filter函数机制，功能与filter函数一样
def filter_test(func,iter):
    arr = []
    for i in iter:
        if func(i):   # 传入的func函数其结果必须为bool值，才有意义
            arr.append(i)
    return arr

#filter_test函数
print filter_test(lambda x:x.islower(),names)   # 结果：['hello', 'python']
#filter函数
print filter(lambda x:x.islower(),names)        # 结果：['hello', 'python']

def mynum(x):
    return x % 2 == 0
list = filter(mynum,range(10))
print list      # 结果：[0, 2, 4, 6, 8]

sorted函数

作用：将原可迭代对象的数据进行排序，生成排序后的列表
格式：sorted(iterable, key = None, reverse = False)
说明：iterable：可迭代对象。key：绑定的函数，用来提供一个排序的依据。reverse 用来设置是否降序排序。默认False，从小到大。

# 按照名字进行排序，
names = [{"score":90, 'age': 99, 'name': 'lisi'},
         {"score":80, 'age': 45, 'name': 'wangwu'},
         {"score":60, 'age': 42, 'name': 'ali'},
         {"score":30, 'age': 67, 'name': 'zhaofang'}]

def paixu(dict):
    return dict["name"]
result = sorted(names,key=paixu)               # 方法一
result = sorted(names,key=lambda d:d["name"])  # 方法二
# sorted函数会把names里的值一一取出来，作为key后面的排序函数的参数。

reduce函数

reduce函数也是一个参数为函数，一个为可迭代对象的高阶函数，其返回值为一个值而不是迭代器对象，故其常用与叠加、叠乘等。
reduce把一个函数作用在一个序列[x1, x2, x3...]上，这个函数必须接收两个参数，reduce把参数计算结果继续和序列的下一个元素做累积计算，其效果就是：reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)。比方说对一个序列求和，就可以用reduce实现。

#reduce函数不是内置函数，而是在模块functools中的函数，故需要导入
from functools import reduce

nums=[1,2,3,4,5,6]
# reduce函数的机制
def reduce_test(func,array,ini=None): #ini作为基数
    if ini == None:
        ret =array.pop(0)
    else:
        ret=ini
    for i in array:
        ret=func(ret,i)
    return ret
# reduce_test函数，叠乘
print reduce_test(lambda x,y:x*y,nums,100)   # 结果：72000
# reduce函数，叠乘
print reduce(lambda x,y:x*y,nums,100)        # 结果：72000

def add(x, y):
    return x + y
print reduce(add, [1, 3, 5, 7, 9])      # 结果：25
print reduce(add, [1, 3, 5, 7, 9], 10)  # 结果：35

def func(x, y):
    return x * y
print reduce(func, [1, 3, 5])              # 结果：15
print reduce(func, [1, 3], 5)              # 结果：15
print reduce(lambda x,y:x*y,range(1,3),5)  # 结果：10

https://www.cnblogs.com/littlefivebolg/category/1223800.html