Python内在的函数式功能
延庆网站制作公司哪家好，找创新互联建站！从网页设计、网站建设、微信开发、APP开发、响应式网站建设等网站项目制作，到程序开发，运营维护。创新互联建站从2013年创立到现在10年的时间，我们拥有了丰富的建站经验和运维经验，来保证我们的工作的顺利进行。专注于网站建设就选创新互联建站。
自Python 1.0起，Python就已具有了以上所列中的绝大多数特点。但是就象Python所具有的大多数特性一样，这些特点出现在了一种混合了各种特性的语言 中。 和Python的OOP（面向对象编程） 特性非常象，你想用多少就用多少，剩下的都可以不管（直到你随后需要用到它们为止）。在Python 2.0中，加入了列表解析（list comprehensions）这个非常好用的”语法糖“。 尽管列表解析没有添加什么新功能，但它让很多旧功能看起来好了不少。
Python中函数式编程的基本要素包括functionsmap()、reduce()、filter()和lambda算子（operator）。 在Python 1.x中，apply()函数也可以非常方便地拿来将一个函数的列表返回值直接用于另外一个函数。Python 2.0为此提供了一个改进后的语法。可能有点让人惊奇，使用如此之少的函数（以及基本的算子）几乎就足以写出任何Python程序了；更加特别的是，几乎 用不着什么执行流程控制语句。
所有(if,elif,else,assert,try,except,finally,for,break,continue,while,def)这 些都都能通过仅仅使用函数式编程中的函数和算子就能以函数式编程的风格处理好。尽管真正地在程序中完全排除使用所有流程控制命令可能只在想参 加”Python混乱编程“大赛（可将Python代码写得跟Lisp代码非常象）时才有意义，但这对理解函数式编程如何通过函数和递归表达流程控制很有 价值。
剔除流程控制语句
剔除练习首先要考虑的第一件事是，实际上，Python会对布尔表达式求值进行“短路”处理。这就为我们提供了一个if/elif/else分支语句的表达式版（假设每个分支只调用一个函数，不是这种情况时也很容易组织成重新安排成这种情况）。 这里给出怎么做：
对Python中的条件调用进行短路处理
Python
# Normal statement-based flow control
if cond1: func1()
elif cond2: func2()
else: func3()
# Equivalent "short circuit" expression
(cond1 and func1()) or (cond2 and func2()) or (func3())
# Example "short circuit" expression
x = 3
def pr(s): return s
(x==1 and pr('one')) or (x==2 and pr('two')) or (pr('other'))
'other'
x = 2
(x==1 and pr('one')) or (x==2 and pr('two')) or (pr('other'))
'two'
我们的表达式版本的条件调用看上去可能不算什么，更象是个小把戏；然而，如果我们注意到lambda算子必须返回一个表达式，这就更值得关注了。既然如我 们所示，表达式能够通过短路包含一个条件判断，那么，lambda表达式就是个完全通用的表达条件判断返回值的手段了。我们来一个例子：
Python中短路的Lambda
Python
pr = lambda s:s
namenum = lambda x: (x==1 and pr("one")) \
.... or (x==2 and pr("two")) \
.... or (pr("other"))
namenum(1)
'one'
namenum(2)
'two'
namenum(3)
'other'
将函数作为具有首要地位的对象
前面的例子已经表明了Python中函数具有首要地位，但有点委婉。当我们用lambda操作创建一个函数对象时， 我们所得到的东西是完全通用的。就其本质而言，我们可以将我们的对象同名字”pr”和”namenum”绑定到一起, 以完全相同的方式，我们也也完全可以将数字23或者字符串”spam” 同这些名字绑定到一起。但是，就象我们可以无需将其绑定到任何名字之上就能直接使用数字23（也就是说，它可以用作函数的参数）一样，我们也可以直接使用 我们使用lambda创建的函数对象，而无需将其绑定到任何名字之上。在Python中，函数就是另外一种我们能够就像某种处理的值。
我们对具有首要地位的对象做的比较多的事情就是，将它们作为参数传递给函数式编程固有的函数map()、reduce()和filter()。这三个函数接受的第一个参数都是一个函数对象。
map()针对指定给它的一个或多个列表中每一项对应的内容，执行一次作为参数传递给它的那个函数 ，最后返回一个结果列表。
reduce()针对每个后继项以及最后结果的累积结果，执行一次作为参数传递给它的那个函数；例如，reduce(lambda n,m:n*m, range(1,10))是求”10的阶乘”的意思（换言之，将每一项和前面所得的乘积进行相乘）
filter()使用那个作为参数传递给它的函数，对一个列表中的所有项进行”求值“，返回一个由所有能够通过那个函数测试的项组成的经过遴选后的列表。
我们经常也会把函数对象传递给我们自己定义的函数，不过一般情况下这些自定义的函数就是前文提及的内建函数的某种形式的组合。
通过组合使用这三种函数式编程内建的函数， 能够实现范围惊人的“执行流程”操作(全都不用语句，仅仅使用表达式实现)。
函数式编程相对应的是命令式编程
比方说你要定义一个方法
命令式编程如下：
def func1():
expression()
而同样功能的函数式编程如下：
func1 = lambda : expression()
首先按下“Win+R”组合键，打开运行窗口。在打开文本框输入“cmd”，点击确定。在打开的cmd窗口中，输入：“python”，点击Enter键。在Python环境中，输入：“x = format(0.5, '%')”，点击Enter键。在Python环境中，输入：“print(x)”，详细步骤：
1、首先按下“Win+R”组合键，打开运行窗口。
2、在打开文本框输入“cmd”，点击确定。
3、在打开的cmd窗口中，输入：“python”，点击Enter键。
4、在Python环境中，输入：“x = format(0.5, '%')”，点击Enter键。
5、在Python环境中，输入：“print(x)”。
6、点击Enter键，即可使用Python内置的format函数把数字0.5格式化为百分比值。
将函数作为参数传入，这样的函数称为高阶函数。 函数式编程就是指这种高度抽象的编程范式。
变量可以指向函数，函数的参数能接收变量，那么一个函数就可以接收另一个函数作为参数，这种函数就称之为高阶函数。如下所示：
map(fun, lst)，将传入的函数变量func作用到lst变量的每个元素中，并将结果组成新的列表返回。
定义一个匿名函数并调用，定义格式如--lambda arg1,arg2…:表达式
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。
filter() 函数用于过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表。
闭包的定义？闭包本质上就是一个函数
如何创建闭包？
如何使用闭包？典型的使用场景是装饰器的使用。
global与nonlocal的区别：
简单的使用如下：
偏函数主要辅助原函数，作用其实和原函数差不多，不同的是，我们要多次调用原函数的时候，有些参数，我们需要多次手动的去提供值。
而偏函数便可简化这些操作，减少函数调用，主要是将一个或多个参数预先赋值，以便函数能用更少的参数进行调用。
我们再来看一下偏函数的定义：
类func = functools.partial(func, *args, **keywords)
我们可以看到，partial 一定接受三个参数，从之前的例子，我们也能大概知道这三个参数的作用。简单介绍下：
总结
本文是对Python 高阶函数相关知识的分享，主题内容总结如下：
函数式编程是使用一系列函数去解决问题，按照一般编程思维，面对问题时我们的思考方式是“怎么干”，而函数函数式编程的思考方式是我要“干什么”。 至于函数式编程的特点暂不总结，我们直接拿例子来体会什么是函数式编程。
lambda表达式（匿名函数）：
普通函数与匿名函数的定义方式：
#普通函数
def add(a,b):
return a + b
print add(2,3)
#匿名函数
add = lambda a,b : a + b
print add(2,3)
#========输出===========
5
5
匿名函数的命名规则，用lamdba 关键字标识，冒号（：）左侧表示函数接收的参数（a,b） ,冒号（：）右侧表示函数的返回值（a+b）。
因为lamdba在创建时不需要命名，所以，叫匿名函数^_^
Map函数：
计算字符串长度
abc = ['com','fnng','cnblogs']
for i in range(len(abc)):
print len(abc[i])
#========输出===========
3
4
7
定义abc字符串数组，计算abc长度然后循环输出数组中每个字符串的长度。
来看看map()函数是如何来实现这个过程的。
abc_len = map(len,['hao','fnng','cnblogs'])
print abc_len
#========输出===========
[3, 4, 7]
虽然，输出的结果中是一样的，但它们的形式不同，第一种是单纯的数值了，map()函数的输出仍然保持了数组的格式。
大小写转换；
python提供有了，upper() 和 lower() 来转换大小写。
#大小写转换
ss='hello WORLD!'
print ss.upper() #转换成大写
print ss.lower() #转换成小写
#========输出===========
HELLO WORLD!
hello world!
通过map()函数转换：
def to_lower(item):
return item.lower()
name = map(to_lower,['cOm','FNng','cnBLoGs'])
print name
#========输出===========
['com', 'fnng', 'cnblogs']
这个例子中我们可以看到，我们写义了一个函数toUpper，这个函数没有改变传进来的值，只是把传进来的值做个简单的操作，然后返回。然后，我们把其用在map函数中，就可以很清楚地描述出我们想要干什么。
再来看看普通的方式是如何实现字符串大小写转换的：
abc = ['cOm','FNng','cnBLoGs']
lowname = []
for i in range(len(abc)):
lowname.append(abc[i].lower())
print lowname
#========输出===========
['hao', 'fnng', 'cnblogs']
map()函数加上lambda表达式(匿名函数)可以实现更强大的功能。
#求平方
#0*0,1*1,2*2,3*3,....8*8
squares = map(lambda x : x*x ,range(9))
print squares
#========输出===========
[0, 1, 4, 9, 16, 25, 36, 49, 64]
Reduce函数：
def add(a,b):
return a+b
add = reduce(add,[2,3,4])
print add
#========输出===========
9
对于Reduce函数每次是需要对两个数据进行处理的，首选取2 和3 ，通过add函数相加之后得到5，接着拿5和4 ，再由add函数处理，最终得到9 。
在前面map函数例子中我们可以看到，map函数是每次只对一个数据进行处理。
然后，我们发现通过Reduce函数加lambda表达式式实现阶乘是如何简单：
#5阶乘
#5！=1*2*3*4*5
print reduce(lambda x,y: x*y, range(1,6))
#========输出===========
120
Python中的除了map和reduce外，还有一些别的如filter, find, all, any的函数做辅助（其它函数式的语言也有），可以让你的代码更简洁，更易读。 我们再来看一个比较复杂的例子：
#计算数组中正整数的值
number =[2, -5, 9, -7, 2, 5, 4, -1, 0, -3, 8]
count = 0
sum = 0
for i in range(len(number)):
if number[i]0:
count += 1
sum += number[i]
print sum,count
if count0:
average = sum/count
print average
#========输出===========
30 6
5
如果用函数式编程，这个例子可以写成这样：
number =[2, -5, 9, -7, 2, 5, 4, -1, 0, -3, 8]
sum = filter(lambda x: x0, number)
average = reduce(lambda x,y: x+y, sum)/len(sum)
print average
#========输出===========
5
最后我们可以看到，函数式编程有如下好处：
1）代码更简单了。
2）数据集，操作，返回值都放到了一起。
3）你在读代码的时候，没有了循环体，于是就可以少了些临时变量，以及变量倒来倒去逻辑。
4）你的代码变成了在描述你要干什么，而不是怎么去干。