函数式编程

原则

写代码要遵循==开发封闭==原则，虽然这个原则是用的面向对象开发，但是也适用于函数式编程，简单来说，它规定已经实现的功能代码不允许被修改，但可以被扩展，即：

封闭：已实现的功能代码块

开放：对扩展开发

内容

装饰器

def w1(func):
    def inner():
        # 验证1
        # 验证2
        # 验证3
        return func()
    return inner
@w1       # 相当于执行了 w1(f1())
def f1():
    print('f1')

当写完这段代码后（函数未被执行、未被执行、未被执行），python解释器就会从上到下解释代码，步骤如下：

1 2	def w1(func): ==>将w1函数加载到内存 @w1

没错，从表面上看解释器仅仅会解释这两句代码，因为函数在没有被调用之前其内部代码不会被执行。

从表面上看解释器着实会执行这两句，但是
@w1 这一句代码里却有大文章

@函数名
: 是python的一种语法糖。

如上例 @w1内部会执行以下操作
: 执行w1函数，并将 @w1 下面的函数作为 w1 函数的参数
即：@w1 等价于 w1(f1)。

所以，内部就会去执行：

def inner:
    #验证
    return f1() # func是参数，此时 func 等于 f1
return inner # 返回的 inner，inner代表的是函数，非执行函数
# 其实就是将原来的 f1 函数塞进另外一个函数中。

# 将执行完的 w1 函数返回值赋值给@w1下面的函数的函数名
# w1函数的返回值是：

   def inner:
        #验证
        return 原来f1()  # 此处的 f1 表示原来的f1函数
# 然后，将此返回值再重新赋值给 f1，即：

new_f1 = def inner:
            #验证
            return 原来f1()

如此一来，即执行了验证的功能，又执行了原来 f 函数的内容，并将原 f1 函数返回值,
返回给业务调用着。

参数传递

 # 一个参数：

def w1(func):
    def inner(arg):
        # 验证1
        # 验证2
        # 验证3
        return func(arg)
    return inner
@w1
def f1(arg):
    print('f1')

# 两个参数：

def w1(func):
    def inner(arg1,arg2):
        # 验证1
        # 验证2
        # 验证3
        return func(arg1,arg2)
    return inner
@w1
def f1(arg1,arg2):
    print('f1')

问题: 装饰具有处理n个参数的函数的装饰器？

def w1(func):
    def inner(*args,**kwargs):
        # 验证1
        # 验证2
        # 验证3
        return func(*args,**kwargs)
    return inner
@w1
def f1(arg1,arg2,arg3):
    print('f1')

问题：一个函数可以被多个装饰器装饰吗？

def w1(func):
    def inner(*args,**kwargs):
        # 验证1
        # 验证2
        # 验证3
        return func(*args,**kwargs)
    return inner
def w2(func):
    def inner(*args,**kwargs):
        # 验证1
        # 验证2
        # 验证3
        return func(*args,**kwargs)
    return inner
@w1
@w2
def f1(arg1,arg2,arg3):
    print('f1')

Lambda函数（匿名函数）

函数：最大程度地复用代码
- 存在问题：若函数很小，很短，则会造成啰嗦，不方便阅读代码
lambda表达式
- 一个表达式，函数体相对简单
- 用法
  - 以lambda开头
  - 紧跟一定的参数
  - 参数后面用冒号和表达式主题分开
  - 只是一个表达式，没有return
- 实例
  - stm = lambda x: 100 * x
  - stm(89) ==>8900

高阶函数

定义：把函数作为参数使用的函数
注意
- 函数名称就是一个变量，即函数可以作为参数

举例

def funA(n):
  return n * 100

def funB(n):
  return funA(n) * 3

map函数

对队列里的每个元素进行操作，即映射操作
map函数是系统提供的具有映射功能的函数，返回值是一个迭代对象,类型为map类
- 注意：若用列表生成式得到的结果为空
格式： map(func, *iterables)

# map举例
# 列表里的每个元素都乘以10

l1 = [ i for i in range(10)]
print(l1)
for i in li:
    l2.append(i*10)

# 利用map来实现

def multen(n):
    return n*10

l2 = map(multen, l1 )  # multen函数作为map函数的一个参数
for x in l2:
    print(l2)

reduce函数

作用：归并，缩减，把可迭代对象最后归并为一个结果
作为参数的函数要求：
- 必须有两个参数
- 必须有返回结果
理解：reduce([1,2,3]) == f(f(f(1),2),3) 即函数嵌套
注意： reduce需要导入functools包

from functools import reduce

# 定义一个操作函数
# 加入操作函数来相加
def add(x,y):
    return x + y

## 对列表[1,2,3]执行add的reduce操作

rst = reduce(add, [1,2,3])
print(rst)

filter 函数

过滤函数：对一组数据进行过滤，符合条件的数据会产生一个新的列表返回

与map函数比较

相同：
- 都对列表的每个元素逐一进行操作
不同：
- map 会生成一个跟原来数据相对应的新队列
- filter 不一定，只有符合条件的才会进入新队列
filter函数写法
- 利用给定函数进行判断
- 返回值为一个布尔值
- 调用格式： filter(f,data) f 为过滤函数 data 为数据

# 案例 过滤偶数数据形成新列表

def isEven(a):
    return a%2 ==0

list = [3,4,56,3,455,67,4,4]

rst = filter(isEven, l)

print([i for i in rst])

注意事项

返回的filter内容是一个可迭代对象,需要逐个输出

排序

把一个序列按照给定算法进行排序
key : 在排序前，对每一个元素进行 key 函数运算，可理解为按照 key 函数定义的逻辑进行排序 (key函数为排序函数的内嵌参数)
python2 python3 的差别较大

# 排序案例1

a = [21,5,7,456,45,66]
al = sorted(a, reverse=True)

print (al)

# 排序案例2

a = [4.-45.457.74.7.5]
# 按照数据的绝对值进行排序 
# abs 为求绝对值的函数

al = sorted(a, key=abs, reverse=True)

print (al)