Python3:返回函数、匿名函数lambda、装饰器、偏函数

xiaoxiao2021-03-01  3

# 返回函数函数作为返回值 # 高阶函数除了可以接受函数作为参数外,还可以把函数作为结果值返回。 # 我们来实现一个可变参数的求和。通常情况下,求和的函数是这样定义的: def calc_sum(*args): ax = 0 for n in args: ax = ax + n return ax # 但是,如果不需要立刻求和,而是在后面的代码中,根据需要再计算怎么办?可以不返回求和的结果,而是返回求和的函数: def lazy_sum(*args): def sum(): ax = 0 for n in args: ax = ax + n return ax return sum # 当我们调用lazy_sum()时,返回的并不是求和结果,而是求和函数: f = lazy_sum(1, 3, 5, 7, 9) print(f) # 调用函数f时,才真正计算求和的结果: print(f()) # 在这个例子中,我们在函数lazy_sum中又定义了函数sum,并且,内部函数sum可以引用外部函数lazy_sum的参数和局部变量, # 当lazy_sum返回函数sum时,相关参数和变量都保存在返回的函数中,这种称为“闭包(Closure)”的程序结构拥有极大的威力。 # 请再注意一点,当我们调用lazy_sum()时,每次调用都会返回一个新的函数,即使传入相同的参数: f1 = lazy_sum(1, 3, 5, 7, 9) f2 = lazy_sum(1, 3, 5, 7, 9) print(f1==f2) # 闭包 # 注意到返回的函数在其定义内部引用了局部变量args, # 所以,当一个函数返回了一个函数后,其内部的局部变量还被新函数引用,所以,闭包用起来简单,实现起来可不容易。 # 另一个需要注意的问题是,返回的函数并没有立刻执行,而是直到调用了f()才执行。我们来看一个例子: def count(): fs = [] for i in range(1, 4): def f(): return i*i fs.append(f) return fs f1, f2, f3 = count() # 在上面的例子中,每次循环,都创建了一个新的函数,然后,把创建的3个函数都返回了。 # 你可能认为调用f1(),f2()和f3()结果应该是1,4,9,但实际结果是: # 全部都是9!原因就在于返回的函数引用了变量i,但它并非立刻执行。等到3个函数都返回时,它们所引用的变量i已经变成了3,因此最终结果为9。 # 返回闭包时牢记一点:返回函数不要引用任何循环变量,或者后续会发生变化的变量。 # 如果一定要引用循环变量怎么办?方法是再创建一个函数,用该函数的参数绑定循环变量当前的值,无论该循环变量后续如何更改,已绑定到函数参数的值不变: 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 # 匿名函数 # 当我们在传入函数时,有些时候,不需要显式地定义函数,直接传入匿名函数更方便。 # 在Python中,对匿名函数提供了有限支持。还是以map()函数为例,计算f(x)=x2时,除了定义一个f(x)的函数外,还可以直接传入匿名函数: print(list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))) # 通过对比可以看出,匿名函数lambda x: x * x实际上就是: def f(x): return x * x # 关键字lambda表示匿名函数,冒号前面的x表示函数参数。 # 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。 # 用匿名函数有个好处,因为函数没有名字,不必担心函数名冲突。此外,匿名函数也是一个函数对象,也可以把匿名函数赋值给一个变量,再利用变量来调用该函数: f = lambda x: x * x print(f) print(f(5)) # 同样,也可以把匿名函数作为返回值返回,比如: def build(x, y): return lambda: x * x + y * y # 装饰器 # 由于函数也是一个对象,而且函数对象可以被赋值给变量,所以,通过变量也能调用该函数。 def now(): print('2015-3-25') f = now print(f()) # 函数对象有一个__name__属性,可以拿到函数的名字: print(now.__name__) print(f.__name__) # 现在,假设我们要增强now()函数的功能,比如,在函数调用前后自动打印日志,但又不希望修改now()函数的定义,这种在代码运行期间动态增加功能的方式,称之为“装饰器”(Decorator)。 # 本质上,decorator就是一个返回函数的高阶函数。所以,我们要定义一个能打印日志的decorator,可以定义如下: def log(func): def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper # 观察上面的log,因为它是一个decorator,所以接受一个函数作为参数,并返回一个函数。我们要借助Python的@语法,把decorator置于函数的定义处: @log def now(): print('2015-3-25') # 调用now()函数,不仅会运行now()函数本身,还会在运行now()函数前打印一行日志: now(); # 把@log放到now()函数的定义处,相当于执行了语句:now = log(now) # 由于log()是一个decorator,返回一个函数,所以,原来的now()函数仍然存在,只是现在同名的now变量指向了新的函数,于是调用now()将执行新函数,即在log()函数中返回的wrapper()函数。 # wrapper()函数的参数定义是(*args, **kw),因此,wrapper()函数可以接受任意参数的调用。在wrapper()函数内,首先打印日志,再紧接着调用原始函数。 # 如果decorator本身需要传入参数,那就需要编写一个返回decorator的高阶函数,写出来会更复杂。比如,要自定义log的文本: def log(text): def decorator(func): def wrapper(*args, **kw): print('%s %s():' % (text, func.__name__)) return func(*args, **kw) return wrapper return decorator @log('execute') def now(): print('2015-3-25') now() # 和两层嵌套的decorator相比,3层嵌套的效果是这样的:now = log('execute')(now) # 我们来剖析上面的语句,首先执行log('execute'),返回的是decorator函数,再调用返回的函数,参数是now函数,返回值最终是wrapper函数。 # 以上两种decorator的定义都没有问题,但还差最后一步。因为我们讲了函数也是对象,它有__name__等属性,但你去看经过decorator装饰之后的函数,它们的__name__已经从原来的'now'变成了'wrapper': print(now.__name__) # 因为返回的那个wrapper()函数名字就是'wrapper',所以,需要把原始函数的__name__等属性复制到wrapper()函数中,否则,有些依赖函数签名的代码执行就会出错。 # 不需要编写wrapper.__name__ = func.__name__这样的代码,Python内置的functools.wraps就是干这个事的,所以,一个完整的decorator的写法如下: import functools def log(func): @functools.wraps(func) def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper # 或者针对带参数的decorator: 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 # 偏函数 # Python的functools模块提供了很多有用的功能,其中一个就是偏函数(Partial function)。要注意,这里的偏函数和数学意义上的偏函数不一样。 # 在介绍函数参数的时候,我们讲到,通过设定参数的默认值,可以降低函数调用的难度。而偏函数也可以做到这一点。举例如下: # int()函数可以把字符串转换为整数,当仅传入字符串时,int()函数默认按十进制转换: print(int('12345')) # 但int()函数还提供额外的base参数,默认值为10。如果传入base参数,就可以做N进制的转换: print(int('12345', base=8)) print(int('12345', 16)) # 假设要转换大量的二进制字符串,每次都传入int(x, base=2)非常麻烦,于是,我们想到,可以定义一个int2()的函数,默认把base=2传进去: def int2(x, base=2): return int(x, base) # 这样,我们转换二进制就非常方便了: print(int2('1000000')) print(int2('1010101')) # functools.partial就是帮助我们创建一个偏函数的,不需要我们自己定义int2(),可以直接使用下面的代码创建一个新的函数int2: import functools int2 = functools.partial(int, base=2) print(int2('1000000')) print(int2('1010101')) # 所以,简单总结functools.partial的作用就是,把一个函数的某些参数给固定住(也就是设置默认值),返回一个新的函数,调用这个新函数会更简单。 # 注意到上面的新的int2函数,仅仅是把base参数重新设定默认值为2,但也可以在函数调用时传入其他值: print(int2('1000000', base=10)) # 最后,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,当传入: int2 = functools.partial(int, base=2) # 实际上固定了int()函数的关键字参数base,也就是: int2('10010') # 相当于: kw = { 'base': 2 } int('10010', **kw) # 当传入: max2 = functools.partial(max, 10) # 实际上会把10作为*args的一部分自动加到左边,也就是: max2(5, 6, 7) # 相当于: args = (10, 5, 6, 7) print(max(*args)) # 当函数的参数个数太多,需要简化时,使用functools.partial可以创建一个新的函数,这个新函数可以固定住原函数的部分参数,从而在调用时更简单。
转载请注明原文地址: https://www.6miu.com/read-3200276.html

最新回复(0)