Python-函数式编程-map reduce filter lambda 三元表达式 闭包

lambda

　　匿名函数，核心是作为算子，处理逻辑只有一行但具有函数的特性，核心用于函数式编程中

三元运算符

　　其实本质上是if分支的简化版，满足条件返回 if 前面的值，不满足条件返回 else后面的值

# 100 < 100 返回 False， 则 返回 else后面的值
value = 100 if 100 < 100 else 10
print(value)

　　

map

　　映射函数(依次把可迭代对象(可多个)中的值依次传递到函数中，然后返回生成器(长度以最短的为基础))

numbers = [1, 2, 3, 4]
names = ['bei_men_chui_xue', 'qi_niu_yun']

numbers = map(lambda value: value + 1, numbers)
students = map(lambda value: value.upper(), names)

print(list(numbers))
print(list(students))

　　

reduce

　　减少函数(连续计算，处理函数中第一个值是上一次函数执行的返回结果，第二个值是依次从迭代对象中的值，传递完则返回最后函数执行的结果)

from random import randint
from functools import reduce

numbers = [randint(-10, 10) for _ in range(10)]
print(numbers)
print(sum(numbers))
numbers_sum = reduce(lambda one, two: one + two, numbers)
print(numbers_sum)

　　

filter

　　依次依顺序把可迭代对象传入一个函数，获取函数返回为True的值，变成生成器

from random import randint

numbers = [randint(-10, 10) for _ in range(10)]
print(numbers)

# 取大于等于0 的整数
result = filter(lambda value: value >= 0, numbers)
print(list(result))

　

闭包

　　函数 + 环境变量(放在上层函数, 上层函数没有任何参数，则不能形成闭包) (不再受外层函数之外的任何参数影响)

　　闭包架构 函数内再定义一个函数，外层函数返回内层函数名，内层函数需要引用外层函数变量

　　闭包意义：函数调用的现场(上层函数的变量)保存了起来， 通过 nonlocal 声明不是当前函数局部变量，进行现场变量的修改

　　闭包是装饰器实现的原理，所有的闭包问题都可以通过面向对象类的方式解决，选择简单实现的额方法

def is_jpg(name):
    """判断文件的后缀名是是不是jpg,如果不是则添加上jpg"""
    def wrapper(filename):
        if filename.endswith(name):
            return filename
        else:
            return filename + name
    return wrapper

if __name__ == '__main__':
    f = is_jpg('.jpg')
    print(f('beimenchuixue.txt'))
    print(f('beimenchuixue.jpg'))

　　

经验：

　　1. 三元运算符其实本质上是if分支的简写逻辑

　　2. 经常使用的是命令是编程，命令式编程包含流程控制、函数、分支、循环，函数式编程包括map reduce filter lambda，理论上可以替换所有命令式编程

　　3. 命令式编程可以使用函数式编程简化代码逻辑

　　4. 函数闭包，本质上保留了上层函数的变量