Fluent_Python_Part3函数即对象，05-1class-func，一等函数，函数即对象

一等函数

一等函数即将函数看作一等对象。一等对象满足一下条件：

1. 在运行时创建
2. 能赋值给变量或数据结构中的元素
3. 能作为参数传给函数
4. 能作为函数的返回结果

1. 一等函数

例子1. 证明function是对象，调用__doc__属性，用type()检查它的类型

def factorial(n):
    '''returns n!'''
    return 1 if n < 2 else n * factorial(n-1)

print(factorial(42))

#__doc__是函数对象众多属性的一个
print(factorial.__doc__)
#factorial是function类的实例
print(type(factorial))

例子2. Python中，函数可以作为变量，可以作为参数，符合一等对象的特性

def factorial(n):
    '''returns n!'''
    return 1 if n < 2 else n * factorial(n-1)

#特性1.把函数赋值给变量
fact = factorial
print(fact(5))

#特性2.把函数作为参数传给函数
result = map(factorial, range(12))
print(result)
print(list(result))

2. 高阶函数(High-order function)

1. 定义：接受函数作为参数，或者把函数作为结果返回的函数是高阶函数。
2. 例如map函数是高阶函数，内置函数sorted也是，它的可选的key参数用于提供一个函数，应用到各个元素上排序。
3. 大神Guido van Rossum不把Python当做函数式编程，但是Python有函数式编程的特性。

例子1. sorted中的key参数

fruits = ['strawberry', 'fig', 'cherry', 'apple', 'raspberry', 'banana']

#sorted默认按照首字母排序
print(sorted(fruits))
print(sorted(fruits, key=len))

Note: 如果想创建押韵词典，可以把各个单词反过来拼写，然后排序。

例子2. 根据反向拼写给一个单词列表排序(反向后按首字母)

fruits = ['strawberry', 'fig', 'cherry', 'apple', 'raspberry', 'banana']

def reverse(words):
    return words[::-1]

print(reverse('I love you!'))
print(sorted(fruits, key=reverse))

Note：在函数式编程范式中，最为人熟知的高阶函数有map、filter、reduce和apply(Python3已经移除)。如果想使用不定量的参数调用函数，可以编写fn(*args, **keywords)。

3. map、filter和reduce的现代替代品

1. 函数式语言通常会提供map、filter和reduce三个high-order function.在Python3中，map和filter是built-in函数(reduce在functools模块里，常用于求和，但内置的sum函数更好)，但是引入列表推导式(list comprehensions)和生成器表达式(generator expressions)，它们都具有map和filter的功能和更加好的易读性，所以以上提到的三个高阶函数显得没那么的重要了。
2. In Python3, map和filter返回生成器（一种迭代器）

例子1. map和filter和列表推导式比较

def factorial(n):
    '''returns n!'''
    return 1 if n < 2 else n * factorial(n-1)

#用map和list comprehensions求0!到5!
map1 = map(factorial, range(6))
listcomps1 = [factorial(n) for n in range(6)]
print('map1:', list(map1))
print('listcomps1:', listcomps1)

#用map、filter、lambda和list comprehensions求0-5偶数项的阶乘
map_filter = map(factorial, filter(lambda n: n % 2, range(6)))
listcomps2 = [factorial(n) for n in range(6) if n % 2]
print(list(map_filter))
print(listcomps2)

#print(list(filter(lambda n: n % 2, range(6))))

例子2. 使用reduce和sum计算0~99之和

from functools import reduce
from operator import add

sum_reduce = reduce(add, range(100))
print(sum_reduce)

#相比reduce(),sum()无需导入或者创建求和函数
sum_sum = sum(range(100))
print(sum_sum)

1. sum和reduce的思想是把某个操作连续应用到序列的元素上，累计之前的结果，把一系列的值归约一个值。（分治?）
2. all和any也是built-in的归约函数。
3. all(iterable), iterable每个元素都是真值，返回True。all([1,0])返回False。
4. any(iterable), iterable中有元素是真值，返回True。any([1,0])返回True。

4. 匿名函数(lambda function)

1. 为了使用高阶函数，有时创建一次性的小型函数(匿名函数)。
2. 在参数列表中最适合使用匿名函数。例如sorted中的key。
3. Python中匿名函数的缺点：
   
   Python简单的句法限制了lambda函数的定义体只能使用纯表达式。 即lambda函数里不能用while和try等逻辑语句，和不能赋值。
4. 除了作为参数传给高阶函数，Python很少使用匿名函数，Python中的lambda表达式难读或者无法写出。
5. 重构lambda函数的方法为注释，或者转换成def声明函数。
6. lambda句法是语法糖：与def语句一样会创建函数对象。这是Python其中一种可调用对象。

例子1. 使用lambda函数翻转拼写，省掉reverse函数

fruits = ['strawberry', 'fig', 'cherry', 'apple', 'raspberry', 'banana']

print(fruits)
#反转后以首字母排序
print(sorted(fruits, key=lambda words: words[::-1]))

5. 可调用对象

1. 判断对象能否调用，可以使用内置的callable()函数。
2. Python数据模型文档给出了7中可调用对象：
   
   2.1 用户定义的函数(User-defined functions)： def, lambda
   
   2.2 内置函数(Built-in functions)：使用C语言(CPython)实现的函数，如len
   
   2.3 内置方法(Built-in methods)：使用C语言实现的方法，如dict.get
   
   2.4 方法(Methods)：在类的定义体中定义的函数
   
   2.5 类(Classes)：特殊地，调用类时会运行__new__(),然后运行__init__()，最后将实例返回给调用者。因为Python没有new运算符，所以调用类相当于调用函数。(覆盖__new__()可能出现其他问题)
   
   2.6 类的实例(Class instances)：如果类定义了__call__方法，那么它的实例可以作为函数调用
   
   2.7 生成器函数(Generator functions)：使用yield关键字的函数或者方法。调用生成器函数返回的是生成器对象（生成器函数在很多方面与其他可调用对象不同，参见第14章。生成器函数还可以作为协程）

例子1. callable()结合列表推导式判断元素是否可调用

obj = [abs, str, 12]
for _ in obj:
    print(type(_))

listcomps1 = [callable(x) for x in obj]
print(listcomps1)

6. 把类的实例变成可调用的对象--用户定义的可调用类型

1. 不仅Python函数是对象，任何Python函数也可以变现得像函数。只需要实现__call__
2. 实现__call__方法的类是创建函数类对象的简便方式，必须在内部维护一个状态，让它在调用之间可用，装饰器就是这样

例子1. BingoCage类的实例使用任何可迭代的对象构建，在内部存储一个随机顺序排列的列表。实现__call__使得调用实例会取出一个元素

import random

class BingoCage:
    def __init__(self, items):
        self._items = list(items)
        random.shuffle(self._items)

    def pick(self):
        try:
            return self._items.pop()
        except IndexError:
            raise LookupError('pick from empty BingoCage')

    #bingo.pick()的快捷方式是bingo()
    def __call__(self):
        return self.pick()

bingo = BingoCage(range(5))
print('bingo.pick(): ', bingo.pick())
print('bingo(): ', bingo())
print('callable(bingo): ', callable(bingo))

7. 函数内省(Function Introspection)

用dir()可以知道一个函数具有什么属性

例子1. 列出常规对象没有而函数有的属性

class C: pass
obj = C()
def func(): pass

diff = set(dir(func)) - set(dir(obj))
print(sorted(diff))

8.位置参数(Positional parameters)和关键字参数(Keyword parameters)

例子1. 函数参数中的*和**

"""
    *args 是位置参数， 任意个参数会被*args捕获，存入一个元组；
    **kw 是关键字参数，函数中没有明确制定名称的关键字参数会被**kw捕获，存入一个字典中。
"""

def tag(*args, **kwargs):
    print(type(args))
    print(type(kwargs))

    for _ in args:
        print(_)
    for key,value in kwargs.items():
        print(key,value)

t1 = tag('hello','world',name="allen",age=22)

调用函数时，用*和**展开可迭代对象，映射到单个参数。

例子2. tag函数用于生成HTML标签；使用名为cls的关键字参数传入'class'属性，这是一种变通方法，因为'class'是Python的关键字

def tag(name, *content, cls=None, **attrs):
    """生成一个或多个HTML标签"""
    #class在Python3中为关键字，要用cls避开
    if cls is not None:
        attrs['class'] = cls
    #有属性值就拼成HTML标签的属性值格式
    if attrs:
        attr_str = "".join(' %s="%s"' % (attr, value)
                           for attr, value
                           in sorted(attrs.items()))
    #没有属性值
    else:
        attr_str = ''
    #根据内容生成标签。有内容的标签有开闭标签。空元素标签没有闭标签
    if content:
        return '\n'.join('<%s%s>%s</%s>' %
                         (name, attr_str, c, name)
                         for c in content)
    else:
        return '<%s%s />' % (name, attr_str)

print(tag('br'))
print(tag('h1', 'hello', 'world'))
print(tag('h2', 'h2', id=3))
print(tag('h3', 'h3', cls="class1", id=4))
print(tag('img', src='someURL'))

my_tag = {
    'name': 'img',
    'title': 'Sunset',
    'src': 'sunset.jpg',
    'cls': 'framed',
}

#在my_tag前面加上**,字典中的所有元素会被解包为单个参数传入，同名键会绑定到对应的具体参数上，余下的则被**attrs捕获。
print(tag(**my_tag))

例子3. 仅限keyword的参数，本例中只捕获关键字b，这叫仅限关键字参数

定义函数时若向指定仅限关键字参数(即固定位置参数，不捕获任意个位置参数)，要把仅限关键字参数放在有*的参数后面。

def f(a, *, b):
    return a, b

print(f(1,b=2)) # f(1, c=2)会出错，仅限关键字b
print(f(1,2,b=2)) #错误，只能有1个位置参数

def f(a, *args, b):
    return a, b

print(f(1,b=2)) # f(1, c=2)会出错，仅限关键字b
print(f(1,2,b=2)) #正确，*和*args不同，*args可捕获多个位置参数，*则表示不捕获。

9. 函数内省，获取关于参数的信息

1. 有点难，未搞定，先跳过。中文电子书P257
2. HTTP微框架Bobo中有个使用函数内省的好例子。

import bobo
@bobo.query('/')
def hello(person):
	return 'Hello %s!' % person

1. 装饰器不是这个例子的关键。关键是，Bobo会内省hello函数，发现它需要一个名为person的参数，然后从请求中获取那个名称对应的参数，将其传给hello函数，因此程序员不用触碰请求对象。
   
   表面上，Bobo知道调用hello函数必须传入person参数，如果在请求中找不到同名参数，则看到的是"Missing form variable person".

1. 函数对象的__defaults__属性，它的值是一个元组，里面保存着位置参数和关键字参数的默认值。__kwdefaults__属性中保存仅限关键字参数。参数的名称在__code__属性中，它的值是一个code对象引用，自身也有很多属性。

1. 总结：在inspect模块的帮助下，Python数据模型把实参绑定给函数调用中的形参的机制，框架和IDE等工具可以使用这些信息验证代码。Python3的另外一个特性--函数注解增进了这些信息的用途。

10. 函数注解

1. 跳过，难懂，中文电子书P263
2. Python3提供了一种句法，用于为函数声明中的参数和返回值附加元数据。
3. 函数注解可以让WEB框架自动处理请求。例如使用price:float注解的参数可以自动把查询字符串转换成函数期待的float类型；quantity:'int > 0'这样的字符串注解可以转换成对参数的验证。
4. 函数注解的最大影响或许不是让WEB框架自动处理请求，而是为IDE和lint程序等工具中的静态类型检查功能提供额外的类型信息。

11. 支持函数式编程的包

1. 得益于operator和functools等包的支持， Python可以使用函数式编程。
2. 在函数式编程中，经常需要把算术运算符当做函数使用。例如，求和用sum()函数。例如作为sorted的key, reduce的第一个参数
3. 可以用lambda function自己创建运算函数

例子1. 使用reduce函数和一个匿名函数计算阶乘

from functools import reduce

def fact(n):
    return reduce(lambda a, b: a*b, range(1, n+1))

print(fact(5))

oeprator模块为多个算数运算符提供了对应的函数，从而避免编写匿名函数。

例子2. 使用reduce和operator.mul函数计算阶乘

from functools import reduce
from operator import mul

def fact(n):
    return reduce(mul, range(1, n+1))

print(fact(5))

1. itemgetter(1)的作用与lambda fields: fields[1]一样。
2. itemgetter()的常见用途：根据元组的某个字段给元组列表
   
   排序。
3. 例如，按照国家代码（第二个字段）的顺序打印各个城市的信息。

例子3. itemgetter()创建一个函数，返回索引位上的元素。如果把多个值传给itemgetter,它构建的函数会提取的值构成的元组。

#元组列表
metro_data = [
    ('Tokyo', 'JP', 36.933, (35.689722, 139.691667)),
    ('Delhi NCR', 'IN', 21.935, (28.613889, 77.208889)),
    ('Mexico City', 'MX', 20.142, (19.433333, -99.133333)),
    ('New York-Newark', 'US', 20.104, (40.808611, -74.020386)),
    ('Sao Paulo', 'BR', 19.649, (-23.547778, -46.635833)),
]

from operator import itemgetter
cc_name = itemgetter(1, 0)

for city in metro_data:
    print(cc_name(city))

print(cc_name([1,2]))

例子4. 使用itemgetter排序一个元组列表

#元组列表
metro_data = [
    ('Tokyo', 'JP', 36.933, (35.689722, 139.691667)),
    ('Delhi NCR', 'IN', 21.935, (28.613889, 77.208889)),
    ('Mexico City', 'MX', 20.142, (19.433333, -99.133333)),
    ('New York-Newark', 'US', 20.104, (40.808611, -74.020386)),
    ('Sao Paulo', 'BR', 19.649, (-23.547778, -46.635833)),
]

#itemgetter(1)与lambda fields: fields[1]作用一样
from operator import itemgetter
for city in sorted(metro_data, key=itemgetter(1)):
    print(city)

例子5. 使用attrgetter与itemgetter作用类似，它创建的函数根据名称提取对象的属性。

#元组列表
metro_data = [
    ('Tokyo', 'JP', 36.933, (35.689722, 139.691667)),
    ('Delhi NCR', 'IN', 21.935, (28.613889, 77.208889)),
    ('Mexico City', 'MX', 20.142, (19.433333, -99.133333)),
    ('New York-Newark', 'US', 20.104, (40.808611, -74.020386)),
    ('Sao Paulo', 'BR', 19.649, (-23.547778, -46.635833)),
]

from collections import namedtuple
#1.使用namedtuple定义LatLong
LatLong = namedtuple('LatLong', 'lat long')
#2.使用namedtuple定义Metropolis. cc for city code, pop for population
Metropolis = namedtuple('Metropolis', 'name cc pop coord')
#3.构建Metropolis的列表。我们用元组拆包（tuple unpacking）提取(lat, long)，然后用它们构建LatLong，作为Metropolis的coord属性。
metro_areas = [Metropolis(name, cc, pop, LatLong(lat,long))
               for name, cc, pop, (lat, long) in metro_data]
print(metro_areas[0])
#4.获取metro_areas[0]的纬度。
print(metro_areas[0].coord.lat)

from operator import attrgetter
#5.attrgetter()返回一个函数，获取name属性和嵌套的coord.lat属性。
name_lat = attrgetter('name', 'coord.lat')
#6.再次使用attrgetter()，按照纬度排序城市列表。
for city in sorted(metro_areas, key=attrgetter('coord.lat')):
    #7.使用标号5中定义的attrgetter，只显示城市名和纬度。
    print(name_lat(city))

例子6. 查看operator模块中定义的部分函数

省略以_开头的函数，因为它们基本上是实现细节

import operator

a = [name for name in dir(operator) if not name.startswith('_')]
print(a)

例子7. methodcaller创建的函数会在对象上调用参数指定的方法。

from operator import methodcaller

#第一个测试只是展示methodcaller的用法，用str.upper()替代。
s = 'The time has come'
upcase = methodcaller('upper')
print(upcase(s))

hyphenate = methodcaller('replace', ' ', '-')
print(hyphenate(s))

例子8. 使用functools.partial冻结参数(固定参数)

使用partial把一个两参数函数改编成需要单参数的可调用对象

把接受参数的函数改编成API

from operator import mul
from functools import partial

triple = partial(mul, 3)
print(triple(7))

print(list(map(triple, range(0, 10))))

例子9. functools.partial结合04介绍的unicodedata.normalize函数

处理多国语言编写的文本，在比较或排序之前可能会想使用unicodedata.normalize('NFC', s)处理所有字符串s。如果经常这么做，可以定义个nfc函数。

import unicodedata
import functools

nfc = functools.partial(unicodedata.normalize, 'NFC')

str1 = 'café'
str2 = 'cafe\u0301'
print(str1, str2, str1 == str2, str1 is str2)
print(len(str1), len(str2))

str1 = nfc(str1)
str2 = nfc(str2)
print(str1, str2, str1 == str2, str1 is str2)
print(len(str1), len(str2))
print(nfc.args, nfc.func)

partial的第一个参数是一个可调用对象，后面跟着任意个要绑定的位置参数和关键字参数。

总结

1. 本章探讨Python函数即对象的特性。That is, 我们可以把函数赋值给变量、作为其他函数的参数、存储在数据结构中以及访问函数的属性，供框架和一些工具使用。
2. 高阶函数是函数式编程的重要组成部分，即使现在不像以前那样经常使用map、filter和reduce函数，但还是有列表推导式、生成器表达式以及sum、all、和any等内置的归约函数。
3. Python中常用的高阶函数有内置函数sorted、min、max和functools.partial。
4. Python有7种callable对象， 从lambda表达式创建的简单函数到实现__call__方法的类实例。这些可调用对象都能通过内置的callable() 函数检测。
5. 每一种可调用对象都支持使用相同的丰富句法声明形式参数，包括仅限关键字参数(keyword-only parameter)和注解，两者都是Python3的新特性。
6. Python函数及其注解有丰富的属性，在inspect模块的帮助下，可以读取它们。例如， Signature.bind方法使用灵活的规则把实参绑定到形参上。
7. 有了operator和functools这些函数，函数式编程就不太需要功能有限的lambda表达式了。