当前位置：首页 > news >正文

python的高级2——函数作为对象

news 2025/5/31 17:07:05

函数作为变量

1、首先了解python中的一等对象（一等公民）

运行时创建
能赋值给变量或者数据结构里的元素
能作为参数传给函数
能作为函数的返回结果

综上，简单来讲就是和整数，字符串、列表一样，能够直接使用的对象

2.、高阶函数：接受函数作为参数或者把函数作为返回结果的函数是高阶函数（higher-order function）

高阶函数的特点
- 能够抽象和封装常见的行为模式
- 是代码更简洁、表达力更强
- 支持函数组合，便于构建复杂的操作链

# 根据单词长度排序一个列表
fruits = ["strawberry", "fig", "apple", "cherry", "raspberry", "banana"]
sorted(fruits, key=len)
# 把单词当成 反过来的单词 去排序，但是单词本身并没有进行反转
sorted(fruites ,key = lambda word: word[::-1])
# sorted就是python自带的一个高阶函数，他接收了一个实现列表反转的匿名函数

3、映射函数：`map()`

map() 允许你对一个可迭代对象（如列表、元组等）中的所有元素应用一个指定的函数，并返回一个包含所有结果的新迭代器（列表、集合、元组等）。
即：将函数映射到一个可迭代对象的所有元素上
使用方法：map(function(要应用的函数)，iterable(一个或者多个可迭代的对象))
主要的特点：
- 惰性求值（python3中）：map返回的是一个迭代器，而不是立即计算的列表
- 不改变原有的数据：map函数生成的是新结果，而不是直接修改原来的可迭代对象（以列表代称）
- 函数式风格：避免显式循环，代码更加简洁
  列表相加的示例：
```
# 两个列表对应元素相加
list1 = [1, 2, 3]
list2 = [4, 5, 6]
result = map(lambda x, y: x + y, list1, list2)
print(list(result))  # 输出: [5, 7, 9]
```
性能考虑
- 现在大多数简单的场景用列表推导式代替map函数的使用，
- 处理数据转换的强大工具，特别适合函数式编程风格和数据处理流水线的时候推荐使用map函数

4、过滤函数：`filter()`

用于过滤序列中的元素，返回一个迭代器对象。
它的是根据指定的函数对序列进行筛选，只保留使函数返回值为True的元素。即：从可迭代对象中筛选出满足特定条件的元素。
使用方法：filter(function（函数）, iterable（可迭代的对象）)，
主要特点：
- 惰性求值（python3中），因为返回的是迭代器而非列表，因此可以根据需求迭代所需元素
- 保留原顺序：输出元素的顺序与输入一致（仅仅将不符合的元素进行排除，不影响列表中元素的先后顺序）
- 函数作为筛选条件：如果迭代器中的元素应用到函数的返回结果是True，则元素被保留；返回结果是False，则元素被过滤掉。

过滤偶数的示例：

numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]def is_even(num):return num % 2 == 0even_numbers = list(filter(is_even, numbers))
print(even_numbers)  # 输出: [2, 4, 6, 8, 10]

性能考虑：
- 对于简单的条件，可以使用列表推导式进行代替通常更加直观
- 对于大数据集来说，filter比显示的循环更加高效（与map类似）

filter 与 map 经常结合使用，形成数据处理管道（先将数据进行过滤，在对过滤好的数据进行统一的处理）：

numbers = [1, 2, 3, 4, 5, 6]
result = map(lambda x: x**2, filter(lambda x: x % 2 == 0, numbers))
print(list(result))  # 输出: [4, 16, 36]

5、归约函数：`reduce()`

用于累计计算，对序列中的元素，连续使用二元函数，最终缩减到一个值。
python3中需要从functools中导入
核心思想：将序列中的元素从左到右一次组合，最终生成一个累积结果。
使用方法：reduce(function, sequence[ ])
传入的序列如果是空的话，会引发TypeError操作
列表扁平化和查找最大值的示例：

# 列表扁平化
list_list= [[1, 2], [3, 4], [5, 6]]
flatten = reduce(lambda x, y: x + y, list_list)
print(flatten)  # 输出: [1, 2, 3, 4, 5, 6]# 查找最大值
numbers = [3, 8, 1, 5, 9, 2]
max_num = reduce(lambda x, y: x if x > y else y, numbers)
print(max_num)  # 输出: 9

性能考虑
- 简单操作：显示的循环更加快捷
- 复杂操作：reduce可以提供更加清晰的表达
- 大数据集： reduce可以与生成器配合从而节省内存

6、冻结函数：`partial()`

partial()函数和reduce一样是functools模块中的一个高阶函数，用于固定函数的部分参数，从而生成一个简化版本的函数
使用方法：partial(func, *args, **kwargs) ；这里的参数可以通过位置，也可以通过关键字进行传递
主要特点：
- 参数预绑定：可以固定函数的部分参数
- 延迟执行：返回一个新的函数，可在后续调用
- 接口简化：减少重复参数传递
- 函数组合：便于创建函数管道
基本使用示例：

def greet(greeting, name, punctuation):return f"{greeting}, {name}{punctuation}"hello = partial(greet, "Hello", punctuation="!") 
print(hello("Alice"))  # 输出: "Hello, Alice!"
# 这里观察一下hello的参数：
print(hello) # 输出：functools.partial(<function greet at 0x0000018F9B0F72E0>, 'Hello', punctuation='!')
# 固定了greet函数的第一个位置参数为“Hello”，和一个关键字参数punctuation为“!”

与map配合使用

numbers = [1, 2, 3, 4]
add_five = partial(map, lambda x: x + 5)
print(list(add_five(numbers)))  # 输出: [6, 7, 8, 9]
# 看一下add_five的参数
print(add_five) # 输出：functools.partial(<class 'map'>, <function <lambda> at 0x0000018F9B0F5800>)
# 固定了map的第一个参数为匿名函数