18.python高阶函数

什么是高阶函数：一个函数可以作为参数传给另外一个函数(一个函数可以用来接收另一个函数作为参数)，或者一个函数的返回值为另外一个函数（若返回值为该函数本身，则为递归），满足其一则为高阶函数。函数的形参位置必须接受一个函数对象。

代码理解高阶函数的含义：

'''函数当做参数被传递到另个函数是什么样的。把abs()函数赋值给了f变量，接下来就可以像使用abs()函数本身那样使用f变量了,区别只是换了个名字而已'''

f = abs           # 将求绝对值的abs函数赋值给f变量
f(-123)           # f变量等同于abs函数的功能和性质,区别只是换了个别名
print(f(-123))    # 输出结果 123
print(type(f))    # <builtin_function_or_method>  查看下这个f变量的类型,显示为内置函数,因为它的真身就是内置abs()函数


'''这说明变量可以指向函数，既然变量可以指向函数，而我们知道函数的参数可以接收变量。也就是说一个函数可以接收另一个函数作为参数，一起来看看下面这个例子'''
def add_(a, b, f_):
    return f_(a) + f_(b)        # 在本例中等同于 abs(a) + abs(b)
  
result = add_(-10, -20, abs)    # 这里把python内置函数abs作为参数传递给add_
print(result)                   # 30

代码演示高阶函数两种场景：

# 高阶函数之 ---》参数为函数
def bar():
    print("in the bar..")
def foo(func):
    func()
    print("in the foo..")

foo(bar)


# 高阶函数之 ---》返回值为函数
def bar():
    print("in the bar..")
def foo(func):
    print("in the foo..")
    return bar
res=foo(bar)
res()

'''以上两个示例中,函数foo()为高阶函数。示例一中函数bar作为foo的参数传入；示例二中函数bar作为foo的返回值。
      注意：函数名（例如bar 、foo）-->其为该函数的内存地址；函数名+括号（例如 bar()、foo() )-->调用该函数'''

 

python里的高阶函数有 filter、map、reduce、sorted、匿名函数lambda，递归函数等。

 

1). map函数

功能：map函数接收的是两个参数，接收一个函数 f 和一个或多个序列list，其功能是将序列中的值处理再依次返回至新列表内，其返回值为一个迭代器对象。

语法格式：map(function, iterable,[iterable1, ...iterablen])：

参数：(1).function： 函数对象 ；(2).iterable：序列(可迭代)对象 (字符串、列表、range...)

返回值：得到的这个map对象是一个迭代器对象，属于惰性序列的范畴。

代码演示map实现原理：

# 需求：将lt = ['1','2','3','4','5'] 转换成  [1,2,3,4,5]

# 代码实现一：使用传统技术来实现
lt = ['1','2','3','4','5','6']
lt1 = []
for i in lt:
    num = int(i)
    lt1.append(num)
print(lt1)     # [1, 2, 3, 4, 5, 6] 由于列表属于非惰性序列范畴，即可以直接打印看效果
 

# 代码实现二：使用新技术来实现
# 思路步骤一：定义一个函数，功能：将str数据 --> int数据
import collections
lt = ['1','2','3','4','5','6']

def chr2Int(chr):
    return int(chr)  

mo = map(chr2Int,lt)                           # 这里的chr2Int后面不能加(),也不能传参*****
print(map,type(mo))                            # <class 'map'> <class 'map'>
print(isinstance(mo,collections.Iterator))     # True,验证是否是迭代器对象,True才能使用next
print(next(mo))                                # 1
print(list(mo))                                # [2, 3, 4, 5, 6] 将map对象(惰性的)转换为list对象(非惰性的)


#代码实现三：终极操作
print(list(map(chr2Int,lt)))     #[1, 2, 3, 4, 5, 6]
print(list(map(int,lt))          #[1, 2, 3, 4, 5, 6]

'''map(int,lt)：执行过程如下：
1).lt --> 取出第一个元素：'1'当做实际参数传递给int函数的形参位置 --> int('1'),将转换以后的结果：1保留到map对象的第一个元素位置
2).lt --> 取出第二个元素：'2'当做实际参数传递给int函数的形参位置 --> int('2'),将转换以后的结果：2保留到map对象的第二个元素位置   
以此类推...
直到map函数执行完了，整个map对象才真正成型了...'''

代码演示示例：

# 实例1： lt = [1,2,3,4,5] --> 得到：['1','2','3','4','5']

lt = [1,2,3,4,5]

# 自定义函数：从int --》 str
def int2Str(i):
    return str(i)

print(list(map(int2Str,lt)))                  # ['1', '2', '3', '4', '5']
print(list(map(str,lt)))                      # ['1', '2', '3', '4', '5']
print(list(map(lambda x: str(x),lt)))         # ['1', '2', '3', '4', '5']
 

# 实例2：lt = [1,2,3,4,5] --> 得到：[1,4,9,16,25]

lt = [1,2,3,4,5]

# 自定义函数：目标实现开方操作
def kaifang(num):
    return num ** 2

print(list(map(kaifang,lt)))                     # [1, 4, 9, 16, 25]
print(list(map(lambda x: x ** 2,lt)))            # [1, 4, 9, 16, 25]，map结合匿名函数使用，用的比较多

2).reduce函数

功能：reduce函数也是一个参数为函数，一个为可迭代(序列)对象的高阶函数，但reduce()传入的函数必须接收两个参数，reduce()对list的每个元素反复调用函数function。所以reduce()函数接收的参数和 map()类似，但是行为不同。reduce() 函数会对参数序列中元素进行累积，其返回值为一个值而不是迭代器对象，故其常用与叠加、叠乘等。

语法格式：reduce(function, iterable[, iterable1,...,iterablen] [, initializer])

参数：function -- 函数，有两个参数。iterable -- 可迭代对象。initializer -- 可选，初始参数

返回值：为一个值，而不是迭代器对象

【注意】：reduce函数属于functools模块中的函数，所以需要显示的先导入functools模块再使用from functools import reduce

代码演示reduce实现原理：

from functools import reduce

'''当调用reduce(f,[1,3,5,7,9])时，reduce函数将做如下计算：由于f这个函数的功能是计算两个元素的值，所以先计算头两个元素：f(1,3)，
   结果为4；再把结果和第3个元素计算：f(4,5)，结果为9；再把结果和第4个元素计算：f(9,7)，结果为16；
   再把结果和第5个元素计算：f(16,9)，结果为25；由于没有更多的元素了，计算结束，返回结果25。'''
def f(x, y):
     return x + y
 
result = reduce(f, [1, 3, 5, 7, 9])
print(result)   # 25


'''reduce()**还可以接收第3个可选参数，作为计算的初始值。如果把初始值设为100，如计算：结果将变为125，
      因为第一轮计算是：计算初始值和第一个元素：f(100, 1)，结果为101。'''
reduce(f, [1, 3, 5, 7, 9], 100)


# 使用 lambda 匿名函数
reduce(lambda x, y: x+y, [1,3,5,7,9])  

 

'''reduce函数执行顺序：先将lsd中的第一和第二个元素传入到fn中参与运算，运算后得到结果，再和第三个元素传入到fn中参与运算，以此类推...'''

# 需求：得到元祖tp = (1,2,3,4)中元素的和值

'''首先自定义函数 --> add作用：对列表中的元素进行求和操作 def add(x,y）
然后使用reduce函数执行过程如下：
第一次：add(1,2)
第二次：add(add(1,2),3)
第三次：add(add(add(1,2),3),4)'''

# 代码实现一：递归的思想来实现
tp = (1,2,3,4)
def mySum(num):
    if num == 1:
        return 1
    return num + mySum(num - 1)

print(mySum(4))


# 代码实现二：reduce函数实现
from functools import reduce
def add(x,y):
    return x + y

res = reduce(add,tp)

print(res,type(res))                 # 10 <class 'int'>
print(reduce(lambda x,y: x + y,tp))  # 10
print(sum(tp))                       # 10 直接使用内置函数sum（）了

代码演示示例：

# 实例1：lt = [1,2,3,4] 得到其中元素的乘积

lt = [1,2,3,4]
print(reduce(lambda x,y: x * y,lt))
 
# 实例2：从键盘读入一个整数字符串数据，例如：'12345'，将其转换为12345；
'''注意：不能直接使用int()来实现.思路：使用map和reduce配合来实现
步骤一：'12345' --》拆分为散装数据：1 2 3 4 5    可以使用map来实现
步骤二：将map对象中的数据 1 2 3 4 5 组合成为 --> 12345    可以使用reduce来实现
'''
from functools import reduce

str1 = '12345'
def chr2Int(str):
    return int(str)

def zuhe(x,y):
    return x * 10 + y

mo = map(chr2Int,str1)
num = reduce(zuhe,mo)
print(num,type(num))          #12345 <class 'int'>


#终极版：
print(reduce(lambda x,y: x * 10 + y,map(int,str1)))         #12345 

3).filter函数

功能：filter()函数也是接收两个参数，接收一个函数和一个序列的高阶函数，其主要功能是过滤，过滤掉不符合条件的元素，序列的每个元素作为参数传递给函数进行判，然后返回 True 或 False，最后将返回 True 的元素放到新序列中。filter的意思：在计算机领域中我们都称为过滤器。

语法格式：filter(function, iterable)

参数：和map、reduce一样理解，function：判断函数，iterable ：可迭代对象。

返回值：一个惰性序列对象(filter对象，迭代器对象)，例如列表

代码演示示例：

# 示例1：lt = [1,2,3,4,5,6,7,8] --> 得到：[2,4,6,8]

lt = [1,2,3,4,5,6,7,8] 
#代码实现一：老技术
lt1 = []
for i in lt:
    if i % 2 == 0:
        lt1.append(i)

print(lt1)


#代码实现二：新技术(filter)
def func(o):
    if o % 2 == 0:
        return True
    return False
 
fo =filter(func,lt)

print(fo,type(fo))  #<filter object at 0x0000000001E8F710> <class 'filter'>
print(list(filter(func,lt)))           #[2, 4, 6, 8]
print(isinstance(fo,collections.Iterator))     #Ture
print(isinstance(fo,collections.Iterable))     #Ture
print(next(fo))                #2
print(next(fo))                #4
print(list(fo))                  #[6, 8]
 

# 终极版：
print(list(filter(lambda x:x % 2 == 0,lt)))    #[2, 4, 6, 8]
 

# 示例2：lt = [345,0,'abcde',1.2,0,3.14,0.0,'haha','hehe',True,False,[],(),{},{1,2,3},[10,20,30],{'name':'zs','age':30}，None]
得到如下效果：lt = [345,'abcde',1.2,3.14,'haha','hehe',True,{1,2,3},[10,20,30],{'name':'zs','age':30}]

lt = [345,0,'abcde',1.2,0,3.14,0.0,'haha','hehe',True,False,[]
,(),{},{1,2,3},[10,20,30],{'name':'zs','age':30},None]

print(list(filter(lambda x: bool(x),lt)))
#或者
print(list(filter(bool,lt)))


# 示例3：lt1 = ['aaaaaaaa','bbbbb','cccccc','ddd']得到如下效果：['aaaaaaaa','cccccc']

lt1 = ['aaaaaaaa','bbbbb','cccccc','ddd']

print(list(filter(lambda x: len(x) > 5,lt1)))

高阶函数以及匿名函数之间的配合使用（练习）：

'''模板一：lambda和filter的配合使用'''
# 需求：lt = [1,2,3,4,5,6,7,8,9] --> 得到[3,6,9]

print(list(filter(lambda x: x % 3 == 0,lt)))


'''模板二：lambda 和map的配合使用'''
# 需求：演示开平方操作  --> 容器对象：range

mo = map(lambda x: x ** 2,range(5))
print(list(mo))


'''模板三：在模板二的基础上进行功能扩展：range(10)，过滤以后保留的数据范围大小为：(5,50)之间'''

mo = map(lambda x: x ** 2,range(10))
fo = filter(lambda x: x > 5 and x < 50,mo)
print(list(fo))


'''模板四：lambda 和reduce配合使用'''
# 求和值
import functools

lt = [1,2,3,4,5]

my_sum = functools.reduce(lambda x,y: x + y,lt)
print(my_sum)


'''模板五：求两个列表对象中元素的和，返回新列表:
lt1 = [1,2,3,4], lt2 = [5,6,7,8], 结果：lt3 = [6,8,10,12]'''

mo = map(lambda x,y: x + y,lt1,lt2)
print(list(mo))


'''模板六：求字符串中每个单词的长度content = "welcome to shanghai", 结果：[7,2,8]'''
# 使用切割的思想：切完之后得到一个列表对象，内部元素["welcome","to","shanghai"]
words_list = content.split()
mo = map(len,words_list)
print(list(mo))