Python之路(第七篇)Python作用域、匿名函数、函数式编程、map函数、filter函数、reduce函数

一、作用域

return 可以返回任意值
例子

def test1():
    print("test1")
def test():
    print("test")
    return test1
res  = test()
print(res)

　　

输出结果

test
<function test1 at 0x021F5C90>

　　

分析：这里print(res)输出的是test1函数在内存中的地址，return也是可以返回的
，加上括号就可以运行函数了

例子2

name = "pony"
def test1():
    name = "nicholas"
    def inner():
        name = "jack"
        print(name)
    return inner
res  = test1()
print(res)
res()

　　

输出结果

<function test1.<locals>.inner at 0x02195C48>
jack

　　

分析：
test1函数返回了inner函数的内存地址，并被赋值给res，所以最后在res后加上括号就可以直接执行，注意这里执行的是inner函数，打印name选择的是局部变量name ="jack"，而非选择调用执行的res(）所在的name = "pony"

例子3

def foo():
    name = 'jack'
    def bar():
        name = 'pony'
        print(name)
        def tt():
            print(name)
        return tt
    return bar
r1 = foo() #返回的是bar函数的内存地址
r2 = r1()  #执行了bar函数，返回了tt函数的内存地址
r3 = r2()  #执行了tt函数，输出 pony

　　

输出结果

pony
pony

　　

分析：r1是执行foo函数，最后得到的是bar函数的内存地址，r2是执行了bar函数，返回了tt函数的内存地址，执行了tt函数，输出 pony。
这里也可以直接这样写
foo()()()
foo()是r1,foo()()是r2,foo()()()就是r3.

二、匿名函数

1、lambda

例子

lambda x:x+1
这里的x相当于自定义函数的形参，x+1相当于return的返回值
def calc(x)
return x+1
这个自定义函数和lambda x:x+1是等价的

lambda函数一般用直接是处理加减法、乘法、加字符串
例子

def calc(x):
    return x+1
res = calc(10)
print(res)
print(calc)

　　

输出结果

11
<function calc at 0x02245C48>

　　

例子2

print(lambda x:x+1)

　　

输出结果

<function <lambda> at 0x021B5C48>

　　

分析：这里是lambda函数在内存中的地址，和calc函数是一样的（未执行，即未加括号的情况下 ）

调用lambda()

例子

func = lambda x:x+1
res = func(10)
print(res)

　　

输出

11

　　

分析：调用lambda函数需要将lambda函数赋值给一个变量，执行时用变量名加（）带参数执行，这里括号内的参数类似自定义函数的实参，通过调用传给形参。

例子3

print(list(filter(lambda x:x if x % 2 == 0 else "" ,range(10))))

　　输出结果

[2, 4, 6, 8]

　　分析：lambda可以用if -else语句，但是不能单独用if语句，必须if-else语句一起写

2、lambda返回多个值

例子

func = lambda x,y,z:x + y + z
res = func(10,11,12)
print(res)
#或者这样写
print(func(10,11,12))

　　

例子2

func = lambda x,y,z:(x + 1 ,y + 1,z +1)
res = func(10,11,12)
print(res)
#或者直接这样写
print(func(10,11,12))

　　

输出结果

(11, 12, 13)
(11, 12, 13)

　　

分析：这里返回多个值需要用括号和逗号

三、函数式编程

1、编程的三种方法论

面向过程编程、函数式编程、面向对象编程

面向过程：
定义
是一种以过程为中心的编程思想。这些都是以什么正在发生为主要目标进行编程，不同于面向对象的是谁在受影响。
简单的就是把任务分为一个一个的步骤，一步一步的执行。

函数式编程：
定义
在计算机科学里，函数式编程是一种编程范式，它将计算描述为表达式求值并避免了状态和数据改变。函数式编程里面的“函数”指的是数学函数。

对于任何一个编程函数，需要满足下面3个条件，即可转换成纯数学函数。

每个函数必须包含输入参数（作为自变量）
每个函数必须有返回值（作为因变量）
无论何时，给定参数调用函数时，返回值必须一致。

面向对象编程
定义

面向对象编程——Object Oriented Programming，简称OOP，是一种程序设计思想。OOP把对象作为程序的基本单元，一个对象包含了数据和操作数据的函数。

而面向对象的程序设计把计算机程序视为一组对象的集合，而每个对象都可以接收其他对象发过来的消息，并处理这些消息，计算机程序的执行就是一系列消息在各个对象之间传递。

2、函数式编程递归调用

高阶函数的定义
（1）函数名可以当做参数传递
（2）返回值可以是参数

例子

def foo(n): #n=bar
    print(n)
 
def bar(name):
    print('my name is %s' %name)
foo(bar)
foo(bar("nicholas"))

　　

输出结果

<function bar at 0x02225C48>
my name is nicholas
None

　　

分析：这里的foo(bar)，其中的bar是作为一个函数当做参数传入foo()，bar是一个内存地址。foo(bar("nicholas"))中，bar("nicholas")执行函数，先输出my name is nicholas，然后执行foo函数，由于bar函数没有return出数值，所以执行foo()输出None。

3、尾调用优化（尾递归优化）

尾调用：在函数的最后一步调用另外一个函数（最后一行不一定是函数的最后一步）

例子

def bar(n):
    return  n
def foo(x):
    return bar(x)

　　

这里的return bar()就是函数的最后一步。

例子

def test(x):
    if x > 1:
        return True
    elif x == 1:
        return False
    else:
        return False
test(1)

　　

分析：这里的最后一步是执行elif x ==1下面的 return False语句。

尾递归与非尾递归
非尾递归

def cal(seq):
    if len(seq) == 1:
        return  seq[0]
    head , *tail = seq
    return  head + cal(tail)
print(cal(range(100)))

　　

尾递归

def cal(l):
    print(l)
    if len(l) == 1:
        return  l[0]
    frist,second,*args = l
    l[0] = frist + second
    l.pop(1)
    return cal(l)
x = cal([i for i in range(10)])
print(x)

　　

3、 map（）函数

map() 会根据提供的函数对指定序列做映射。

map(function, iterable, ...)
function -- 函数，有两个参数
iterable -- 一个或多个序列
它有两个参数，第一个参数为某个函数，第二个为可迭代对象。

例子
需求，将li1 = [1,3,4,5,7,10] 的每个元素变成自己的平方。

用for循环解决

li1 =   [1,3,4,5,7,10]
li = []
for i in li1:
    li.append(i ** 2)
res = li
print(res)

　　

升级需求，处理多个列表，将列表的的每个元素变成自己的平方。

li1 =   [1,3,4,5,7,10]
def map_test():
    li = []
    for i in li1:
        li.append(i ** 2)
    return li
res = map_test(li1)
print(res)

　　

继续升级需求，将原列表的每个元素平方，组成新的列表

li1 =   [1,3,4,5,7,10]
def pow_test(n):
    return n ** 2
def map_test(fun,array):
    li = []
    for i in array:
        res = fun(i)
        li.append(res)
    return li
res1 = map_test(pow_test,li1)
print(res1)

　　

分析：这里的map_test函数的参数fun传入的是一个函数，即这个map_test函数是高阶函数，在map_test函数里调用其他函数，对第二个传入的对象进行处理。两个这里map_test（）、pow_test（)加在一起实现的功能就是map()函数的作用。

这里可以用map()函数处理

li1 = [1,3,4,5,7,10]
res1 = list(map(lambda x:x**2,li1))
print(res1)

　　

分析：map()函数的第一个参数是一个函数，即匿名函数，这里不需要加括号执行，只是代表对一个参数的处理方式，map()第二个参数是待处理的可迭代对象。
map（）函数直接处理结果是一个map()函数的内存地址，是一个可迭代类型，需要加list转换为列表。

这里map()函数的第一个参数不一定非要写lambda函数，也可以写自定义的函数名。

例子

def reduce_one(n):
    return n - 1
li1 =   [1,3,4,5,7,10]
res1 = list(map(reduce_one,li1))
print(res1)

　　

输出结果

[0, 2, 3, 4, 6, 9]

　　

关于map（）函数输出的结果处理

例子
用for 循环处理结果

li1 =   [1,3,4,5,7,10]
res1 = map(lambda x:x**2,li1)
for i in res1:
    print(i)
print(res1)

　　

输出结果

1
9
16
25
49
100
<map object at 0x02185790>

　　

直接用map函数

li1 = [1,3,4,5,7,10]
res = list(map(lambda x:x**2,li1))
print("map处理结果是",res)

　　

输出结果

map处理结果是 [1, 9, 16, 25, 49, 100]

　　

分析：这里可以看出map（）函数直接输出的结果是一个可迭代对象，加上list可以将其转换为列表。

4、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。
filter：过滤，滤除

例子
，要从一个list [1, 4, 6, 7, 9, 12, 17]中删除偶数，保留奇数

用自定义函数和for循环解决

li = [1, 4, 6, 7, 9, 12, 17]
li1 = []
def filter_old(n):
    if n % 2 == 1:
        li1.append(n)
def test():
    for i in li:
        res = filter_old(i)
test()
print(li1)

　　

输出

[1, 7, 9, 17]

　　

这里也可以直接用filter函数解决。

li = [1, 4, 6, 7, 9, 12, 17]
def filter_old(n):
    if n % 2 == 1:
        return n
res = list(filter(filter_old,li))
print(res)

　　

输出结果

[1, 7, 9, 17]

　　

或者更精简一些

li = [1, 4, 6, 7, 9, 12, 17]
res = list(filter(lambda n:n %2 ==1,li))
print(res)

　　

输出结果

[1, 7, 9, 17]

　　

分析：这里的lambda函数是一个函数处理逻辑，最终是返回了符合 n %2 ==1条件的n
这里与map函数一样，也需要List将其转换为列表。

例子

li = [1, 4, 6, 7, 9, 12, 17]
res = list(filter(lambda n:not n %2 ==1,li))
print(res)

　　

分析：这里的lambda也可以加not。

例子

li = [
    {"name":"jack","age":53},
    {"name":"pony","age":46},
    {"name":"charles","age":53},
    {"name":"richard","age":44}
 
]
v = list(filter(lambda p:p["age"]<45,li))
print(v)

　　

输出结果

[{'name': 'richard', 'age': 44}]

　　

分析：这里lambda返回的就是符合条件的元素p,遍历序列中的每个元素，判断每个元素得到布尔值，如果是True则留下来。

5、reduce（）函数

reduce（）在python2中可以直接用
在python3中需要添加模块导入
from functools import reduce

reduce（）的使用方法形如reduce(f(x),Itera).对，它的形式和map()函数一样。不过参数f（x）必须有两个参数。reduce()函数作用是：把结果继续和序列的下一个元素做累积计算。

例子
需求将列表[1,2,3,4,5,6]所有元素加起来。
用for循环解决

li = [1,2,3,4,5,6]
sum = 0
for i in li:
    sum = sum + i
print(sum)

　　

需求2，求列表li = [1,2,3,4,5,6]每个元素相乘最终结果

用自定义函数处理

li = [1,2,3,4,5,6]
def test(x,y):
    return x*y
def test1(func,array):
    res = array.pop(0)
    #这里表示列表的第一个元素
    #pop()删除某个值，并可以获取当前删除的值
    for i in array:
        res = func(res,i)
        #这里是传入的相乘的结果和下一个元素，初始值为res = array[0]。
    return res
v = test1(test,li)
print(v)

　　

输出结果

720

　　

分析：这里是自定义了2个函数，通过函数中调用另一个函数处理。这里也可以直接用reduce()函数处理。

from functools import reduce
li = [1,2,3,4,5,6]
v = reduce(lambda x,y:x*y,li)
print(v)

　　

输出

720

　　

分析：注意这里不再使用list方法。

reduce 有 三个参数
function 有两个参数的函数， 必需参数
sequence tuple ，list ，dictionary， string等可迭代对象，必需参数
initial 初始值， 可选参数

如果没有初始值init,直接执行将第二个参数可迭代对象通过第一个参数func进行处理。
如果有初始值Init，则首先进行初始值和待传入的第二个参数的第一个元素通过func进行处理，之后这个累计值再和第二个元素进行累计。

例子

from functools import reduce
li = [1,2,3,10]
v = reduce(lambda x,y:x*y,li,10)
print(v)

　　

输出结果

600

　　

分析：这里首先将初始值10 * 1 得到10，然后用累计值10 *2 得到20，然后20*3，以此类推，最后得到600.

6、map()、filter()、reduce()小结

map()
处理序列中的每个元素，得到的结果是一个‘列表’(内存地址)，该‘列表’元素个数及位置与原来一样

filter()
filter遍历序列中的每个元素，判断每个元素得到布尔值，如果是True则留下来

reduce()

处理一个序列，然后把序列进行合并操作