Python基础笔记：函数式编程：高阶函数、返回函数、匿名函数

高阶函数

高阶函数：一个函数可以接收另一个函数作为参数 或 一个函数可以返回一个函数作为返回值，这种函数称之为高阶函数。

#函数 add 接收 f 函数作为参数
>>> def add(x,y,f):
...     return f(x)+f(y)
...
>>> add(-5,6,abs)
11

可以把匿名函数作为返回值返回

#把匿名函数作为返回值返回
def build(x, y):
    return lambda: x * x + y * y

匿名函数

关键字 lambda 表示匿名函数，冒号前面的 x 表示函数参数

>>> list(map(lambda x:x*x,list(range(1,10))))
[1, 4, 9, 16, 25, 36, 49, 64, 81]

def f(x):
    return x*x
>>> from hello import f
>>> list(map(lambda x:x*x,list(range(1,10))))
[1, 4, 9, 16, 25, 36, 49, 64, 81]

#这两种方式等价，不过第一种代码量更少。

def f(x):
    return x*x

#等价于

lambda x:x*x

返回函数

比如我们实现一个求和函数:

def calc_sum(*args):
    ans=0
    for i in args:
        ans+=i
    return ans

但是如果不需要立刻求和，而是在后面的代码中，根据需要再计算怎么办？

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():
        ans=0
        for i in args:
            ans+=i
        return ans
    return sum

#调用
>>> L=list(range(1,11))
>>> f=lazy_sum(*L) #返回的函数并没有立刻执行，而是直到调用了f
>>> f()
55

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。

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：

>>> f1=lazy_sum(*L)
>>> f2=lazy_sum(*L)
>>> f1==f2
False

一个关于“闭包”的示例：

def count():
    fs=[]
    for i in range(1,4): #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
        def f():
            return i*i
        fs.append(f)
    return fs

#调用
>>> f1,f2,f3=count()
>>> f1()
9
>>> f2()
9
>>> f3()
9

怎么都是9 ？！

原因在于返回的函数引用了变量 i ，但它并非立刻执行。等到三个函数都返回时，它们所引用的变量 i 已经变成了 3，因此最终结果为9......

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(1,4):
        def f(i):
            def g():
                return i*i
            return g
        fs.append(f(i))
    return fs

#调用
>>> from hello import count
>>> f1,f2,f3=count()
>>> f1()
1
>>> f2()
4
>>> f3()
9

利用 lambda 函数简化：

def count():
    fs=[]
    for i in range(1,4):
        def f(i):
            return lambda :i*i
        fs.append(f(i))
    return fs

练习：利用闭包返回一个计数器函数，每次调用它返回递增整数

def count_num():
    f=[0]
    def count():
        f[0]=f[0]+1
        return f[0]
    return count

>>> from hello import count_num
>>> f=count_num()
>>> f()
1
>>> f()
2
>>> f()
3
>>>

高阶函数——map

map() 函数接收两个参数，一个是函数，一个是Iterable , map将闯入的函数一次作用到序列的每个元素，并把结果作为新的 Iterator 返回

用 map 实现把一个函数 f(x)=x*x ，作用在一个 list 上后的结果输出：

>>> L=range(1,11)
>>> L=list(range(1,11))
>>> r=map(lambda x:x*x,L)
>>> list(r)
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

高阶函数——reduce

reduce() 函数是接受两个参数，把一个函数最用在一个序列上，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)

用reduce 实现序列求和

>>> from functools import reduce #使用reduce函数需先import
>>> L=list(range(1,11))
>>> reduce(lambda x,y:x+y,L)
55

用reduce 实现把一个整数序列变成整数

>>> L=list(range(1,10))
>>> reduce(lambda x,y:x*10+y,L)
123456789

用reduce + map 实现str 转换为 int 的函数

>>> def char_num(c):
...     digits={'':0,'':1,'':2,'':3,'':4,'':5,'':6,'':7,'':8,'':9}
...     return digits[c]
...
>>> reduce(lambda x,y :x*10+y,list(map(char_num,'')))
13654

python 有内置的str 与int 互化的函数

>>> str(4515)
''
>>> int('')
5252

练习：利用map()函数，把用户输入的不规范的英文名字，变为首字母大写，其他小写的规范名字。输入：['adam', 'LISA', 'barT']，输出：['Adam', 'Lisa', 'Bart']：