函数式编程

高阶函数

能接受函数作为参数的函数

import math
def add(x, y, f):
    return f(x) + f(y)
print add(25, 9, math.sqrt)

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 format_name(s):
    return s[0].upper()+s[1:].lower()
        
print map(format_name, ['adam', 'LISA', 'barT'])

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：
1
2
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。

1
2
3

def prod(x, y):
    return x*y
print reduce(prod, [2, 4, 5, 7, 12])

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。

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：

1
2
3

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

s.strip(rm) 删除 s 字符串中开头、结尾处的 rm 序列的字符。
当rm为空时，默认删除空白符（包括’\n’, ‘\r’, ‘\t’, ‘ ‘)

import math
def is_sqr(x):
    return (int)(math.sqrt(x))*(int)(math.sqrt(x))==x
print filter(is_sqr, range(1, 101))

Sort函数

sorted()也是一个高阶函数，它可以接收一个比较函数来实现自定义排序，比较函数的定义是，传入两个待比较的元素 x, y，如果 x 应该排在 y 的前面，返回 -1，如果 x 应该排在 y 的后面，返回 1。如果 x 和 y 相等，返回 0。

def cmp_ignore_case(s1, s2):
    if s1.lower()>s2.lower():
        return 1
    elif s1.lower()<s2.lower():
        return -1
    else:
        return 0
print sorted(['bob', 'about', 'Zoo', 'Credit'], cmp_ignore_case)

返回函数

定义一个函数 f()，我们让它返回一个函数 g，可以这样写：
对返回的函数进行调用时，才计算出结果:

def f():
    print 'call f()...'
    # 定义函数g:
    def g():
        print 'call g()...'
    # 返回函数g:
    return g

def calc_prod(lst):
    def k(a,b):
        return a*b
    def mul():
        return reduce(k,lst)
    return mul
f = calc_prod([1, 2, 3, 4])
print f()

闭包

内层函数引用了外层函数的变量（参数也算变量），然后返回内层函数的情况，称为闭包（Closure）。
注意下面两段代码的差异

def count():
    fs = []
    for i in range(1, 4):
        def f(j):
            def g():
                return j*j
            return g
        r=f(i)
        fs.append(r)
    return fs
	
f1, f2, f3 = count()
print f1(), f2(), f3()

def count():
    fs = []
    for i in range(1, 4):
        def f():
             return i*i
        fs.append(f)
    return fs
f1, f2, f3 = count()

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。
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

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

装饰器

Python的 decorator 本质上就是一个高阶函数，它接收一个函数作为参数，然后，返回一个新函数。
@log
@performance

import time
def performance(f):
    def fn(*args,**kw):
        t1 = time.time()
        r = f(*args,**kw)
        t2 = time.time()
        print 'call %s() in %fs' % (f.__name__,(t2-t1))
        return r
    return fn 
@performance
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))
print factorial(10)

三层装饰器
 装饰器属性覆盖

偏函数

functools.partial就是帮助我们创建一个偏函数的，不需要我们自己定义int2()，可以直接使用下面的代码创建一个新的函数int2：

1
2
3

import functools
int2 = functools.partial(int, base=2)
int2('10000')

模块和包

包就是目录（文件夹），但是目录下一定要有”init.py“识别文件

导入模块

Python使用import语句导入一个模块。例如，导入系统自带的模块 math。
import math
导入用到的math模块的某几个函数，而不是所有函数，可以用下面的语句：

from math import pow, sin
rom math import log
from logging import log as logger   # logging的log现在变成了logger
print log(10)   # 调用的是math的log
logger(10, 'import from logging')   # 调用的是logging的log

动态导入

try 的作用是捕获错误，并在捕获到指定错误时执行 except 语句。
这是因为Python是动态语言，解释执行，因此Python代码运行速度慢。
如果要提高Python代码的运行速度，最简单的方法是把某些关键函数用 C 语言重写，这样就能大大提高执行速度。
同样的功能，StringIO 是纯Python代码编写的，而 cStringIO 部分函数是 C 写的，因此 cStringIO 运行速度更快。

try:
    from cStringIO import StringIO
except ImportError:
    from StringIO import StringIO

前瞻兼容借口

Python的新版本会引入新的功能，但是，实际上这些功能在上一个老版本中就已经存在了。要“试用”某一新的特性，就可以通过导入future模块的某些功能来实现。

1
2
3

from __future__ import division
print 10 / 3
print 10//3

安装第三方模块

easy_install
pip (推荐，py2.7.9以上已内置)
python包

Mac安装pip

1	sudo easy_install pip

1	sudo pip install web.py

Python函数式编程和模块