高阶函数
一、函数名即变量
>>> abs(-10) 10 >>> abs <built-in function abs> # 将函数执行的结果赋值给变量 >>> x = abs(-10) >>> x 10 # 将函数名直接赋值给变量，该变量f就指向函数abs >>> f = abs >>> abs <built-in function abs> >>> f <built-in function abs> # 指向函数的变量可以直接当做函数来调用 >>> f(-10) 10 >>>
如果将函数名当做变量来使用时，就会出现函数无法再调用的情况，因此这种情况是危险的：
>>> abs <built-in function abs> >>> abs = 10 >>> abs 10 >>> abs(-10) Traceback (most recent call last): File "<pyshell#90>", line 1, in <module> abs(-10) TypeError: 'int' object is not callable >>>
二、高阶函数：一个函数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。
既然变量可以指向函数，而函数的参数又可以接收变量，因此函数的参数也就可以接收函数名，也即可以接收函数作为参数，称为高阶函数：
# f是一个函数名，x和y是参数变量 >>> def add(x,y,f): return f(x)+f(y) >>>
验证结果如下：
>>> add(-5,6,abs)
11
>>>
将可变参数作为函数名传递多个函数：
>>> def some(x,*fs): s = [f(x) for f in fs] return s >>> print(some(2,bin,oct,hex,int,abs,sqrt)) ['0b10', '0o2', '0x2', 2, 2, 1.4142135623730951] >>>
三、一些内建函数
1）map()：map函数接收两个参数，第一个是函数，第二是Iterable，map将Iterable的每一个元素作为传入函数的参数，并最终将结果作为新的Iterator返回。
>>> def f(x): return x * x >>> r = map(f,[1,2,3,4,5,6,7,8,9,10]) >>> r <map object at 0x000002013190B6D8> >>> map <class 'map'> >>> list(r) [1, 4, 9, 16, 25, 36, 49, 64, 81, 100] >>> s = map(str,[1,2,3,4,5,6,7,8,9,10]) >>> list(s) ['1', '2', '3', '4', '5', '6', '7', '8', '9', '10'] >>>
2）reduce()：reduce函数接收两个参数，第一个是函数，第二个是序列（包含Iterable和Iterator），函数的参数需要同时接收两个参数，reduce计算完两个参数后，继续和下一个元素做累积运算。
其效果如下：reduce(f,[x1,x2,x3,x4]) = f(f(f(x1,x2),x3),x4)，可以很方便的进行迭代运算。
>>> from functools import reduce >>> def add(x,y): return x + y # 对一个序列进行求和运算： >>> reduce(add,[1,3,4,5,9]) 22 >>>
>>> def fn(x, y): return x * 10 + y # 将一个序列转换为整数 >>> reduce(fn,[1,3,5,7,9]) 13579 >>>
reduce函数和map函数结合的使用：将字符串转换成10进制数，也就是内建函数int()
>>> 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] >>> reduce(fn,map(char2num, '13579')) 13579
将上述几个函数整理为一个函数： >>> 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)) >>> str2int('123456') 123456
3）filter()， 接收一个函数和一个序列。和map()不同的是，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，最终返回filter生成器。
# 通过filter()函数过滤偶数 >>> def is_odd(n): return n % 2 == 1 >>> L1 = filter(is_odd,[1,2,3,4,5,6,7,8,9,10]) >>> list(L1) [1, 3, 5, 7, 9] >>> # 通过filter()函数过滤奇数 >>> def not_odd(n): return n % 2 == 0 >>> L2 = filter(not_odd,[1,2,3,4,5,6,7,8,9,10]) >>> list(L2) [2, 4, 6, 8, 10] >>> # 过滤序列中的假值，包含空格、None、空序列。 >>> def false_filter(s): return s and s.strip() >>> L3 = filter(false_filter,['A',' ',None,'','B',' ',[],(),{}]) >>> list(L3) ['A', 'B'] >>>
*********************************************************************
练习题
*********************************************************************
1、利用map()函数，把用户输入的不规范的英文名字，变为首字母大写，其他小写的规范名字。输入：['adam', 'LISA', 'barT']，输出：['Adam', 'Lisa', 'Bart']；
# 自定义一个将字符串首字母大写的方法1： >>> def normalize(name): name = name.lower() name = name[0].upper() + name[1:] return name # 自定义一个将字符串首字母大写的方法2： >>> def normalize(name): return name.title() >>> L2 = list(map(normalize,L1)) >>> L2 ['Adam', 'Lisa', 'Bart', 'Bob'] # 上面的方法类似于string模块中的capwords函数： >>> from string import capwords >>> L2 = list(map(capwords,L1)) >>> L2 ['Adam', 'Lisa', 'Bart', 'Bob'] >>>
2、Python提供的sum()函数可以接受一个list并求和，请编写一个prod()函数，可以接受一个list并利用reduce()求积；
>>> from functools import reduce >>> def prod(L): return reduce(lambda x,y : x * y, L) >>> print('3 * 4 * 5 * 6 = ',prod([3,4,5,6])) 3 * 4 * 5 * 6 = 360 >>>
3、利用map和reduce编写一个str2float函数，把字符串'123.456'转换成浮点数123.456；
>>> from functools import reduce >>> def str2float(s): ''' 1、先找出字符串中的'.'的index； 2、根据index算出float小数点后有几位； 3、将小数点前和小数点后的数连接在一起后算出一个int值； 4、根据小数的位数除以对应的10的次方数即可得出float数。 ''' def str2num(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(x,y): return x * 10 + y pointIndex = s.find('.') pointNum = len(s) - pointIndex - 1 s = s.replace('.','') return reduce(str2int,map(str2num,s))/(10**pointNum) >>> str2float('123.456') 123.456 >>>
