真锋
永远保持一颗学习和专注的心
嵌入式视觉笔记

Python3 函数式编程

函数式编程

  • 函数式编程是一种抽象程度很高的编程范式,纯粹的函数式编程语言编写的函数没有变量,因此任意一个函数,只要输入是确定的,输出就是确定的。
  • 函数式编程的一个特点就是,允许把函数本身作为参数传入另一个函数,还允许返回一个函数!
  • Python 对函数式编程提供部分支持。由于 Python 允许使用变量,因此,Python 不是纯函数式编程语言!

函数是第一类对象

所谓第一类对象,意思是可以用标识符给对象命名,并且对象可以被当作数据处理,例如赋值、作为参数传递给函数,或者作为返回值return等。

高阶函数

高阶函数(Higher-order function),由于在 Python 中,变量可以指向函数,函数的参数能接收变量,那么一个函数就可以接受另一个函数作为参数。接收其他函数作为参数的函数称之为高阶函数。一个简单例子如下:

def add(x, y, f=abs):  # abs作为内建函数BIF,不带括号时直接将函数本身赋值给变量
    return f(x) + f(y)
add(5.6, 7.9)  # 输出13.5

其他好多语言是无法直接传递函数作为参数到另外一个函数,要用到函数指针,而 Python 可以直接传递一个函数进来。

常用内建高阶函数

  • python 内建 map()/reduce() 函数
  • 内建 filter() 函数用于过滤序列
  • sorted() 函数用于排序
  • 返回函数,函数作为返回值,比如闭包
  • 匿名函数,不需要显示地定义函数, lambda 表达式构建匿名函数
  • 装饰器,函数嵌套函数,装饰器的功能在于代码运行期间动态增加函数功能
  • 偏函数,用于固定住原函数的部分参数,从而在调用时更简单

满足以下两点任意一点的函数,就称之为高阶函数

  • 参数是函数。
  • 返回值是函数。

map

map函数接收两个参数,一个是函数,一个是可迭代对象(Iterable),map 将传入的函数依次作用到序列的每个元素,并把结果作为一个新的 Iterator 返回

  • 可以直接作用于 for 循环的对象统统称为可迭代对象:Iterable
  • 可以被 next() 函数调用并不断返回下一个值的对象称为迭代器:Iterator
  • 生成器都是 Iterator 对象,但 list、 dict、 str 虽然是 Iterable,却不是Iterator。

Python 的 Iterator 对象表示的是一个数据流, Iterator 对象可以被 next() 函数调用并不断返回下一个数据,直到没有数据时抛出 StopIteration 错误。可以把这个数据流看做是一个有序序列,但我们却不能提前知道序列的长度,只能不断通过 next() 函数实现按需计算下一个数据,所以 Iterator 的计算是惰性的,只有在需要返回下一个数据时 
它才会计算。 

代码实例如下:

list(map(str, [ 1, 3, 5, 7, 9])) # 输出 ['1', '3', '5', '7', '9']

reduce

reduce把一个函数(这个函数必须要可以接收两个参数)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,效果等同于:reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3),x4)。 
实例代码如下:

from functools import deduce
def fn(x,y):
    return x*10+y
reduce(fn, [1, 3, 5, 8])  # 输出1358

mapreduce函数结合使用,构建 str2int 函数(字符串转为整数),代码如下:

from functools import reduce
def str2int(s):
    def add(x, y):
        return x*10 + y
    def char2num(s):
        return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]
    return reduce(add, map(char2num, s))
str2int('2323') # 输出2323

filter

python 内建的 filter()函数用于过滤序列。 和 mapreduce 函数类似,filter() 函数也接收一个函数和一个序列。和 map() 不同的时,filter() 把传入的函数依次作用于每个元素,然后根据返回值是 True (1) 还是 False (0) 决定保留还是丢弃该元素。 代码实例如下:

def is_odd(n):
    return n % 2 == 1
list(filter(is_odd, [1, 3, 8, 9, 11]))  # 输出[1, 3, 9, 11]

用filter方法求素数

代码使用的算法是埃氏筛法,算法理解起来非常简单,原理如下:

首先,列出从 2 开始的所有自然数,构造一个序列: 
2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, … 
取序列的第一个数 2,它一定是素数,然后用 2 把序列的 2 的倍数筛掉: 
3, , 5, , 7, , 9, , 11, , 13, , 15, , 17, , 19, , … 
取新序列的第一个数 3,它一定是素数,然后用 3 把序列的 3 的倍数筛掉: 
5, , 7, , , , 11, , 13, , , , 17, , 19, , … 
不断筛下去,就可以得到所有的素数。

程序如下:

# 定义一个从3开始的奇数生成器,
def _odd_iter():
    n = 1
    while True:
        n = n + 2
        yield n
# 定义一个筛选函数
def _not_divisible(n):
    return lambda x: x % n > 0
# 定义一个生成器,不断返回下一个素数
def primes():
    yield 2
    it = _odd_iter() # 初始序列
    while True:
        n = next(it) # 返回序列的第一个数
        yield n
        it = filter(_not_divisible(n), it) # 构造新序列
# 打印 1000 以内的素数:
for n in primes():
    if n < 1000:
        print(n)
    else:
        break

程序输出如下:





11 
13 
17 
19 
….. 
997

注意:filter() 函数返回的是一个 Iterator,也就是一个惰性序列,所以要强迫 filter() 完成计算结果,需要用 list() 函数获得所有结果并返回 list。

filter小结

filter() 的作用是从一个序列中筛出符合条件的元素。由于 filter() 使用了惰性计算,所以只有在取 filter() 结果的时候,才会真正筛选并每次返回下一个筛出的元素。

返回函数

一个函数可以返回一个计算结果,也可以返回一个函数,可以返回函数的函数称为返回函数(有点绕)。返回函数的实例代码如下:

def lazy_sum(*args):
    def squre_sum():
        ax = 0
        for n in args:
            ax = ax + n*n
        return ax
    return squre_sum

调用lazy_sum()时,返回的不是求平方和结果(变量),而是求平方和函数,调用函数f时,才真正计算求平方和的结果,如下所示: 

在这个实例中,内部函数squre_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squre_sum时,相关参数和变量都保存在返回的函数中,这种称为闭包返回函数利用到闭包的特性

闭包

闭包(closure)是函数式编程的重要的语法结构。函数式编程是一种编程范式 (而面向过程编程和面向对象编程也都是编程范式)。在面向过程编程中,我们见到过函数(function);在面向对象编程中,我们见过对象(object)。函数和对象的根本目的是以某种逻辑方式组织代码,并提高代码的可重复使用性(reusability)。闭包也是一种组织代码的结构,它同样提高了代码的可重复使用性。

一个函数和它的环境变量合在一起,就构成了一个闭包 (closure)。在 Python 中,所谓的闭包是一个包含有环境变量取值的函数对象。环境变量取值被保存在函数对象的 closure 属性中。我的对闭包的理解,闭包可以实现函数和函数之外变量(环境变量)的打包。闭包实例代码如下:

def line_conf():
    b = 15 # environment variable
    def line(x):
        return 2*x+b
    return line # return a function object
b = 5
my_line = line_conf()
print(my_line.__closure__)
print(my_line.__closure__[0].cell_contents)

程序输出如下:

( <cell at 0x7fe327569948: int object at 0x55f2f30b05e0>, )
15

匿名函数(lambda)

  • 只能写在一行上。
  • 前面是参数,后面是表达式。表达式作为返回值。

匿名函数如何使用

  • 匿名函数通常和高阶函数配合使用,作为参数传入,或者作为返回值返回
  • 一些短小的函数,我们就可以写匿名函数,而不用写好几行代码,一行匿名函数就够了。

装饰器

想要动态给函数添加功能时,我们要用到装饰器的知识,装饰器decotrator本质上就是一个返回函数的高阶函数,实例如下:

def log(func):
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper 
@log
def now():
    print('2020-11-2') 

调用 now()函数,不仅会运行 now()函数本身,还会在运行 now()函数前,打印一行装饰器函数输出的日志,如下:

>>> now() 
call now(): 
2020-11-2

装饰器总结

在面向对象(OOP)的设计模式中, decorator 被称为装饰模式。** OOP的装饰模式需要通过继承和组合来实现**,而 Python 除了能支持 OOP 的decorator 外,直接从语法层次支持 decorator。 Python 的 decorator 可以用函数实现,也可以用类实现。

参考资料

《python3教程》-廖雪峰
高阶函数、闭包、偏函数、柯里化、匿名函数
Python深入04 闭包

赞赏

发表评论

textsms
account_circle
email

嵌入式视觉笔记

Python3 函数式编程
函数式编程 函数式编程是一种抽象程度很高的编程范式,纯粹的函数式编程语言编写的函数没有变量,因此任意一个函数,只要输入是确定的,输出就是确定的。函数式编程的一个特点就是,允…
扫描二维码继续阅读
2019-06-20