1. python把函数作为参数
1 import math 2 def add(x, y, f): 3 return f(x) + f(y) 4 5 print add(-5, 9, abs) 6 print abs(-5) + abs(9) 7 print add(25, 9, math.sqrt)
2. python中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。
1 def format_name(s): 2 return s[0].upper() + s[1:].lower() 3 4 print map(format_name, ['adam', 'LISA', 'barT'])
3.python中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。
1 def f(x, y): 2 return x + y 3 print reduce(f, [1, 3, 5, 7, 9]) # 25 4 5 def prod(x, y): 6 return x * y 7 print reduce(prod, [2, 4, 5, 7, 12]) # 3360
4.python中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。
1 def is_odd(x): 2 return x % 2 == 1 3 print filter(is_odd, [1, 4, 6, 7, 9, 12, 17]) # [1, 7, 9, 17] 4 5 def is_not_empty(s): 6 return s and len(s.strip()) > 0 7 print filter(is_not_empty, ['test', None, '', 'str', ' ', 'END']) # ['test', 'str', 'END'] 8 9 import math 10 def is_sqr(x): 11 r = int(math.sqrt(x)) 12 return r*r==x 13 print filter(is_sqr, range(1, 101)) # [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
5.python中自定义排序函数
sorted()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。
1 print sorted([36, 5, 12, 9, 21]) # [5, 9, 12, 21, 36] 2 3 4 def reversed_cmp(x, y): 5 if x > y: 6 return -1 7 if x < y: 8 return 1 9 return 0 10 print sorted([36, 5, 12, 9, 21], reversed_cmp) # [36, 21, 12, 9, 5] 11 12 print sorted(['bob', 'about', 'Zoo', 'Credit']) # ['Credit', 'Zoo', 'about', 'bob'] 13 14 def cmp_ignore_case(s1, s2): 15 u1 = s1.upper() 16 u2 = s2.upper() 17 if u1 < u2: 18 return -1 19 if u1 > u2: 20 return 1 21 return 0 22 print sorted(['bob', 'about', 'Zoo', 'Credit'], cmp_ignore_case) # ['about', 'bob', 'Credit', 'Zoo']
6.python中返回函数
Python的函数不但可以返回int、str、list、dict等数据类型，还可以返回函数！
1 def calc_sum(lst): 2 def lazy_sum(): 3 return sum(lst) 4 return lazy_sum 5 6 print f # <function lazy_sum at 0x1037bfaa0> 7 print f() # 10 8 9 def calc_prod(lst): 10 def lazy_prod(): 11 def f(x, y): 12 return x * y 13 return reduce(f, lst, 1) 14 return lazy_prod 15 f = calc_prod([1, 2, 3, 4]) 16 print f() # 24
7.python中闭包
1 def count(): 2 fs = [] 3 for i in range(1, 4): 4 def f(): 5 return i*i 6 fs.append(f) 7 return fs 8 9 f1, f2, f3= count() 10 print f1() # 9 11 print f2() # 9 12 print f3() # 9 13 14 def count(): 15 fs = [] 16 for i in range(1, 4): 17 def f(j): 18 def g(): 19 return j*j 20 return g 21 r = f(i) 22 fs.append(r) 23 return fs 24 f1, f2, f3 = count() 25 print f1(), f2(), f3() # 1 4 9
8.python中匿名函数
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。
1 print map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]) # [1, 4, 9, 16, 25, 36, 49, 64, 81] 2 3 print sorted([1, 3, 9, 5, 0], lambda x,y: -cmp(x,y)) # [9, 5, 3, 1, 0] 4 5 myabs = lambda x: -x if x < 0 else x 6 print myabs(-1) # 1 7 print myabs(1) # 1 8 9 print filter(lambda s: s and len(s.strip())>0, ['test', None, '', 'str', ' ', 'END']) # ['test', 'str', 'END']
9. python中decorator装饰器
什么是装饰器？
- 问题：
- 定义一个函数
- 想在运行时动态增加功能
- 又不想改动函数本身的代码
装饰器的作用
- 可以极大地简化代码，避免每个函数编写重复性代码
- 打印日志：@log
- 检测性能：@performance
- 数据库事务：@transaction
- URL路由：@post('/register')
9-1. python中编写无参数decorator
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。
1 def log(f): 2 def fn(x): 3 print 'call ' + f.__name__ + '()...' # call factorial()... 4 return f(x) 5 return fn 6 7 @log 8 def factorial(n): 9 return reduce(lambda x,y: x*y, range(1, n+1)) 10 print factorial(10) # 3628800 11 12 print ' ' 13 14 import time 15 def performance(f): 16 def fn(*args, **kw): 17 t1 = time.time() 18 r = f(*args, **kw) 19 t2 = time.time() 20 print 'call %s() in %fs' % (f.__name__, (t2 - t1)) # call factorial() in 0.001343s 21 return r 22 return fn 23 24 @performance 25 def factorial(n): 26 return reduce(lambda x,y: x*y, range(1, n+1)) 27 print factorial(10) # 3628800
9-2. python中编写带参数decorator
1 import time 2 def performance(unit): 3 def perf_decorator(f): 4 def wrapper(*args, **kw): 5 t1 = time.time() 6 r = f(*args, **kw) 7 t2 = time.time() 8 t = (t2 - t1) * 1000 if unit=='ms' else (t2 - t1) 9 print 'call %s() in %f %s' % (f.__name__, t, unit) # call factorial() in 1.250982 ms 10 return r 11 return wrapper 12 return perf_decorator 13 14 @performance('ms') 15 def factorial(n): 16 return reduce(lambda x,y: x*y, range(1, n+1)) 17 print factorial(10) # 3628800
9-3. python中完善decorator
@decorator可以动态实现函数功能的增加，但是，经过 @decorator“改造”后的函数，和原函数相比，除了功能多一点外，有没有其它不同的地方？
1 def f1(x): 2 pass 3 print f1.__name__ # f1 4 5 def log(f): 6 def wrapper(*args, **kw): 7 print 'call...' 8 return f(*args, **kw) 9 return wrapper 10 @log 11 def f2(x): 12 pass 13 print f2.__name__ # wrapper 14 15 import time, functools 16 def performance(unit): 17 def perf_decorator(f): 18 @functools.wraps(f) 19 def wrapper(*args, **kw): 20 t1 = time.time() 21 r = f(*args, **kw) 22 t2 = time.time() 23 t = (t2 - t1) * 1000 if unit=='ms' else (t2 - t1) 24 print 'call %s() in %f %s' % (f.__name__, t, unit) 25 return r 26 return wrapper 27 return perf_decorator 28 29 @performance('ms') 30 def factorial(n): 31 return reduce(lambda x,y: x*y, range(1, n+1)) 32 print factorial.__name__ # factorial
10. python中偏函数
当一个函数有很多参数时，调用者就需要提供多个参数。如果减少参数个数，就可以简化调用者的负担。
1 import functools 2 sorted_ignore_case = functools.partial(sorted, cmp=lambda s1, s2: cmp(s1.upper(), s2.upper())) 3 print sorted_ignore_case(['bob', 'about', 'Zoo', 'Credit']) # ['about', 'bob', 'Credit', 'Zoo']