篇首语:本文由编程笔记#小编为大家整理,主要介绍了python一等函数相关的知识,希望对你有一定的参考价值。
把函数视作对象
在 Python 中,函数是一等对象。编程语言理论家把“一等对象”定义为满足下述条件的程序实体:
在运行时创建
能赋值给变量或数据结构中的元素
能作为参数传给函数
- 能作为函数的返回结果
说明python 函数是对象:这里创建了一个函数,然后调用它,读取它的 __doc__ 属性,并且确定函数对象本身是 function 类的实例。
def factorial(n):
‘‘‘returns n!‘‘‘
return 1 if n <2 else n * factorial(n - 1)
print(factorial(5)) #调用
print(help(factorial)) #打印__doc__属性
print(type(factorial)) #打印类型
#结果
120
Help on function factorial in module __main__:
factorial(n)
returns n! #__doc__属性
None
<class ‘function‘> #说明factorial是function类的一个实例
说明函数是一等对象:通过别名使用函数(对应于第二点),把函数作为参数传递(对应于第三点)。
#创建一个函数,只有函数在调用的时候才会运行
def factorial(n):
‘‘‘returns n!‘‘‘
return 1 if n <2 else n * factorial(n-1)
fact = factorial
print(fact)
map_fact = map(factorial, range(11))
print(‘map fact:‘, map_fact)
print(list(map_fact))
#结果
map fact:
高阶函数
接受函数为参数,或者把函数作为结果返回的函数是高阶函数。
如map,filter,reduce,sorted。
map(function, iterable, ...) 会根据提供的函数对指定序列做映射。第一个参数 function 以参数序列中的每一个元素调用 function 函数,返回包含每次 function 函数返回值的新列表。
filter(function, iterable) 接收两个参数,第一个为函数,第二个为序列,序列的每个元素作为参数传递给函数进行判断,然后返回 True 或 False,最后将返回 True 的元素放到新列表中。
reduce(function, iterable[, initializer])函数将一个数据集合(链表,元组等)中的所有数据进行下列操作:用传给 reduce 中的函数 function(有两个参数)先对集合中的第 1、2 个元素进行操作,得到的结果再与第三个数据用 function 函数运算,最后得到一个结果。
sorted(iterable[, cmp[, key[, reverse]]]) 排序函数
sorted示例,reverse函数作为参数,逆置的单词排序。
>>> def reverse(word):
... return word[::-1]
...
>>> reverse(‘testing‘)
‘gnitset‘
>>> reverse(fruits)
[‘banana‘, ‘raspberry‘, ‘cherry‘, ‘apple‘, ‘fig‘, ‘strawberry‘]
>>> fruits
[‘strawberry‘, ‘fig‘, ‘apple‘, ‘cherry‘, ‘raspberry‘, ‘banana‘]
>>> sorted(fruits, key=reverse) #reverse作为sorted函数的参数
[‘banana‘, ‘apple‘, ‘fig‘, ‘raspberry‘, ‘strawberry‘, ‘cherry‘]
map和filter示例,计算阶乘:
>>>def factorial(n):
return 1 if n <2 else n * factorial(n - 1)
>>>list(map(factorial,range(6))) #0到5的阶乘
[1, 1, 2, 6, 24, 120]
list(map(factorial,filter(lambda n: n % 2,range(6)))) #过滤掉偶数的阶乘
[1, 6, 120]
reduce示例,求和:
from functools import reduce #reduce在functools模块下
from operator import add
reduce(add,range(100))
4950
sum(range(100))
4950
sum和reduce思想是把某个操作连续应用到序列的元素上,累计之前的结果,把一系列值规约成一个值。类似的函数还有any和all.
all(iterable) //如果iterable的每个元素都是真值,返回True,否则返回False
any(iterable) //只要有iterable的某个元素是真值就返回True。
匿名函数
lambda函数定义体中不能赋值,也不能使用while和try等python语句。适合用在参数列表中。(lambda表达式会创建函数对象)
fruits = [‘banana‘, ‘raspberry‘, ‘cherry‘, ‘apple‘, ‘fig‘, ‘strawberry‘]
sorted(fruits, key=lambda word: word[::-1]) #逆置的单词排序,代替了sorted示例中的reverse函数
[‘banana‘, ‘apple‘, ‘fig‘, ‘raspberry‘, ‘strawberry‘, ‘cherry‘]
可调用对象和可调用类型
可以使用()符号调用的对象即为可调用对象
如下:
用户定义的函数:def语句或lambda函数创建
内置函数:C语言实现的函数,如len或time.strftime
内置方法:C语言实现的方法,如dict.get
方法:类中定义的函数
类:调用类时会调用__new__方法创建一个实例,然后运行__init__方法初始化实例返回调用方。
类实例:如果类定义了__call方法,那么它的实例可以作为函数调用。
生成器函数:使用yield关键字的函数或方法。
可以使用callable()函数判断对象是否可以调用。
>>>[callable(obj) for obj in (abs,str,13)]
[True, True, False]
用户定义的可调用类型
任何python对象都可以表现得像函数,只要实现__call__方法。
import random
class BingoCage:
def __init__(self, items):
self._items = list(items)
random.shuffle(self._items) #打乱顺序
def pick(self):
try:
return self._items.pop()
except IndexError:
raise LookupError(‘pick from empty BingoCage‘)
def __call__(self, *args, **kwargs): #实现__call__方法
return self.pick()
bingo = BingoCage(range(3))
print(bingo.pick())
print(bingo()) #调用bingo
print(callable(bingo)) #判断是否可调用
#结果:
0
2
True
函数内省
函数对象不止有__doc__属性,还有很多其他属性,可用dir()函数查看
>>>dir(factorial)
[‘__annotations__‘, ‘__call__‘, ‘__class__‘, ‘__closure__‘, ‘__code__‘, ‘__defaults__‘, ‘__delattr__‘, ‘__dict__‘, ‘__dir__‘, ‘__doc__‘, ‘__eq__‘, ‘__format__‘, ‘__ge__‘, ‘__get__‘, ‘__getattribute__‘, ‘__globals__‘, ‘__gt__‘, ‘__hash__‘, ‘__init__‘, ‘__kwdefaults__‘, ‘__le__‘, ‘__lt__‘, ‘__module__‘, ‘__name__‘, ‘__ne__‘, ‘__new__‘, ‘__qualname__‘, ‘__reduce__‘, ‘__reduce_ex__‘, ‘__repr__‘, ‘__setattr__‘, ‘__sizeof__‘, ‘__str__‘, ‘__subclasshook__‘]
用户定义的函数的属性
名称 |
类型 |
说明 |
__annotations__ |
dict |
参数返回值和的注释信息 |
__call__ |
method-wrapper |
实现()运算符;即可调用对象协议 |
__closure__ |
tuple |
函数闭包,即自有变量的绑定(通常是None) |
__code__ |
code |
编译成字节码的函数元数据和函数定义体 |
__defaults__ |
tuple |
形式参数的默认值 |
__get__ |
method-wrapper |
实现只读描述符协议 |
__globals__ |
dict |
函数所在模块中的全局变量 |
__kwdefaults__ |
dict |
仅限关键字形式参数的默认值 |
__name__ |
str |
函数名称 |
__qualname__ |
str |
函数的限定名称,如Random.choice |
获取函数参数信息(法一)
函数的__default__属性保存着定位参数和关键字参数的默认值
函数的__code__包含许多参数信息,如:
__code__.co_argcount包含参数个数
__code__.co_varnames包含参数名称 (值得注意的是,这里包含函数体内定义的局部变量,真正的参数名称是前N个字符串,N的个数由co__argcount确定;且其中不包含前缀为*和**的变长参数)
def clip(text, max_len=20):
"""在max_len前面或后面的第一个空格处截断文本
"""
end = None
if len(text) > max_len:
space_before = text.rfind(‘ ‘, 0, max_len)
if space_before >= 0:
end = space_before
else:
space_after = text.rfind(‘ ‘, max_len)
if space_after >=0:
end = space_after
if end is None:
end = len(text)
return text[:end].rstrip()
print(clip.__defaults__) #从后往前扫描,故max_len的默认值为20
print(clip.__code__)
print(clip.__code__.co_argcount) #包含局部变量
print(clip.__code__.co_varnames) #如结果,实际参数为2
(20,)
"C:/py_code/nov06/Schimidt.py", line 1>
2
(‘text‘, ‘max_len‘, ‘end‘, ‘space_before‘, ‘space_after‘)
获取函数参数信息(法二)
使用inspect模块下的signature()函数,signature()函数返回一个signature对象,它有一个parameters属性,这是一个有序映射,把参数名和inspecr.Parameter对象对应起来。各个Parameter有各自属性:name(名称),default(默认值),kind(类型) //特殊的inspect._empty代表没有默认值
from inspect import signature
sig = signature(clip) #clip为上个示例的函数,参数元组
print(sig)
print(str(sig))
for name, param in sig.parameters.items():
print(param.kind, ‘:‘, name, ‘=‘, param.default)
#打印 参数类型:参数名称:参数默认值
#结果
(text, max_len=20)
(text, max_len=20)
POSITIONAL_OR_KEYWORD : text = <class ‘inspect._empty‘>
POSITIONAL_OR_KEYWORD : max_len = 20
kind属性值是_ParameterKind类的5个值之一,如下:
POSITIONAL_OR_KEYWORD |
可以通过定位参数和关键字参数传入的形参,多数python参数类型属于此类 |
|
VAR_POSITIONAL |
定位参数元组 |
* 参数 |
VAR_KEYWORD |
关键字参数字典 |
** 参数 |
KEYWORD_ONLY |
仅限关键字参数 |
|
POSITONAL_ONLY |
仅限定位参数 |
|
函数注解
除了name,kind,default,inspect.Parameter对象还有一个annotation(注解)属性,它的值通常为inspect._empty,但可能包含注解句法提供的函数签名元素据。
函数声明中的各个参数可以在:之后增加注解表达式。如果参数有默认值,注解放在参数名和 = 号之间。如果想注解返回值,在 )和函数声明末尾的:之间添加->和一个表达式,那个表达式可以是任意类型。
为clip函数添加注解:
def clip(text, max_len:‘int > 0‘=20) -> str: #max_len参数注解和返回值注解
"""在max_len前面或后面的第一个空格处截断文本
"""
end = None
if len(text) > max_len:
space_before = text.rfind(‘ ‘, 0, max_len)
if space_before >= 0:
end = space_before
else:
space_after = text.rfind(‘ ‘, max_len)
if space_after >=0:
end = space_after
if end is None:
end = len(text)
return text[:end].rstrip()
print(clip.__annotations__)
#结果
{‘max_len‘: ‘int > 0‘, ‘return‘: <class ‘str‘>}
Python 对注解所做的唯一的事情是,把它们存储在函数的__annotations__ 属性里。仅此而已,Python 不做检查、不做强制、不做验证,什么操作都不做。换句话说,注解对 Python 解释器没有任何意义。注解只是元数据,可以供 IDE、框架和装饰器等工具使用。标准库中还没有什么会用到这些元数据,唯有inspect.signature() 函数知道怎么提取注解,如示例所示:
sig = signature(clip)
print(sig.return_annotation)
for param in sig.parameters.values():
note = repr(param.annotation).ljust(13) #param.annotation获取注解,rerp返回注解的string形式
print(note, ‘:‘, param.name, ‘‘, param.default)
<class ‘str‘>
<class ‘inspect._empty‘> : text <class ‘inspect._empty‘>
‘int > 0‘ : max_len 20
支持函数式编程的包
operator模块为多个算术运算符提供了对应的函数,例如可以使用mul来代替使用匿名函数lambda a,b:a * b
operator还有itemgetter和attrgetter函数。
itemgetter常见用途:根据元组的某个字段给元组列表排序。(itemgetter[i]类似lambda fields:fields[1],创建一个接受集合的函数,返回索引位1上的元素)
from operator import itemgetter
metro_data = [
(‘tokyo‘, ‘JP‘, 36),
(‘mexico‘, ‘IN‘, 21),
(‘new york‘, ‘US‘, 20),
(‘sao paulo‘, ‘BR‘, 19),
]
for city in sorted(metro_data, key=itemgetter(1)): #按照元组第二项排序
print(city)
#结果
(‘sao paulo‘, ‘BR‘, 19)
(‘mexico‘, ‘IN‘, 21)
(‘tokyo‘, ‘JP‘, 36)
(‘new york‘, ‘US‘, 20)
for city in sorted(metro_data, key=itemgetter(2)): #按照元组第三项排序
print(city)
#结果
(‘sao paulo‘, ‘BR‘, 19)
(‘new york‘, ‘US‘, 20)
(‘mexico‘, ‘IN‘, 21)
(‘tokyo‘, ‘JP‘, 36)
多个参数传递给itemgetter,它构建的函数会返回提取的值构成的元组:
cc_name = itemgetter(1, 0)
for city in metro_data:
print(cc_name(city))
#结果
(‘JP‘, ‘tokyo‘)
(‘IN‘, ‘mexico‘)
(‘US‘, ‘new york‘)
(‘BR‘, ‘sao paulo‘)
functools.partial冻结参数
functols.partial用于部分应用于一个函数。即:基于一个函数创建一个新的可调用对象,把原函数的某些参数固定。使用这个函数可以把接受一个或多个参数的函数改编成需要回调的API,这样需要的参数更少。
from operator import mul #乘法
from functools import partial
triple = partial(mul, 3) #把第一个参数固定为3
print(triple(7))
print(list(map(triple, range(1, 10))))
21
[3, 6, 9, 12, 15, 18, 21, 24, 27]
functools.partialmethod函数作业于partial一样,不过是用于处理方法。
以上来自《流畅的python》第五章