Python入門學習之函數式程式設計

一 前言

　　初次接觸函數式程式設計是在學習分散式計算的時候，那時候對map/reduce是不明覺厲，也沒懂多少原理方面的東西。 Python中的函數式程式設計也算是初步了解map/reduce。所謂函數式編程，本質上是可以歸結為過程導向的程序設計，但是它的思想很接近數學計算。它比一般的程式設計範式更抽象，而且純粹的函數式程式語言所寫的函數是沒有變數的，只要確定了輸入，那也就確定了輸出。它的另一個特點就是把函數本身當作參數傳入到另一個函數中，允許傳回一個函數。

 

二 高階函數（High-order Function）

　　在Python中，函數名稱本質上也是一個變數。我們可以將一個函數名賦值給一個變量，再透過這個變數來呼叫函數。在使用python以過程為導向的程式設計中，一個有變數的函數是很普遍的設計，但是如果這個變數是一個函數，那麼這個有變數的函數我們就稱之為高階函數了。

　　一個簡單的高階函數範例：

def fun(n):
   return n+1

def highorder(x, y, f):
   return fx)+定義的highorder就是一個高階函數，它是一個可以在參數中接收其他函數的函數。

 

三 Map/Reduce

　　有了上面的高階函數基礎，現在再來理解Map/Reduce就很容易了。 Map函數接收兩個參數，一個是函數，另一個是Iterable。 Map將函數依序作用在Iterable的每一個元素上，並將結果傳回為新的Iterator。

　　看下面的例子：

def fun(n):

   return n*2

m=map(fun, [1,2,3,4,5])PRint(m)
m=map(fun, [1,2,3,4,5])PRint(m)
python hello_python.py
[2, 4, 6, 8, 10]


 　　map把函數fun依次作用在列表的每一個元素上，就得到了[2,4,6,8,10]。

　　如果嫌定義一個fun函數比較麻煩，可以使用lambda來進行簡化，如下：

m=map(lambda n:n*2, [1,2,3,4,5])

 　 　Reduce的用法。 Reduce同Map一樣，也是將一個函數依序作用在一個序列上，但是要求這個函數必須接收兩個函數。 Reduce再把函數作用在前兩個參數的結果與下一個序列的元素上。

　　下面就用Reduce來實現一個序列求和運算，見下例：

def add(x,y):

   return x+y

r=reduce(add, [1,2,3,4,4,2,2,3,4, [1,2,3,4, 1,2,3,4, [1,2,3,4,2 5])

print(r)

E:Studypython>python hello_python.py
15


 　　它的lambda版本為：

r=reduce(lambda x,1,120,00 ,4,5])

 

四回傳函數

　　在前面就已經表述過函數是可以被賦值給一個變數的，那麼既然函數可以回傳一個變數，當然也是可以傳回一個函數的。別看返回變數和返回函數本質上差別不大，但是這種返回函數的機制卻在應用上有著極大的作用。

　　請看下面的範例：

def wrapper(*param):

   def calc():

       x

       return sum            

   return calc;

f= wrapper(1,2,3,4,5)

print(f())

E:Studypython>python hello_python.py
15


 　wr在呼叫此函數後，其會傳回一個內部定義的函數，而這個函數要在真正呼叫它時才會執行。另外也要注意的是，calc函式中存取的資料是由wrapper帶進來的，而這些參數會與calc被保存在一起，我們稱之為「閉包」（closure）。

 

五 閉包（Closure）

　　初次接觸閉包，對其並不是十分的理解。仍以四中的程式碼作為範例。

　　wrapper是一個函數，包含不定數的參數param。比較特殊的地方是這個函數體中也定義了一個新的函式calc，這個新函式的函式體內正引用了一個外在函式wrapper的參數，也就是說，外在函式傳遞過來的參數已經和calc函式綁定到了一起，形成了一個新函數。我們可以把param看成是這個新函數的一個設定資訊。配置資訊如果不一樣，函數的輸出當然也就不一樣了。

　　為了更好的理解閉包，看以下代碼示例：

def wrapper(conf):

   def calc(n):

       return conf+n

   return calc

f1=wrapper(1)

f2=wrapper (2)

print(f1(100))
print(f2(100))

E:Studypython>python hello_python.py
101
102

 　　分析上述程式碼，呼叫wrapper(1)時會回傳一個函數，而這個函數的配置資訊是conf的值為1。再呼叫wrapper(2)時會傳回另外一個函數，而這個函數的設定資訊是conf的值為2。所以在隨後的我們都傳入100參數來呼叫f1和f2時得到的結果為101和102,其根本原因就在於兩個函數的配置資訊不一樣。

　　值得我們注意的是，並不是外部函數的所有信息都會被內部函數做為配置信息，只有外部函數的參數才會被內部函數作為配置信息。至於外部函數的局部變量，就不會被做為配置資訊了。

　　　　

六 裝飾器（Decorator）

　　發明Decorator的初衷是為了解決在不修改原有函數程式碼的情況下，在函數呼叫前後就增加其他功能，例如列印等。 Decorator基本上就是一個回傳函數的高階函數，請看下面這個列印日誌的decorator,程式碼如下：

def decorator(func):
   def wrapper():
      print("Before invok:"  
       print("After invoked:")
   return wrapper        

def func():
 

E:Studypython>python hello_python. py
Before invoked:
Func invoked:
After invoked:


 　　上述程式碼為func定義了一個裝飾器，在呼叫這個裝飾器時傳回一個函數，在這個函數中加上需要的程式碼後再用func。但這裡有一個問題，就是原來可以直接呼叫func，現在卻要呼叫f了。要解決這個問題很容易，因為在python中函數是可以賦值給一個變數的，只需要將f改成func就可以了。如下圖所示：

func=decorator(func)
func()

 　　python中為實作這個機制提供了一個語法：@。在func前加上@decorator即可，相當於執行了func=decorator(func)，這樣就解決了使用相同的名字來呼叫增加功能後的程式碼。如下圖所示：

def decorator(func):
   def wrapper():

       print("Before invoked:")

     5("Before invoked:")

     return wrapper        

@decorator
def func ():
   print("Func invoked:")
 
func()


 　　另外還有如何為decorator增加參數以及如何修改wrapper的__name__屬性為func的內容，這裡就不講述了。

 

七 偏函數（Partial Function）

　　何謂偏函數？偏函數就是給函數增加預設參數後的函數。在python中，可以使用functools.partial來產生一個函數的偏函數。拿python中的int()做範例，int()函數預設是以十進位轉換，如果想產生一個以8進位轉換的偏函數，可以如下實作：

print(int('12345'))

int8=functools.partial(int, base=8)

print(int8('12345'))

 

式八總結

　　在這篇文章中，主要講述了函數式程式設計中的幾個基本概念。個人感覺最難理解的就是Decorator了，特別是其中的所謂配置資訊。如有錯誤之處，敬請留言！ ！ ！

 以上就是Python入門學習之函數式程式設計的內容，更多相關文章請關注PHP中文網（www.php.cn）！