# 函式的高階應用 ### 二、高階函式 高階函式, 英文叫 Higher-order Function. **那麼什麼是高階函式呢?** 在說明什麼是=高階函式之前, 我們需要對函式再做進一步的理解! #### 2.1 函式的本質 函式的本質是什麼？ 函式和函式名到底是一種什麼關係？ _____ 在python中，一切皆物件，那麼函式也不例外，也是一種物件。 從本質上看，一個函式與一個整數沒有本質區別，僅僅是他們的資料型別不同而已！ 看下面的程式碼： ```python def foo(): pass print(foo) # 這裡只打印了函式名, 並沒有呼叫 foo 函式 print(abs) # 直接列印內建函式, 而沒有呼叫 ```  說明: 1. 從結果可以看出來, 直接把函式本身打印出來了, 自定義的函式與`at`後面的可以理解成函式在記憶體中的地址 2. 如果是 python 內建函式會告訴你這是個內建函式. 3. 你可以把函式想象中以前的數字一樣, 僅僅表示記憶體中的一個物件. **函式名和函式的關係** 其實函式名和以前的變數名沒有本質的區別, 變數名是指向物件的一個符號, 那麼函式名也是指向物件的一個符號.  **動態把函式名賦值給新變數** > **函式名其實就是一個指向函式物件的變數.** 那麼我們是不是可以再建立一個變數也指向那個函式物件呢? 答案是肯定的! ```python def foo(): print("我是 foo 函式內的程式碼") a = foo print(a) print(foo) a() ```   說明: 1. 你會發現直接列印`a 和 foo`的結果完全一樣, 證明他們確實是指向了同一個函式物件 2. 呼叫 `a()` 執行的就是`foo`函式內的程式碼. 因為他們其實就是一個物件. **給函式名重新賦值** 既然函式名是變數名, 那麼函式名也應該可以重新賦值! ```python def foo(): print("我是 foo 函式內的程式碼") foo = 3 foo() ```  說明: 因為函式名已經被賦值為了整數,所以再呼叫就會丟擲異常. ### 2.2 高階函式 通過前面的瞭解, 我們已經知道函式名其實僅僅是一個普普通通的變數名而已. 那麼是不是也意味著:函式也可以作為引數傳遞呢? 答案是肯定的! **一個可以接收函式作為引數的函式就是高階函式!** ------ **一個最簡單的高階函式** ```python def foo(x, y, f): # f 是一個函式 """ 把 x, y 分別作為引數傳遞給 f, 最後返回他們的和 :param x: :param y: :param f: :return: """ return f(x) + f(y) def foo1(x): """ 返回引數的 x 的 3次方 :param x: :return: """ return x ** 3 r = foo(4, 2, foo1) print(r) # 72 ``` 說明: 1. 這裡的 `foo` 就是高階函式, 因為他接收了一個函式作為引數. 2. `foo1`作為引數傳遞給了`foo`, 而且`foo`中的區域性變數`f`接收了`foo`傳遞過來的資料, 那麼最終是`foo`和`f`同時指向了同一個物件.  > 總結 > > 編寫高階函式，就是讓函式的引數能夠接收其他的函式。 > > 把函式作為引數傳入，這樣的函式稱為高階函式，**函數語言程式設計**就是指這種高度抽象的程式設計正規化。 ### 2.3 高階函式另一種形式：把函式作為返回值 高階函式除了可以接受函式作為引數外，還可以把函式作為結果值返回。 ```python def foo(): x = 10 def temp(): nonlocal x x += 10 #x=x+10 return x return temp f = foo() print(f()) print(f()) ```  說明: 1. 呼叫`foo()`得到的一個函式, 然後把函式賦值給變數`f`, 這個時候`f`和 `foo`內部的`temp`其實指向了同一個函式物件. 2. 返回的函式每呼叫一次都會把`foo` 的區域性變數`x`增加 10 .所以兩次呼叫分別得到 20 和 30. 3. 返回訪問了外部函式的區域性變數或者全域性變數的函式,這種函式就是閉包. ### 2.4 內建高階函式 高階函式在函數語言程式設計語言中使用非常的廣泛. 本節簡單介紹幾個常用的高階函式. 列表的排序, `map/reduce`, `filter`等 #### 2.4.1 排序sort() ##### 2.41 sort()預設排序 到目前為止, 大家應該對列表已經比較熟悉了: 列表是有序, 允許重複. **注意:這裡的有序是指的元素的新增順序和迭代順序一致.** 但是我如果想對列表中的元素按照一定的規則排序該怎麼做? 每個`list`例項都有有一個方法`list.sort()`可以幫我們完成這個工作. `sort()` 預設對列表中的每個元素使用`<`進行比較,小的在前,大的在後. 也就是預設是`升序排列` ------ ```python nums = [20, 10, 4, 5, 3, 9] nums.sort() print(nums) ```  ------ ##### 2.4.2 更改排序規則 比如, 列表中儲存的是字串, 大小寫都有, 預設是按照字母表順序來排列. 但是我們如果想忽略大小寫的進行排列. 那麼預設排序就無法滿足我們的需求了 這個時候就需要用到`key`這個引數 `key`必須是一個函式, 則排序的時候, python 會根據這個函式的返回值來進行排序. ```python ss = ["aa", "Aa", "ab", "Ca", "da"] def sort_rule(ele): return ele.lower() ss.sort(key=sort_rule) print(ss) ```  ------ ##### 2.4.3 更改為降序 預設, 新增規則之後都是使用的升序排列. 如果需要降序排列, 則需要另外一個關鍵字引數 `reverse` 意思是問, 是否反序, 只要給 `True` 就表示降序了, 預設是 `None` ------ ```python ss = ["aa", "Aa", "ab", "Ca", "da"] def sort_rule(ele): return ele.lower() ss.sort(key=sort_rule, reverse=True) print(ss) ```  ------ #### 2.4.2 map()和filter() 函式程式語言通常都會提供`map, filter, reduce`三個高階函式. 在python3中, `map和filter`仍然是內建函式, 但是由於引入了列表推導和生成器表示式, 他們變得沒有那麼重要了. 列表推導和生成器表示式具有了`map和filter`兩個函式的功能, 而且更易於閱讀. ------ ##### 2.4.2.1 `map` ```python a = map(lambda x: x ** 2, [10, 20, 30, 40]) print(list(a)) print(type(a)) ```  **說明:** 1. `map`函式是利用已有的函式和可迭代物件生成一個新的可迭代型別:`map`型別 2. `map`的引數1是一個函式, 引數2是一個可迭代型別的資料. `map`會獲取迭代型別的每個資料, 傳遞給引數1的函式, 然後函式的返回值組成新的迭代型別的每個元素 3. 也可以有多個迭代器, 則引數1的函式的引數個數也會增加. 4. 新生成的迭代器型別的元素的個數, 會和最短的那個迭代器的元素的個數保持一致. ```python a = map(lambda x, y: x + y, [10, 20, 30, 40], [100, 200]) print(list(a)) ```  **使用列表推倒實現上面的功能** 使用列表比map優雅了很多, 而且也避免了引數1的函式 ```python list1 = [10, 20, 30, 40] list3 = [x ** 2 for x in list1] print(list3) ```  ```python list1 = [10, 20, 30, 40] list2 = [100, 200] # 注意:列表推倒中這裡是使用的笛卡爾積 list3 = [x + y for x in list1 for y in list2] print(list3) ```  ------ ##### 2.4.2.2 `filter` 對已有的可迭代型別起過濾作用, 然後生成新的可迭代型別 用法和`map`型別, 引數1也是函式, 會把當返回值為`True`的元素新增到新的可迭代型別中. ```python list1 = [0, 1, 3, 4, 9, 4, 7] # 把奇數元素取出來 print(list(filter(lambda x: x % 2 == 1, list1))) # 列表推倒的版本 list2 = [x for x in list1 if x % 2 == 1] print(list2) ```  ##### 2.4.2.3 `reduce` python 3中, reduce不再是直接的內建函式, 而是移到了模組`functiontools`內. `reduce`的作用, 就是把一個可迭代序列的每一元素應用到一個具有兩個引數的函式中. 例如: `reduce(lambda x, y: x+y, [1, 2, 3, 4, 5])`就是計算`((((1+2)+3)+4)+5)` ```python from functools import reduce def f(x, y): print("x=", x, "y=", y) return x + y """ 引數1: 具有兩個引數的函式 引數1:前面計算過的值 引數2:從可迭代型別中取得的新的值 引數2: 可迭代型別的資料 引數3: x的初始值, 預設是0 """ r = reduce(f, [1, 2, 3, 4, 5], 0) print(r) # 15 ```  示例程式碼：使用`reduce`計算階乘 ```python from functools import reduce def factorial(n): """計算n的階乘 :param n: :return: """ return reduce(lambda x, y: x * y, range(1, n + 1), 1) print(factorial(5)) print(factorial(6)) print(factorial(7)) ```  ## 三、閉包 在函式程式語言中, 閉包是一個比較重要且強大的特性. python 也支援閉包. 什麼是閉包? **如果一個函式使用了外部函式的區域性變數, 那麼這個函式就是一個閉包**. 閉包的特點: 1. 閉包函式可以訪問他所在的外部函式的區域性變數. 即使外部函式已經執行結束, 對閉包函式來說仍然可以訪問到外部函式的區域性變數 2. 閉包訪問外部函式的區域性變數的值, 總是這個變數的最新的值! ------ ### 3.1.定義一個閉包 ```python def outer(): x = 20 def inner(): """ inner 函式訪問了外部函式 outer 的區域性變數 x, 所以這個時候 inner 就是一個閉包函式. :return: """ nonlocal x x += 10 return x x = 30 return inner # 呼叫 outer, 得到的是內部的閉包函式 inner 所以 f 和 inner 其實指向了同一個函式物件 f = outer() ''' 呼叫 f. f是一個閉包函式,所以他訪問的總是外部變數的最新的值, 所以 f 執行的時候 x 的值已經是30. 最終返回的是40 ''' print(f()) ```  ------ ### 3.2.閉包的應用 閉包很強大, 也有一些比較適合的場景! ------ **惰性求值(lazy evaluation, 延遲求值)** ```python def foo(msg): def say_msg(): print("hello" + str(msg)) return say_msg say = foo("志玲") say() ``` 說明: 上面的程式碼中`foo`函式僅僅是聲明瞭一個巢狀函式, 和把這個巢狀函式返回. 真正的程式碼其實是定義在了內部的巢狀函式中. 這種寫法就是一種惰性求值! ------ **使用閉包保持狀態** 如果需要在一系列函式呼叫中保持某種狀態, 使用閉包是一種非常高效的方法. 一個簡單的計數器: ```python def count_down(num): def next(): nonlocal num temp = num num -= 1 return temp return next # 使用前面的函式計數 next = count_down(10) while True: value = next() # 每呼叫一次就會減少一次計數 print(value) if value == 0: break ```  ------ 還有一些其他應用, 比如裝飾器 ## 四、裝飾器 裝飾器也是應用閉包的一種場景. 什麼是裝飾器? **如果一個函式已經定義完成, 需要在不修改這個函式原始碼的前提下給這個函式增加一些功能, 這個時候就可以使用裝飾器.** **裝飾器本質上是一個函式, 其主要用途是包裝另一個函式或類**. 包裝的主要目的是透明地修改和增強被包裝物件的行為. ### 4.1定義裝飾器 裝飾器可以用在方法上, 也可以用在類上. 目前我們只研究方法裝飾器 其實裝飾器和 java 中的註解有點像, 但是比 java 的註解容易使用了很多. ------ 如果我們要給函式`hello`使用裝飾器的方式增強功能, 語法如下: ```python @strong def hello(): print("我是 hello 函式中的程式碼") ``` 說明: 1. 在需要新增的裝飾函式上面一行使用`@`來新增裝飾器 2. `@`後面緊跟中裝飾器名`strong`, 當然你可以定於任何的名字. 3. `strong`是裝飾器, 本質上是一個函式. 他接收函式`hello`作為引數, 並返回一函式來替換掉`hello`(當然也可以不替換). 4. `hello`使用裝飾器之後, 相當於`hello`函式使用下面的程式碼被替換掉了.`hello = strong(hello)` 5. 在呼叫`hello`的時候, 其實是呼叫的`strong()`返回的那個函式. ------ ```python def strong(fun): # fun 將來就是被替換的 hello def new_hello(): print("我是裝飾器中的程式碼, 在 hello 之前執行的") fun() print("我是裝飾器中的程式碼, 在 hello 之後...執行的") return new_hello @strong def hello(): print("我是 hello 函式中的程式碼") # 這裡呼叫的其實是裝飾器返回的函式. hello() ```  ------ **裝飾器是語法糖** 嚴格來講, 裝飾器只是語法糖. 裝飾器就是一函式, 其引數是被裝飾的函式. **綜上, 裝飾器的一大特性就是把裝飾的函式替換成其他函式**, **第二大特性就是裝飾函式在載入模組的時候就立即執