Python基础——4高阶函数

高阶函数

函数本身可用变量指向，把变量当做函数参数的函数成为高阶函数

map and reduce

map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回。

举例说明，比如我们有一个函数f(x)=x2，要把这个函数作用在一个list [1, 2, 3, 4, 5, 6, 7, 8, 9]上，就可以用map()实现如下：

>>> def f(x):

...     return x * x

...

>>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])

>>> list(r)

[1, 4, 9, 16, 25, 36, 49, 64, 81]

map()传入的第一个参数是f，即函数对象本身。由于结果r是一个Iterator，Iterator是惰性序列，因此通过list()函数让它把整个序列都计算出来并返回一个list。

再看reduce的用法。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：

>>> from functools import reduce

>>> def add(x, y):

...     return x + y

...

>>> reduce(add, [1, 3, 5, 7, 9])

filter

根据函数的返回结果True or False对list等进行筛选，结果是一个Iterator

例：选出偶素

def odd()

    n = 1

    yield n

    n = n + 1

def chu()

    return lambda x : x%2 > 0  # lambda关键字，匿名函数

def oushu()

    n = odd()

    while True:

    t = next(n)

    output = filter(chu,n)

print(list(output))

sorted

排序函数

L=[15,-5,6,-89,100]

sorted(L)

[-89,-5,6,15,100]

sorted(L,key=abs)

[-5,6,15,-89,100]

sorted(L,key=abs, reverse = True)

[100,-89,15,6,-5]

字符串排序是根据ASCLL码大小排序

返回函数

return 返回一个函数值

当把函数计算结果不是立即返回，在调用的时候返回，可用到返回函数。

返回函数里边不要有循环变量

例子：

def count():

    fs = []

    for i in range(1, 4):

        def f():

             return i*i

        fs.append(f)

    return fs

f1, f2, f3 = count()

>>> f1()

9

>>> f2()

9

>>> f3()

9

如果用到循环变量，就把变量当做参数传进去：

def count():

    def f(j):

        def g():

            return j*j

        return g

    fs = []

    for i in range(1, 4):

        fs.append(f(i)) # f(i)立刻被执行，因此i的当前值被传入f()

    return fs

计数器函数：

def createCounter :

    a = 0

    def counter:

        nonlocal a    #nonlocal关键字用来在函数或其他作用域中使用外层(非全局)变量。

        a = a + 1

        return a

    return counter

匿名函数

可以当做函数返回，可以用变量指向函数

f = lambda x: x*x

def lambda(x):

   return x*x

装饰器（修饰函数）

修饰函数可以看做是返回函数的一种，目的是在函数的执行前或函数执行后先进行相关的处理操作(函数运行期间动态添加功能的成为装饰器)，添加在定义函数的前面，实现装饰作用。

例如：

计算函数的执行时间

import time funtools

def log(text)

def decorator(fnc):

    @functools.wraps(fnc)

        def wrapper(*args,**kw):

           start  = time.time()

            func = fnc(*args,**kw)

            end = time.time()

            print(%s : %s excuted in %s ms %(text,func_name_,(start - end)*1000))

            return func

        return wrapper

    return decorator

偏函数

固定住某些函数的参数，使函数调用更加方便

例子：

import functools

int 2 = functools.partial(int,base = 2)

max 2 = functools.partial(max,10)

max 2(5,6,7) = 10