Python3学习笔记 | 二十一、Python的函数－函数的高级话题

• 2019 年 10 月 6 日
• 笔记

部分设备阅读本文会存在代码错乱的情况，可点击阅读原文链接到博客中进行查看

一、函数设计概念

当我们使用函数时，就开始面对如何将组件组合在一起的选择。例如，如何将任务分解成为更有针对性的函数（导致了聚合性），函数将如何通讯（耦合性）等。我们要深入考虑函数的大小概念，因为它们直接影响到代码的可用性。 耦合性：对于输入使用参数并且对于输出使用return语句。 耦合性：只有真正必要的情况下使用全局变量。 耦合性：不要改变可变类型的参数，除非调用者希望这么做。 聚合性：每一个函数都应该有一个单一的、统一的目标。 大小：每一个函数应该相对较小。 耦合性：避免直接改变在另一个模块文件中的变量。

二、递归函数

之前笔记也提到过，就是调用自身来进行循环的函数。

>>> sum([1,2,3,4])  10  >>> def mysum(l):  ...     if not l:  ...             return 0  ...     else:  ...             return l[0]+mysum(l[1:])  ...  >>> mysum([1,2,3,4,5])  15

函数也可简单写成如下：

>>> def mysum(l):  ...     return 0 if not l else l[0] + mysum(l[1:])  ...

循环VS递归

一般情况下，循环会比递归简单。上面函数可以使用循环来解决，不需要递归，如下面的例子。

>>> sum = 0  >>> l = [1,2,3,4,5]  >>> for i in l:  ...     sum += i  ...  >>> sum  15

但在一些特殊情况，递归还是比较有用。比如，获取下面列表中所有数字的合：

>>> l = [1,2,[3,[4,5],6],[7,[8,[9]]],10]  >>> def sumtree(l):  ...     sum = 0  ...     for i in l:  ...             if not isinstance(i,list):  ...                     sum += i  ...             else:  ...                     sum += sumtree(i)  ...     return sum  ...  >>> sumtree(l)  55

三、函数对象：属性和注解

在Python里函数也是以对象的形态出现。函数名也是以变量名形式存放。因此函数也可以跨模块，以参数形势等传递。函数对象也能调用根本无关的操作：属性存储与注释。

间接函数调用：

>>> def myprint(x):  ...     print(x)  ...  >>> myprint2 = myprint  >>> myprint2('Dora')  Dora

因为函数对象可以被引用到变量，因此函数里也可以以参数方式传递：

>>> def myfunc(func,text):  ...     func(text)  ...  >>> myfunc(myprint,'Dora')  Dora

或者把函数放进列表或元组里：

>>> printing = [(myprint,'first'),(myprint,'second'),(myprint,'thrid')]  >>> for func,text in printing:  ...     func(text)  ...  first  second  thrid

函数也可作为返回值：

>>> def make(food):  ...     def myprint(quantity):  ...             print('We made{}:{}'.format(food,quantity))  ...     return myprint  ...  >>> Cake = make('cake')  >>> Cake(10)  We madecake:10

由于函数是对象，我们可以使用对象工具来处理函数。

>>> def myfunc(text):  ...     print(text)  ...  >>> dir(myfunc)  ['__annotations__', '__call__', '__class__', '__closure__', '__code__', '__defaults__', '__delattr__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__get__', '__getattribute__', '__globals__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__kwdefaults__', '__le__', '__lt__', '__module__', '__name__', '__ne__', '__new__', '__qualname__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__']

我们可以发现它有很多属性、方法等。

>>> myfunc.__name__  'myfunc'

我们也可以查看代码里的内容：

>>> myfunc.__code__  <code object myfunc at 0x000002395FF8C5D0, file "<stdin>", line 1>  >>> dir(myfunc.__code__)  ['__class__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__le__', '__lt__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'co_argcount', 'co_cellvars', 'co_code', 'co_consts', 'co_filename', 'co_firstlineno', 'co_flags', 'co_freevars', 'co_kwonlyargcount', 'co_lnotab', 'co_name', 'co_names', 'co_nlocals', 'co_stacksize', 'co_varnames']  >>> myfunc.__code__.co_varnames  ('text',)  >>> myfunc.__code__.co_argcount  1

我们也可以在函数里添加任意属性，可以看到下面最后多了一个‘a’：

>>> myfunc.a = 10  >>> dir(myfunc)  ['__annotations__', '__call__', '__class__', '__closure__', '__code__', '__defaults__', '__delattr__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__get__', '__getattribute__', '__globals__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__kwdefaults__', '__le__', '__lt__', '__module__', '__name__', '__ne__', '__new__', '__qualname__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'a']

四、Python3.x中的函数注解

从Python3.0开始可以为函数的参数与返回值进行注解：

>>> def myfunc(a:int,b:str):  ...     return a + b  ...  >>> myfunc(1,3)  4  >>> def myfunc(a:int,b:str) -> list:  ...     return a + b  ...  >>> myfunc(1,3)  4  >>> myfunc.__annotations__  {'a': <class 'int'>, 'b': <class 'str'>, 'return': <class 'list'>}

但在代码里，没有任何限制。我们可以在特定工具可以利用。

五、匿名函数：lambda

之前也使用过lambda匿名函数。lambda会生成函数对象，但不赋值给任何变量。 lambda表达式：lambda [] [,] [,<arg3]…. : expression using args 参数不是必须的，但没有参数就没有相对意义。 lambda简单说明： lambda是一个表达式，而不是一个语句。－－生成一个对象。lambda的主体是一个单个的表达式，而不是一个代码块。

>>> lambda a:a*a  <function <lambda> at 0x00000239602732F0>  >>> myfunc = lambda a:a*a  >>> myfunc(3)  9  >>> (lambda a:a*a)(4)  16

为什么要使用 lambda？

通常 lambda 起到了一种函数速写的作用。功能上def完全可以代替lambda。但当我们把函数对象放进列表里等操作的时候，使用def感觉很臃肿。这个时候我们可以使用lambda来简化过程。

>>> funclist = [lambda x : x**2,  ...             lambda x : x**3,  ...             lambda x : x**4]  >>> funclist[0](3)  9  >>> funclist[1](3)  27  >>> funclist[2](3)  81

六、lambda 作用域

对于lambda来说，作用域与函数相当。也遵循LEGB原则，关于LEGB原则可以参考：https://www.jianshu.com/p/3b72ba5a209c

>>> a = (lambda:1,print(2))  2  >>> def action(x):  ...     return lambda y:x+y  ...  >>> act =action(10)  >>> act(10)  20  >>> act = lambda x:lambda y :x+y  >>> act_rslt = act(20)  >>> act_rslt(10)  30  >>> (lambda x:lambda y:x+y)(20)(2)  22

七、在序列中映射函数：map

我们有个要求：下面列表里的每个值增加10 [1, 3, 5] 这个时候我们会想到循环

>>> l = [1,3,5]  >>> for i in range(3):  ...     l[i] += 10  ...  >>> l  [21, 23, 25]

但这个要是使用map，会更简单。

>>> l = [1,3,5]  >>> l = list(map(lambda x: x +10,l))  >>> l  [11, 13, 15]

map的第一个传递参数是函数，第二个是可迭代的对象，每个对象当做函数的输入，输出结合为可迭代的对象（Python2.x里是列表）

八、函数式编程工具（1）：filter

filter与map相似，但是针对返回的bool结果判断，结果为真，保留元素；结果为假，弃用元素。结果也是保存在可迭代的对象里，在Python2.x是存放列表里。

>>> list(filter((lambda x : x > 1),[-1,-3,-5,1,3,5]))  [3, 5]

下面的示例因为返回的是列表里的值，只有0的时候bool值判断为假，因此除了0以外都保存了起来。

>>> list(filter((lambda x : x ),[-1,-3,-5,0,1,3,5]))  [-1, -3, -5, 1, 3, 5]

九、函数式编程工具（2）：reduce

reduce函数是在functools里的，因此我们得import这个函数。

>>> from functools import reduce  >>> reduce((lambda x, y: x + y), [1, 2, 3, 4])  10

这个方法是，第一次从可迭代对象里提取两个元素当做函数的参数传入，按前面的函数进行运算，保存返回值，当可迭代对象里还有元素的时候，之前的返回值为第一个参数，可迭代对象里取下一个继续运算，直到可迭代对象空。最后返回函数的返回值。

>>> reduce((lambda x, y: x + y), 'test text')  'test text'  >>> reduce((lambda x, y: x + y), ['test', ' ', 'text'])  'test text'