详谈Python的高级特性、函数式编程、高阶函数

短命女 2022-04-22 11:02 162阅读 0赞

# 1、什么是Python的高级特性？ #

这个问题对于许多正在学习Python的小伙伴来说可能会很疑惑？很多人知道这个名词，但不知道这玩意到底是什么。其实，Python作为一门高级语言它有许多的内置函数，运用这些函数可以很方便的完成一些功能，而这些特性，笼统的可称为Python的高级特性。简单地说Python的高级特性就是一些Python函数的高级用法。

## （1）集合的推导式 ##

*  列表推导式，使用一句表达式构造一个新列表，可包含过滤、转换等操作。

a = [i for i in range(100) if i % 2 == 0]  #100以内所有偶数的列表

*  字典推导式，使用一句表达式构造一个新列表，可包含过滤、转换等操作。

b = {key: value for key, value in enumerate(reversed(range(100)))}

*  集合推导式

d = {i for i in range(100)}

# 3、函数式编程 #

*  函数本身可以赋值给变量，赋值后变量为函数；
 *  允许将函数本身作为参数传入另一个函数；
 *  允许返回一个函数。

函数式编程的特点

*  把计算视为函数而非指令
 *  纯函数式编程，不需要变量
 *  支持高阶函数，代码简洁

python支持的函数式编程

*  不是纯函数式编码：允许有变量
 *  支持高阶函数：函数也可以作为变量传入
 *  支持闭包：有了闭包就能返回函数
 *  有限度地支持匿名函数

# 2、高阶函数 #

*  变量可以是指向函数
 *  函数的参数可以接收变量
 *  一个函数可以接收另一个函数作为参数
 *  能接收函数作为参数的函数就是高阶函数

#函数作为参数示例
    def add(x,y,f):
    　　return f(x)+f(y)
    add(-5,9,abs)    #abs()求绝对值

根据函数的定义，函数执行的代码实际上是：

abs(-5) + abs(9)

由于参数 x, y 和 f 都可以任意传入，如果 f 传入其他函数，就可以得到不同的返回值。

## （1）map函数 ##

map()是 Python 内置的高阶函数，它接收一个函数 f 和一个 list，并通过把函数 f 依次作用在 list 的每个元素上，得到一个新的 list 并返回。

def f(x):
        return x*x
    print (map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9]))

如：使用map()函数将函数f(x)和list传入，就会对list的每个值计算平方，返回结果：\[1, 4, 9, 10, 25, 36, 49, 64, 81\]

注意：map()函数不改变原有的 list，而是返回一个新的 list。

利用map()函数，可以把一个 list 转换为另一个 list，只需要传入转换函数。

由于list包含的元素可以是任何类型，因此，map() 不仅仅可以处理只包含数值的 list，事实上它可以处理包含任意类型的 list，只要传入的函数f()可以处理这种数据类型.

## (2)**reduce函数** ##

reduce()函数也是Python内置的一个高阶函数。reduce()函数接收的参数和 map()类似，一个函数 f，一个list，但行为和 map()不同，reduce()传入的函数 f 必须接收两个参数，reduce()对list的每个元素反复调用函数f，并返回最终结果值。

例如，编写一个f函数，接收x和y，返回x和y的和：

def f(x, y):
        return x + y

调用 reduce(f, \[1, 3, 5, 7, 9\])时，reduce函数将做如下计算：

先计算头两个元素：f(1, 3)，结果为4；  
再把结果和第3个元素计算：f(4, 5)，结果为9；  
再把结果和第4个元素计算：f(9, 7)，结果为16；  
再把结果和第5个元素计算：f(16, 9)，结果为25；  
由于没有更多的元素了，计算结束，返回结果25。

上述计算实际上是对 list 的所有元素求和。虽然Python内置了求和函数sum()，但是，利用reduce()求和也很简单。

reduce()还可以接收第3个可选参数，作为计算的初始值。如果把初始值设为100，计算：

reduce(f, [1, 3, 5, 7, 9], 100)

结果将变为125，因为第一轮计算是：

计算初始值和第一个元素：f(100, 1)，结果为101。

注意：在python3.x后的版本中，reduce函数被划归到的functools库，因此使用reduce函数之前必须先引入functools库

## (3)**filter()函数** ##

filter()函数是 Python 内置的另一个有用的高阶函数，filter()函数接收一个函数 f 和一个list，这个函数 f 的作用是对每个元素进行判断，返回 True或 False，filter()根据判断结果自动过滤掉不符合条件的元素，返回由符合条件元素组成的新list。

例如，要从一个list \[1, 4, 6, 7, 9, 12, 17\]中删除偶数，保留奇数，首先，要编写一个判断奇数的函数：

def is_odd(x): 
        return x % 2 == 1

然后，利用filter()过滤掉偶数：

filter(is_odd, [1, 4, 6, 7, 9, 12, 17])

结果：\[1, 7, 9, 17\]

利用filter()，可以完成很多有用的功能，例如，删除 None 或者空字符串：

def is_not_empty(s): 
        return s and len(s.strip()) > 0 
    filter(is_not_empty, ['test', None, '', 'str', ' ', 'END'])

结果：\['test', 'str', 'END'\]

注意: s.strip(rm) 删除 s 字符串中开头、结尾处的 rm 序列的字符

## 闭包 ##

![20181106150342919.png][]

内层函数引用了外层函数的变量（参数也算变量），然后返回内层函数，这种情况称之为**闭包。**如果在一个内部函数里，对在外部作用域（但不是在全局作用域）的变量进行引用，那么内部函数就被认为是闭包

**闭包的特点**是返回的函数还引用了外层函数的局部变量，所以，要正确使用闭包，就要确保引用的局部变量在函数返回后不能变。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjc5OTY0_size_16_color_FFFFFF_t_70][]

你可能认为调用f1()，f2()和f3()结果应该是1，4，9，但实际结果全部都是 9（请自己动手验证）。

原因就是当count()函数返回了3个函数时，这3个函数所引用的变量 i 的值已经变成了3。由于f1、f2、f3并没有被调用，所以，此时他们并未计算 i\*i，当 f1 被调用时才计算i\*i.

因此，返回函数不要引用任何循环变量，或者后续会发生变化的变量。

## 装饰器 ##

python装饰器就是用于**拓展原来函数功能的一种函数**，这个函数的特殊之处在于它的返回值也是一个函数，使用python装饰器的好处就是在不用更改原函数的代码前提下给函数增加新的功能。

通过高阶函数返回新函数，通过接收一个函数，内部对其包装，然后返回一个新函数，这样子动态的增强函数功能。

通过高阶函数传递函数参数，新函数添加旧函数的需求，然后执行旧函数。

装饰器作用：可以极大简化代码，避免每个函数编写重复性的代码

(1)、打印日志：@log    (2)、检测性能：@performance

(3)、数据库事务：@transaction   (4)、URL路由：@post('/register')

定义装饰器函数三步走：

(1)、定义自己先要执行的函数

（2）![20181106150546298.png][]

(3)、装饰器进行修饰

## 匿名函数 ##

高阶函数可以接收函数做参数，有些时候，我们不需要显式地定义函数，直接传入匿名函数更方便。

在Python中，对匿名函数提供了有限支持。还是以map()函数为例，计算 f(x)=x2 时，除了定义一个f(x)的函数外，还可以直接传入匿名函数：

map(lambda x: x \* x, \[1, 2, 3, 4, 5, 6, 7, 8, 9\])

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

通过对比可以看出，匿名函数 lambda x: x \* x 实际上就是：

def f(x):

return x \* x

关键字lambda 表示匿名函数，冒号前面的 x 表示函数参数。

匿名函数有个限制，就是只能有一个表达式，不写return，返回值就是该表达式的结果。

[20181106150342919.png]: /images/20220422/466a94e2b24f4c2e9df6d27411c21d7e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjc5OTY0_size_16_color_FFFFFF_t_70]: /images/20220422/e9d8b92ef66c46799b068f8059fb9153.png
[20181106150546298.png]: /images/20220422/a3c0e162ccd34fe888f91a6d4ab9932b.png