[Python] Python中的一些特殊函数

1. 过滤函数filter

　　定义：filter 函数的功能相当于过滤器。调用一个布尔函数bool_func来迭代遍历每个列表中的元素；返回一个使bool_func返回值为true的元素的序列。

a=[0,1,2,3,4,5,6,7]
b=filter(None, a)
print b

　　输出结果：[1, 2, 3, 4, 5, 6, 7]

2. 映射和归并函数map/reduce

　　这里说的map和reduce是Python的内置函数，不是Goggle的MapReduce架构。

　　2.1 map函数

　　map函数的格式：map( func, seq1[, seq2...] )

　　Python函数式编程中的map()函数是将func作用于列表中的每一个元素，并用一个列表给出返回值。如果func为None，作用等同于一个zip()函数。

　　下图是当列表只有一个的时候，map函数的工作原理图：

　　举个简单的例子：将列表中的元素全部转换为None。

map(lambda x : None,[1,2,3,4]) 

　　输出：[None,None,None,None]。

　　当列表有多个时，map()函数的工作原理图：

　　也就是说每个seq的同一位置的元素在执行过一个多元的func函数之后，得到一个返回值，这些返回值放在一个结果列表中。

　　下面的例子是求两个列表对应元素的积，可以想象，这是一种可能会经常出现的状况，而如果不是用map的话，就要使用一个for循环，依次对每个位置执行该函数。

print map( lambda x, y: x * y, [1, 2, 3], [4, 5, 6] )  # [4, 10, 18]

　　上面是返回值是一个值的情况，实际上也可以是一个元组。下面的代码不止实现了乘法，也实现了加法，并把积与和放在一个元组中。

print map( lambda x, y: ( x * y, x + y), [1, 2, 3], [4, 5, 6] )  # [(4, 5), (10, 7), (18, 9)]

　　还有就是上面说的func是None的情况，它的目的是将多个列表相同位置的元素归并到一个元组，在现在已经有了专用的函数zip()了。

print map( None, [1, 2, 3], [4, 5, 6] )  # [(1, 4), (2, 5), (3, 6)]
print zip( [1, 2, 3], [4, 5, 6] )  # [(1, 4), (2, 5), (3, 6)]

　　注意：不同长度的多个seq是无法执行map函数的，会出现类型错误。

　　2.2 reduce函数

　　reduce函数格式：reduce(func, seq[, init]).


　　reduce函数即为化简，它是这样一个过程：每次迭代，将上一次的迭代结果（第一次时为init的元素，如没有init则为seq的第一个元素）与下一个元素一同执行一个二元的func函数。在reduce函数中，init是可选的，如果使用，则作为第一次迭代的第一个元素使用。

　　简单来说，可以用这样一个形象化的式子来说明：

　　reduce(func, [1,2,3])=func(func(1,2), 3)


　　reduce函数的工作原理图如下所示：

　　举个例子来说，阶乘是一个常见的数学方法，Python中并没有给出一个阶乘的内建函数，我们可以使用reduce实现一个阶乘的代码。

n = 5
print reduce(lambda x, y: x * y, range(1, n + 1))  #

　　那么，如果我们希望得到2倍阶乘的值呢？这就可以用到init这个可选参数了。

m = 2
n = 5
print reduce( lambda x, y: x * y, range( 1, n + 1 ), m )  #

3. 装饰器@

　　3.1 什么是装饰器（函数）？

　　定义：装饰器就是一函数，用来包装函数的函数，用来修饰原函数，将其重新赋值给原来的标识符，并永久的丧失原函数的引用。

　　3.2 装饰器的用法

　　先举一个简单的装饰器的例子：

#-*- coding: UTF-8 -*-
import time

def foo():
    print 'in foo()'

# 定义一个计时器，传入一个，并返回另一个附加了计时功能的方法
def timeit(func):

    # 定义一个内嵌的包装函数，给传入的函数加上计时功能的包装
    def wrapper():
        start = time.clock()
        func()
        end =time.clock()
        print 'used:', end - start

    # 将包装后的函数返回
    return wrapper

foo = timeit(foo)
foo()

　　输出：

in foo()
used: 2.38917518359e-05

　　python中专门为装饰器提供了一个@符号的语法糖，用来简化上面的代码，他们的作用一样。上述的代码还可以写成这样（装饰器专有的写法，注意符号“@”）：

#-*- coding: UTF-8 -*-
import time

# 定义一个计时器，传入一个，并返回另一个附加了计时功能的方法
def timeit(func):

    # 定义一个内嵌的包装函数，给传入的函数加上计时功能的包装
    def wrapper():
        start = time.clock()
        func()
        end =time.clock()
        print 'used:', end - start

    # 将包装后的函数返回
    return wrapper

@timeit
def foo():
    print 'in foo()'

#foo = timeit(foo)
foo()

　　其实对装饰器的理解，我们可以根据它的名字来进行，主要有三点：

　  1）首先装饰器的特点是，它将函数名作为输入（这说明装饰器是一个高阶函数）；

　  2）通过装饰器内部的语法将原来的函数进行加工，然后返回；

　  3）原函数通过装饰器后被赋予新的功能，新函数覆盖原函数，以后再调用原函数，将会起到新的作用。

　　说白了，装饰器就相当于是一个函数加工厂，可以将函数进行再加工，赋予其新的功能。

　　装饰器的嵌套：

#!/usr/bin/python
# -*- coding: utf-8 -*-
def makebold(fn):
    def wrapped():
        return "<b>" + fn() + "</b>"
    return wrapped
def makeitalic(fn):
    def wrapped():
        return "<i>" + fn() + "</i>"
    return wrapped
@makebold
@makeitalic
def hello():
    return "hello world"
print hello()

　　输出结果：

<b><i>hello world</i></b>

　　为什么是这个结果呢？
　　1）首先hello函数经过makeitalic 函数的装饰，变成了这个结果<i>hello
world</i>
　　2）然后再经过makebold函数的装饰，变成了<b><i>hello
world</i></b>，这个理解起来很简单。

4. 匿名函数lamda

　　4.1 什么是匿名函数？

　　在Python,有两种函数，一种是def定义，一种是lambda函数。

　　定义：顾名思义，即没有函数名的函数。Lambda表达式是Python中一类特殊的定义函数的形式，使用它可以定义一个匿名函数。与其它语言不同，Python的Lambda表达式的函数体只能有唯一的一条语句，也就是返回值表达式语句。

　　4.2 匿名函数的用法

　　lambda的一般形式是关键字lambda，之后是一个或者多个参数，紧跟的是一个冒号，之后是一个表达式：

lambda argument1 argument2 ... :expression using arguments

　　lambda是一个表达式，而不是一个语句。

　　lambda主体是一个单一的表达式，而不是一个代码块。

　　举一个简单的例子，假如要求两个数之和，用普通函数或匿名函数如下:
　　1）普通函数： def func(x,y):return x+y
　　2）匿名函数： lambda x,y: x+y

　　再举一例：对于一个列表，要求只能包含大于3的元素。

　　1）常规方法：

L1 = [1,2,3,4,5]
L2 = []
for i in L1:
    if i>3:
        L2.append(i)

　　2）函数式编程实现: 运用filter，给其一个判断条件即可

def func(x): return x>3
filter(func,[1,2,3,4,5])

　　3）运用匿名函数，则更加精简,一行就可以了:

filter(lambda x:x>3,[1,2,3,4,5])

　　总结: 从中可以看出，lambda一般应用于函数式编程，代码简洁，常和reduce,filter等函数结合使用。此外，在lambda函数中不能有return，其实“:”后面就是返回值。

　　为什么要用匿名函数? 

　　1） 使用Python写一些执行脚本时，使用lambda可以省去定义函数的过程，让代码更加精简。

　　2） 对于一些抽象的，不会别的地方再复用的函数，有时候给函数起个名字也是个难题，使用lambda不需要考虑命名的问题。

　　3） 使用lambda在某些时候让代码更容易理解。

　　匿名函数的一个典型用法：

　　用List的内建函数list.sort进行排序：

　　list.sort(func=None, key=None, reverse=False)

% 排序
L = [2,3,1,4]
L.sort()
L
[1,2,3,4]
% 逆序排序
L = [2,3,1,4]
L.sort(reverse=True)
L
[4,3,2,1]

　　对list的某一列进行排序有两种方法，一种是自己定义排序方法，取代默认的func；另一种是修改key。这两种方法均可结束匿名函数来简洁的实现。

　　使用匿名函数对list数据第二列进行排序（自定义排序逻辑，相当于修改func参数，参数x,y表示不属于同一行）：

L = [('b',6),('a',1),('c',3),('d',4)]
L.sort(lambda x,y:cmp(x[1],y[1]))
L
[('a', 1), ('c', 3), ('d', 4), ('b', 6)]

　　第二种方法（使用key参数，对每一行的第二列排序）：

L = [('b',6),('a',1),('c',3),('d',4)]
L.sort(key=lambda x:x[1])
L
[('a', 1), ('c', 3), ('d', 4), ('b', 6)]

　　使用匿名函数先对第二列进行排序，在对第一列进行排序（先对某一行的第2列进行排序，再对第1列进行排序）：

L = [('d',2),('a',4),('b',3),('c',2)]
L.sort(key=lambda x:(x[1],x[0]))
L
[('c', 2), ('d', 2), ('b', 3), ('a', 4)]