函数式编程
Map
map()函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回，比循环更简洁，更易读。
# default function
name_len = map(len, ["Sam", "John", "Ned Stark"])
print name_len
[3, 4, 9]
# lambda function
squares = map(lambda x: x * x, range(9))
print squares
[0, 1, 4, 9, 16, 25, 36, 49, 64]
# self defined function
def toUpper(item):
return item.upper()
upper_name = map(toUpper, ["sam", "john", "ned stark"])
print upper_name
['SAM', 'JOHN', 'NED STARK']
Reduce
reduce把一个函数作用在一个序列[x1, x2, x3...]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算(相当于计算结果后把这个值再放回去)，其效果就是：
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
# 累加
print reduce(lambda x, y: x+y, [1,2,3,4])
10
# 累乘
print reduce(lambda x, y: x*y, [1, 2, 3,4])
24
# 要把序列[1,2,3,4]变换成整数1234
print reduce(lambda x,y: 10*x + y, [1,2,3,4])
1234
Filter
filter 函数的功能相当于过滤器。调用一个布尔函数bool_func来迭代遍历每个seq中的元素；返回一个使bool_seq返回值为true的元素的序列。
和map()类似，filter()也接收一个函数和一个序列。和map()不同的是，filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。
# 剔除偶数
def is_odd(n):
return n % 2 == 1
filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])
[1, 5, 9, 15]
All
当可迭代对象(比如list)里所有元素都为True的时候，返回True，类似对所有元素做and操作，但注意当可迭代对象为空时，仍然返回True。等级于：
def all(iterable):
for element in iterable:
if not element:
return False
return True
all(['a', 'b', 'c']) #列表list，元素都不为空或0
True
all([0, 1, 2, 3]) #列表list，存在一个为0的元素
False
all(('a', 'b', '', 'd')) #元组tuple，存在一个为空的元素
False
all([]) # 空列表
True
Any
当可迭代对象有任何一个元素为True时，返回True，否则返回False，当可迭代对象为空时，返回False.
def any(iterable):
for element in iterable:
if element:
return True
return False
any([0,1,2])
True
any([0, '', False]) #列表list,元素全为0,'',false
False
Sorted
python内置的sorted()函数就可以对list进行排序:
sorted(iterable, cmp=None, key=None, reverse=False)
lst = [36, 5, -12, 9, -21]
sorted(lst)
[-21, -12, 5, 9, 36]
sorted()函数也是一个高阶函数，它还可以接收一个key函数来实现自定义的排序，例如按绝对值大小排序，其实相当于用传入的函数(比如abs)对list进行map，作为key，然后按key排序，返回list。
keys排序结果 => [5, 9, 12, 21, 36]
===========|==|==|==|==|
最终结果=====> [5, 9, -12, -21, 36]
sorted(lst,key=abs)
[5, 9, -12, -21, 36]
# 忽略大小写
sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower)
['about', 'bob', 'Credit', 'Zoo']
['about', 'bob', 'Credit', 'Zoo']
# 逆序
sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)
['Zoo', 'Credit', 'bob', 'about']
['Zoo', 'Credit', 'bob', 'about']
Pipeline
该部分来自酷壳函数式编程，写的真好。
这个技术的意思是，把函数实例成一个一个的action，然后，把一组action放到一个数组或是列表中，然后把数据传给这个action list，数据就像一个pipeline一样顺序地被各个函数所操作，最终得到我们想要的结果。
pipeline 管道借鉴于Unix Shell的管道操作——把若干个命令串起来，前面命令的输出成为后面命令的输入，如此完成一个流式计算。（注：管道绝对是一个伟大的发明，他的设哲学就是KISS – 让每个功能就做一件事，并把这件事做到极致，软件或程序的拼装会变得更为简单和直观。这个设计理念影响非常深远，包括今天的Web Service，云计算，以及大数据的流式计算等等）
我们先来看一个如下的程序，这个程序的process()有三个步骤：
- 找出偶数。
- 乘以3
- 转成字符串返回
def process(num):
if num % 2 != 0:
return
num = num * 3
num = 'The Number: %s' % num
return num
nums = [1, 2, 3, 4, 5]
for num in nums:
print process(num)
None
The Number: 6
None
The Number: 12
None
我们可以看到，输出的并不够完美，另外，代码阅读上如果没有注释，你也会比较晕。下面，我们来看看函数式的pipeline应该怎么写？
不用这样嵌套pipeline = convert_to_string(multiply_by_three(even_filter(nums)))
# 用map reduce filter等
def even_filter(nums):
return filter(lambda x: x%2==0, nums)
def multiply_by_three(nums):
return map(lambda x: x*3, nums)
def convert_to_string(nums):
return map(lambda x: 'The Number: %s' % x, nums)
def pipeline_func(data, fns):
return reduce(lambda a, x: x(a), fns, data)
nums = [1, 2, 3, 4]
pipeline_func(nums, [even_filter, multiply_by_three, convert_to_string])
['The Number: 6', 'The Number: 12']
网友评论