• 函数式编程


    map/reduce

    #函数式编程的一个特点就是,允许把函数本身作为参数传入另一个函数,还允许返回一个函数
    #编写高阶函数,就是让函数的参数能够接收别的函数
    
    def add(x, y, f):
        return f(x) + f(y)
    
    print(add(-1, 1, abs))
    
    def f(x):
        return x * x
    r = map(f, [1, 2, 3, 4, 5])
    print(list(r))
    #map()函数接收两个参数,一个是函数,一个是Iterable,
    #map将传入的函数依次作用到序列的每个元素,并把结果作为新的Iterator返回
    
    #reduce把一个函数作用在一个序列[x1, x2, x3, ...]上,这个函数必须接收两个参数,
    #reduce把结果继续和序列的下一个元素做累积计算
    from functools import reduce
    
    def add(x, y):
        return x + y
    
    print(reduce(add, [1, 3, 5, 7, 9]))
    
    #13579
    def fn(x, y):
        return x * 10 + y
    print(reduce(fn, [1, 3, 5, 7, 9]))
    
    def char2num(s):
        return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]
    
    print(reduce(fn, map(char2num, '13579')))
    
    
    #def str2int(s):
    #    def fn(x, y):
    #        return x * 10 + y
    #    def char2num(s):
    #        return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]
    #    return reduce(fn, map(char2num, s))
    
    #def char2num(s):
    #    return {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}[s]
    #
    #def str2int(s):
    #    return reduce(lambda x, y: x * 10 + y, map(char2num, s))

    filter

    和map()类似,filter()也接收一个函数和一个序列。和map()不同的时,filter()把传入的函数依次作用于每个元素,然后根据返回值是True还是False决定保留还是丢弃该元素

    sorted

    print(sorted([36, 5, -12, 9, -21]))
    
    print(sorted([36, 5, -12, 9, -21], key=abs))
    
    print(sorted(['bob', 'about', 'Zoo', 'Credit']))
    print(sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True))

    返回函数

    def lazy_sum(*args):
        def sum():
            ax = 0
            for n in args:
                ax = ax + n
            return ax
        return sum
    
    f = lazy_sum(1, 3, 5, 7, 9)
    print(f())
    
    
    def count():
        def f(j):
            def g():
                return j*j
            return g
        fs = []
        for i in range(1, 4):
            fs.append(f(i)) # f(i)立刻被执行,因此i的当前值被传入f()
        return fs
    
    f1, f2, f3 = count()
    
    print(f1())
    print(f2())
    print(f3())

    匿名函数

    #匿名函数
    
    print(list(map(lambda x: x*x, [1, 2, 3])))
    
    #匿名函数有个限制,就是只能有一个表达式,不用写return,返回值就是该表达式的结果
    #def f(x):
    #    return x * x

    装饰器

    #def log(func):
    #    @functools.wraps(func)
    #    def wrapper(*args, **kw):
    #        print('call %s():' % func.__name__)
    #        return func(*args, **kw)
    #    return wrapper
    
    import functools
    
    def log(text):
        def decorator(func):
            @functools.wraps(func)
            def wrapper(*args, **kw):
                print('%s %s():' % (text, func.__name__))
                return func(*args, **kw)
            return wrapper
        return decorator
    
    #@log
    @log('execute')
    def now():
        print('2015-3-25')
    
    f = now
    f()
    
    print(now.__name__)
    print(f.__name__)
    
    #把@log放到now()函数的定义处,相当于执行了语句:now = log(now)

    偏函数

    print(int('12345'))
    print(int('12345', base=8))
    print(int('12345', 16))
    
    #def int2(x, base=2):
    #    return int(x, base)
    
    #print(int2('10000000000')) #转换二进制
    
    
    import functools
    
    int2 = functools.partial(int, base=2)
    print(int2('100000'))
    print(int2('100000', base=10))
    
    #创建偏函数时,实际上可以接收函数对象、*args和**kw这3个参数
    
    max2 = functools.partial(max, 10)
    print(max2(2))
  • 相关阅读:
    面试官:请说一下对象锁和类锁的区别
    手撕 JVM 垃圾收集日志
    JVM 问题排查和性能优化常用的 JDK 工具
    JVM 中你不得不知的一些参数
    微信授权就是这个原理,Spring Cloud OAuth2 授权码模式
    基准测试了 ArrayList 和 LinkedList ,发现我们一直用 ArrayList 也是没什么问题的
    Spring Cloud OAuth2 实现用户认证及单点登录
    后端开发有必要学习前端吗,如何入门呢
    无意间做了个 web 版的 JVM 监控端(前后端分离 React+Spring Boot)
    走进AngularJs(一)angular基本概念的认识与实战
  • 原文地址:https://www.cnblogs.com/jzm17173/p/4999947.html
Copyright © 2020-2023  润新知