写 Python 代码不可不知的函数式编程技术
共 2998字,需浏览 6分钟
·
2021-11-23 16:43
👆👆👆关注我,和老表一起学Python、云服务器
来源 : 机器之心
本文对 Python 中的函数式编程技术进行了简单的入门介绍。
def foo():
print("foo")
bar = foo
bar()
#will print "foo" to the console
class Greeter:
def __init__(self, greeting):
self.greeting = greeting
def __call__(self, name):
return self.greeting + " " + name
morning = Greeter("good morning") #creates the callable object
morning("john") # calling the object
#prints "good morning john" to the console
callable(morning) #true
callable(145) #false. int is not callable.
# store in dictionary
mapping = {
0 : foo,
1 : bar
}
x = input() #get integer value from user
mapping[x]() #call the func returned by dictionary access
「高阶函数允许我们对动作执行抽象,而不只是抽象数值。」
def iterate(list_of_items):
for item in list_of_items:
print(item)
看起来很酷吧,但这只不过是一级抽象而已。如果我们想在对列表执行迭代时进行打印以外的其他操作要怎么做呢?
def iterate_custom(list_of_items, custom_func):
for item in list_of_items:
custom_func(item)
def add(x, y):
return x + y
def sub(x, y):
return x - y
def mult(x, y):
return x * y
def calculator(opcode):
if opcode == 1:
return add
elif opcode == 2:
return sub
else:
return mult
my_calc = calculator(2) #my calc is a subtractor
my_calc(5, 4) #returns 5 - 4 = 1
my_calc = calculator(9) #my calc is now a multiplier
my_calc(5, 4) #returns 5 x 4 = 20.
嵌套函数
def fib(n):
def fib_helper(fk1, fk, k):
if n == k:
return fk
else:
return fib_helper(fk, fk1+fk, k+1)
if n <= 1:
return n
else:
return fib_helper(0, 1, 1)
将该计算从函数主体移到函数参数,这具备非常强大的力量。因为它减少了递归方法中可能出现的冗余计算。
mult = lambda x, y: x * y
mult(1, 2) #returns 2
该 mult 函数的行为与使用传统 def 关键字定义函数的行为相同。
(lambda x, y: x * y)(9, 10) #returns 90
import collections
pre_fill = collections.defaultdict(lambda: (0, 0))
#all dictionary keys and values are set to 0
def multiply_by_four(x):
return x * 4
scores = [3, 6, 8, 3, 5, 7]
modified_scores = list(map(multiply_by_four, scores))
#modified scores is now [12, 24, 32, 12, 20, 28]
在 Python 3 中,map 函数返回的 map 对象可被类型转换为 list,以方便使用。现在,我们无需显式地定义 multiply_by_four 函数,而是定义 lambda 表达式:
modified_scores = list(map(lambda x: 4 * x, scores))
even_scores = list(filter(lambda x: True if (x % 2 == 0) else False, scores))
#even_scores = [6, 8]
sum_scores = reduce((lambda x, y: x + y), scores)
#sum_scores = 32
Best Practices for Using Functional Programming in Python:https://kite.com/blog/python/functional-programming/
Functional Programming Tutorials and Notes:https://www.hackerearth.com/zh/practice/python/functional-programming/functional-programming-1/tutorial/
原文链接:https://medium.com/better-programming/introduction-to-functional-programming-in-python-3d26cd9cbfd7
老表每周一赠书
图书介绍:《利用Python进行数据分析》本书由Python pandas项目创始人Wes McKinney亲笔撰写,详细介绍利用Python进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。第2版针对Python 3.6进行全面修订和更新,涵盖新版的pandas、NumPy、IPython和Jupyter,并增加大量实际案例,可以帮助你高效解决一系列数据分析问题。 点击下方卡片直接购买学习
赠书规则:给本文点赞+周一随意留言,留言点赞top1可以直接获得赠书一本,另外我将随机抽取一位读者朋友赠书一本。
额外加成:本次留言点赞top10读者,在参与下次赠书活动时可以获得20%点赞额加成,比如你本次留言点赞量为20个,如果下次点赞活动你也参与了,点赞量为24,那么计算排名时你的点赞量为:24+20*20% = 28个(额外加成量上限为10个)。
老表学习交流群专属福利:
扫下方二维码,加我好友,通过后直接回复:进群,即可获取入群方法(仅限有一点Python基础的读者,一点基础没有的,建议上B站看视频学习,推荐小甲鱼Python)。
今天20:00将在群内随机抽选一位读者赠送《深入浅出Pandas:利用Python进行数据处理与分析》。
【推荐阅读】用Pandas对数据进行复杂查询,7步教你随心所欲地取用数据
扫码即可加我微信
老表朋友圈经常有赠书/红包福利活动
【⚠️注】同一读者同一月内最多只能获得一本赠书;必须在收到赠书后学习完图书内容/投稿学习笔记一篇后才能获得下一本赠书。
--END--
近期优质文章:
学习更多: 整理了我开始分享学习笔记到现在超过250篇优质文章,涵盖数据分析、爬虫、机器学习等方面,别再说不知道该从哪开始,实战哪里找了 “点赞”就是对博主最大的支持