高階函數

函數在內存中存儲方式跟變量一樣，計算機會為函數開辟內存空間存放函數體，同時函數名指向這個內存空間，函數名相當于句柄(內存地址)，函數可以賦值給變量，通過變量調用，函數與變量一樣也可以作為參數傳給另一個函數。

把函數作為參數傳入，這樣的函數稱為高階函數，函數式編程就是指這種高度抽象的編程范式。

#author:zingerman

defadd(x,y,func):print(func(x)+func(y))

add(2,-3,abs)#abs是絕對值函數的句柄，指向內存中的函數體，func==abs , func()==abs()

高階函數之map函數

#map()函數接收兩個參數，一個是函數，一個是Iterable#map將傳入的函數依次作用到序列的每個元素，并把結果作為新的Iterator返回。

deff(x):return x*x

r=map(f,[1,2,3,4]) #返回結果的內存地址

print(list(r)) #[1, 4, 9, 16]

也可以這樣：

deff(x,y):return x*y

r=map(f,[1,2,3,4],[1,2,3,4]) #返回結果的內存地址

print(list(r)) #[1, 4, 9, 16]

一段代碼將裂變轉化成字符串

高階函數之reduce函數

reduce把一個函數作用在一個序列[x1, x2, x3, ...]上，這個函數必須接收兩個參數，reduce把結果繼續和序列的下一個元素做累積計算，其效果就是

reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

#author:zingerman

from functools importreduce #結果24，相當于sum 函數deff (x,y):return x*yprint(reduce(f,[1,2,3,4]))

from functools importreducedeff (x,y):return x*10+yprint(reduce(f,[1,2,3,4])) #將[1,2,3,4]轉換成1234

deffunc(x,y):return x*10+ydefchar2num(s):

digter={'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}returndigter[s]print(list(map(char2num,'12345'))) #[1, 2, 3, 4, 5]

print(reduce(func,map(char2num,'12345'))) #12345 相當與int()函數

from functools importreduce#簡化版str2int函數

DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}defchar2num(s):returnDIGITS[s]defstr2int(s):return reduce(lambda x, y: x * 10 + y, map(char2num, s))

高階函數之filter函數

filter()把傳入的函數依次作用于每個元素，然后根據返回值是True還是False決定保留還是丟棄該元素。

#author:zingerman#使用filter判斷是不是奇數，并保留

defis_odd(n):return n%2==1

print(list(filter(is_odd,[1,2,3,4,5,6])))#[1, 3, 5]

filter()函數返回的是一個Iterator，也就是一個惰性序列，所以要強迫filter()完成計算結果，需要用list()函數獲得所有結果并返回list

裝飾器(Decorator)? ? ? 高階函數+嵌套函數==》》裝飾器

本質：一個返回函數的高階函數

作用：為其他函數添加附加功能

原則:1.不能修改被裝飾函數的源代碼

2.不能修改被裝飾函數的調用方式

實現裝飾器的知識儲備：

1.函數即"變量"

2.高階函數

3.嵌套函數

#author:zingerman

importtimedefdeco(func):

start_time=time.time()

func()

end_time=time.time()print('花費的時間%s'%(end_time-start_time))deftest():

time.sleep(1)print('in the test')

deco(test)#將test賦值給func，增加了功能，沒有改變test的源代碼，但是改變了函數的原本調用方式test()

#author:zingerman

importtimedef deco2(func):#deco2(test) func=test deco2函數的目的就是定義deco1函數，并拿到deco1的內存地址

defdeco1():

start_time=time.time()

func()

end_time=time.time()print('花費的時間%s'%(end_time-start_time))returndeco1deftest():

time.sleep(1)print('in the test')

test=deco2(test) #想要以test()這種調用方式實現附加功能而不改變test源代碼，

test() #只有把deco1賦值給test，然后test()執行，現在的test是加了新功能的deco1

#所以將deco1嵌套入deco2函數，并返回deco1，這樣就拿到了deco1的內存地址

#author:zingerman

importtimedef deco2(func):#deco2(test) func=test deco2函數的目的就是定義deco1函數，并拿到deco1的內存地址

defdeco1():

start_time=time.time()

func()

end_time=time.time()print('花費的時間%s'%(end_time-start_time))returndeco1

@deco2#相當于test=deco2(test)

deftest():

time.sleep(1)print('in the test')

test()

#author:zingerman

import time #帶參數的裝飾器

defdeco2(func):def deco1(*args,**kwargs):

start_time=time.time()

func(*args,**kwargs)

end_time=time.time()print('花費的時間%s'%(end_time-start_time))returndeco1

@deco2#相當于test=deco2(test)

deftest(x):

time.sleep(1)print(x)print('in the test')

test(2)

生成器：

python使用生成器對延遲操作提供支持，延遲操作就是在有需要的地方產生結果，而不是立即產生結果

python有兩種方法提供生成器：

1.生成器函數：常規函數定義，但是使用yield而不是return返回結果，yield語句每次返回一個結果，之后掛起函數的狀態，以便下次從yiled之后開始執行，相當于在yield處產生了一個中斷

#author:zingerman

def fib (n): #用生成器產生斐波那契數列

a, b = 0, 1

for i inrange(n):yield(b)

a,b=b,a+b#=fib(10)

for i in fib(10):print(i)

2.生成器表達式：類似于列表推導，但是生成器一次產生一個結果，而不是一次就產生一個列表，儲存所有結果。(x**2 for x in range(5))

python中的很多內置函數都是用了迭代器協議去訪問對象，而生成器實現了迭代器對象，如for函數，sum函數

>>> sum(x ** 2 for x in xrange(4))

而不必這樣寫>>> sum([x ** 2 for x in xrange(4)])

#author:zingerman

importtimedefconsume(name):print('%s準備吃包子了'%name)whileTrue:

baizi=yield

print('%s包子來了，被%s吃了'%(baizi,name))#f=consume('hulida')#f.__next__()#f.send('韭菜餡')

defproducer(name):

c1= consume('A')

c2= consume('B')

c1.__next__()

c2.__next__()print("老子開始準備做包子啦!")for i in range(10):

time.sleep(1)print("做了1個包子,分兩半!")

c1.send(i)

c2.send(i)

producer('hu')

迭代器：

我們已經知道，可以直接作用于for循環的數據類型有以下幾種：

一類是集合數據類型，如list、tuple、dict、set、str等；

一類是generator，包括生成器和帶yield的generator function。

這些可以直接作用于for循環的對象統稱為可迭代對象：Iterable。

可以被next()函數調用并不斷返回下一個值的對象稱為迭代器：Iterator

可以使用isinstance()判斷一個對象是否是Iterable或Iterator對象：

集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象

from collections importIterable>>>isinstance([], Iterable)

True>>>isinstance({}, Iterable)

True>>> isinstance('abc', Iterable)

True>>> isinstance((x for x in range(10)), Iterable)

True>>> isinstance(100, Iterable)

False

>>> from collections importIterator>>> isinstance((x for x in range(10)), Iterator)

True>>>isinstance([], Iterator)

False>>>isinstance({}, Iterator)

False>>> isinstance('abc', Iterator)

False

總結

以上是生活随笔為你收集整理的python进阶教程day_python从零进阶之路——day4的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。