1 #函数式编程:匿名函数、高阶函数、装饰器
2
3 #匿名函数
4
5
6 def add(x,y):#常规函数
7 return x+y
8
9
10 print(add(1,2))
11
12 f = lambda x,y: x+y#匿名函数
13 print(f(1,2))
14
15 # lambada 表达式
16 # lambada parameter_list : expression
17
18
19 # 三元表达式
20
21 # x,y x 大于 y x 否则 y 常规写法 x > y ? x :y
22 # 条件为真时返回的结果 if 条件判断 else 条件为假时的返回结果
23 x = 1
24 y = 3
25 r = x if x > y else y
26 print(r)
27
28
29 # map 方法与for循环类似
30 list_x = [1,2,3,4,5,6,7,8]
31 list_y = [1, 4, 9, 16, 25, 36, 49, 64]
32
33
34 def square(x):
35 return x * x
36
37
38 # for x in list_x:
39 # square(x)
40 # print(square(x))
41
42 r = map(square,list_x)
43 print(list(r))
44
45 #匿名函数代替square表达式
46 list_x1 = [1,2,3,4,5,6,7,8]
47 list_y1 = [1,2,3,4,5,6,7,8]
48 r1 = map(lambda x:x*x,list_x1)
49 print(list(r1))
50 # map函数可传入多个列表 多个列表进行计算
51 r2 = map(lambda x,y:x*y,list_x1,list_y1)
52 print(list(r2))
53
54 # reduce 连续计算，连续调用lambada（单列表进行连续计算）
55 from functools import reduce
56 list_x1_str = ['1','2','3','4','5','6','7','8']
57 r3 = reduce(lambda x,y:x+y,list_x1_str,'aaa') #根据list_x1数组在reduce方法中使用匿名函数的算法为：第一次数组第一个和第二个元素作为x,y,第二次取上一数组的值和第三个元素作为新的x,y进行运算，依此类推
58 print(r3)
59 # map/reduce 在大数据中作为 编程模型 映射 归约 并行计算 函数式编程
60 # filter 过滤器
61 list_filter = [1,0,1,0,0,1]
62 list_filter_u = ['a','B','c','F']
63 r5 = filter(lambda x: True if x==1 else False,list_filter)
64 r6 = filter(lambda x : x,list_filter)
65 print(list(r5),list(r6))
66
67 #命令式编程
68 # map/reduce/filter/lambda
69
70 #函数式编程
71 #def/if else/for
72 #lisp 函数式编程的鼻祖(人工智能领域用的比较多)
73
74 #装饰器
75 #装饰器在其他语言中的应用：Python：装饰器 C#:特性 Java：注解
76
77 import time
78
79
80 def f1():
81 #print(time.time())
82 print('This is a function1')
83
84
85 #f1()
86
87
88 def f2():
89 print('This is a function2')
90
91
92 def print_current_time(func):
93 print(time.time())
94 func()
95
96
97 """
98 等价于
99 print(time.time())
100 f1()
101 print(time.time())
102 f2()
103 """
104
105
106 print_current_time(f1)
107 print_current_time(f2)
108
109
110 # 装饰器
111
112
113 def decorator(func1):
114 def wrapper(*args,**kwargs):#kwargs关键字参数 key word aygs
115 print(time.time())
116 func1(*args,**kwargs)
117 return wrapper
118
119
120 @decorator
121 def f3(func_name):
122 #print(time.time())
123 print('This is a function3' + func_name)
124 #等价于 f3 = decorator(f3)
125
126
127 @decorator
128 def f4(func_name1,func_name2):
129 #print(time.time())
130 print('This is a function4' + func_name1,func_name2)
131
132 #@decorator
133 def f5(func_name1,func_name2,**kwargs):
134 #print(time.time())
135 print('This is a function4' + func_name1,func_name2,kwargs)
136
137
138 f3('test func')
139 f4('name1','name2')
140 f5('name1','name2',a=1,b=2,c='123')
