python入門-4.函數語言程式設計
函數語言程式設計的一個特點就是,允許把函式本身作為引數傳入另一個函式,還允許返回一個函式!
Python對函數語言程式設計提供部分支援。由於Python允許使用變數,因此,Python不是純函數語言程式設計語言。
高階函式
什麼是高階函式?我們以實際程式碼為例子,一步一步深入概念。
變數可以指向函式
以Python內建的求絕對值的函式abs()
為例,呼叫該函式用以下程式碼:
>>> abs(-10)
10
但是,如果只寫abs
呢?
>>> abs
<built-in function abs>
可見,abs(-10)
是函式呼叫,而abs
是函式本身。
要獲得函式呼叫結果,我們可以把結果賦值給變數:
>>> x = abs(-10)
>>> x
10
但是,如果把函式本身賦值給變數呢?
>>> f = abs
>>> f
<built-in function abs>
結論:函式本身也可以賦值給變數,即:變數可以指向函式。
如果一個變數指向了一個函式,那麼,可否通過該變數來呼叫這個函式?用程式碼驗證一下:
>>> f = abs
>>> f(-10)
10
成功!說明變數f
現在已經指向了abs
函式本身。直接呼叫abs()
函式和呼叫變數f()
函式名也是變數
那麼函式名是什麼呢?函式名其實就是指向函式的變數!對於abs()
這個函式,完全可以把函式名abs
看成變數,它指向一個可以計算絕對值的函式!
如果把abs
指向其他物件,會有什麼情況發生?
>>> abs = 10
>>> abs(-10)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'int' object is not callable
把abs
指向10
後,就無法通過abs(-10)
呼叫該函數了!因為abs
10
!
當然實際程式碼絕對不能這麼寫,這裡是為了說明函式名也是變數。要恢復abs
函式,請重啟Python互動環境。
注:由於abs
函式實際上是定義在import builtins
模組中的,所以要讓修改abs
變數的指向在其它模組也生效,要用import builtins; builtins.abs = 10
。
傳入函式
既然變數可以指向函式,函式的引數能接收變數,那麼一個函式就可以接收另一個函式作為引數,這種函式就稱之為高階函式。
一個最簡單的高階函式:
def add(x, y, f):
return f(x) + f(y)
當我們呼叫add(-5, 6, abs)
時,引數x
,y
和f
分別接收-5
,6
和abs
,根據函式定義,我們可以推導計算過程為:
x = -5
y = 6
f = abs
f(x) + f(y) ==> abs(-5) + abs(6) ==> 11
return 11
x = -5y = 6f = absf(x) + f(y) ==> abs(-5) + abs(6) ==> 11return 11
編寫高階函式,就是讓函式的引數能夠接收別的函式。
map/reduce
Python內建了map()
和reduce()
函式。
map()
函式接收兩個引數,一個是函式,一個是Iterable
,map
將傳入的函式依次作用到序列的每個元素,並把結果作為新的Iterator
返回。
舉例說明,比如我們有一個函式f(x)=x2,要把這個函式作用在一個list [1, 2, 3, 4, 5, 6, 7, 8, 9]
上,就可以用map()
實現如下:
f(x) = x * x │ │ ┌───┬───┬───┬───┼───┬───┬───┬───┐ │ │ │ │ │ │ │ │ │ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼[ 1 2 3 4 5 6 7 8 9 ] │ │ │ │ │ │ │ │ │ │ │ │ │ │ │ │ │ │ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼[ 1 4 9 16 25 36 49 64 81 ]
現在,我們用Python程式碼實現:
>>> def f(x):... return x * x...>>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])>>> list(r)[1, 4, 9, 16, 25, 36, 49, 64, 81]
map()
傳入的第一個引數是f
,即函式物件本身。由於結果r
是一個Iterator
,Iterator
是惰性序列,因此通過list()
函式讓它把整個序列都計算出來並返回一個list。
你可能會想,不需要map()
函式,寫一個迴圈,也可以計算出結果:
L = []for n in [1, 2, 3, 4, 5, 6, 7, 8, 9]: L.append(f(n))print(L)
的確可以,但是,從上面的迴圈程式碼,能一眼看明白“把f(x)作用在list的每一個元素並把結果生成一個新的list”嗎?
所以,map()
作為高階函式,事實上它把運算規則抽象了,因此,我們不但可以計算簡單的f(x)=x2,還可以計算任意複雜的函式,比如,把這個list所有數字轉為字串:
>>> list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9]))['1', '2', '3', '4', '5', '6', '7', '8', '9']
只需要一行程式碼。
再看reduce
的用法。reduce
把一個函式作用在一個序列[x1, x2, x3, ...]
上,這個函式必須接收兩個引數,reduce
把結果繼續和序列的下一個元素做累積計算,其效果就是:
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
比方說對一個序列求和,就可以用reduce
實現:
>>> from functools import reduce>>> def add(x, y):... return x + y...>>> reduce(add, [1, 3, 5, 7, 9])25
當然求和運算可以直接用Python內建函式sum()
,沒必要動用reduce
。
但是如果要把序列[1, 3, 5, 7, 9]
變換成整數13579
,reduce
就可以派上用場:
>>> from functools import reduce>>> def fn(x, y):... return x * 10 + y...>>> reduce(fn, [1, 3, 5, 7, 9])13579
這個例子本身沒多大用處,但是,如果考慮到字串str
也是一個序列,對上面的例子稍加改動,配合map()
,我們就可以寫出把str
轉換為int
的函式:
>>> from functools import reduce>>> def fn(x, y):... return x * 10 + y...>>> def char2num(s):... digits = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}... return digits[s]...>>> reduce(fn, map(char2num, '13579'))13579
整理成一個str2int
的函式就是:
from functools import reduceDIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}def str2int(s): def fn(x, y): return x * 10 + y def char2num(s): return DIGITS[s] return reduce(fn, map(char2num, s))
假設Python沒有提供int()
函式,你完全可以自己寫一個把字串轉化為整數的函式,而且只需要幾行程式碼!
練習
1.利用map()
函式,把使用者輸入的不規範的英文名字,變為首字母大寫,其他小寫的規範名字。輸入:['adam', 'LISA', 'barT']
,輸出:['Adam', 'Lisa', 'Bart']
:
def normalize(s): return s[0].upper()+s[1:].lower()
# 測試:L1 = ['adam', 'LISA', 'barT']L2 = list(map(normalize, L1))print(L2)
2.Python提供的sum()
函式可以接受一個list並求和,請編寫一個prod()
函式,可以接受一個list並利用reduce()
求積:
from functools import reducedef mul(x,y): return x*ydef prod(l): return reduce(mul,l)
print('3 * 5 * 7 * 9 =', prod([3, 5, 7, 9]))if prod([3, 5, 7, 9]) == 945: print('測試成功!')else: print('測試失敗!')
3.利用map
和reduce
編寫一個str2float
函式,把字串'123.456'
轉換成浮點數123.456
:
from functools import reducedef num2int(x, y): return x * 10 + ydef str2num(s): DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9} return DIGITS[s]def str2float(s): L = s.split('.', 1) L1 = reduce(num2int, map(str2num, L[0])) L2 = reduce(num2int, map(str2num, L[1])) * (0.1 ** len(L[1])) return L1 + L2
print('str2float(\'123.456\') =', str2float('123.456'))if abs(str2float('123.456') - 123.456) < 0.00001: print('測試成功!')else: print('測試失敗!')
filter
Python內建的filter()
函式用於過濾序列。
和map()
類似,filter()
也接收一個函式和一個序列。和map()
不同的是,filter()
把傳入的函式依次作用於每個元素,然後根據返回值是True
還是False
決定保留還是丟棄該元素。
例如,在一個list中,刪掉偶數,只保留奇數,可以這麼寫:
def is_odd(n): return n % 2 == 1list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))# 結果: [1, 5, 9, 15]
把一個序列中的空字串刪掉,可以這麼寫:
def not_empty(s): return s and s.strip()list(filter(not_empty, ['A', '', 'B', None, 'C', ' ']))# 結果: ['A', 'B', 'C']
把一個序列中的空字串刪掉,可以這麼寫:
def not_empty(s): return s and s.strip()list(filter(not_empty, ['A', '', 'B', None, 'C', ' ']))# 結果: ['A', 'B', 'C']
可見用filter()
這個高階函式,關鍵在於正確實現一個“篩選”函式。
注意到filter()
函式返回的是一個Iterator
,也就是一個惰性序列,所以要強迫filter()
完成計算結果,需要用list()
函式獲得所有結果並返回list。
用filter求素數
首先,列出從2
開始的所有自然數,構造一個序列:
2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, ...
取序列的第一個數2
,它一定是素數,然後用2
把序列的2
的倍數篩掉:
3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, ...
取新序列的第一個數3
,它一定是素數,然後用3
把序列的3
的倍數篩掉:
5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, ...
取新序列的第一個數5
,然後用5
把序列的5
的倍數篩掉:
7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, ...
不斷篩下去,就可以得到所有的素數。
用Python來實現這個演算法,可以先構造一個從3
開始的奇數序列:
def _odd_iter(): n = 1 while True: n = n + 2 yield n
注意這是一個生成器,並且是一個無限序列。
然後定義一個篩選函式:
def _not_divisible(n): return lambda x: x % n > 0
最後,定義一個生成器,不斷返回下一個素數:
def primes(): yield 2 it = _odd_iter() # 初始序列 while True: n = next(it) # 返回序列的第一個數 yield n it = filter(_not_divisible(n), it) # 構造新序列
這個生成器先返回第一個素數2
,然後,利用filter()
不斷產生篩選後的新的序列。
由於primes()
也是一個無限序列,所以呼叫時需要設定一個退出迴圈的條件:
# 列印1000以內的素數:for n in primes(): if n < 1000: print(n) else: break
小結
filter()
的作用是從一個序列中篩出符合條件的元素。由於filter()
使用了惰性計算,所以只有在取filter()
結果的時候,才會真正篩選並每次返回下一個篩出的元素。
練習
迴文數是指從左向右讀和從右向左讀都是一樣的數,例如12321
,909
。請利用filter()
篩選出迴文數:
def is_palindrome(m): s=str(m) return s==s[::-1]
# 測試:output = filter(is_palindrome, range(1, 1000))print('1~1000:', list(output))if list(filter(is_palindrome, range(1, 200))) == [1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 22, 33, 44, 55, 66, 77, 88, 99, 101, 111, 121, 131, 141, 151, 161, 171, 181, 191]: print('測試成功!')else: print('測試失敗!')
sorted
排序演算法
排序也是在程式中經常用到的演算法。無論使用氣泡排序還是快速排序,排序的核心是比較兩個元素的大小。如果是數字,我們可以直接比較,但如果是字串或者兩個dict呢?直接比較數學上的大小是沒有意義的,因此,比較的過程必須通過函式抽象出來。
Python內建的sorted()
函式就可以對list進行排序:
>>> sorted([36, 5, -12, 9, -21])[-21, -12, 5, 9, 36]
此外,sorted()
函式也是一個高階函式,它還可以接收一個key
函式來實現自定義的排序,例如按絕對值大小排序
>>> sorted([36, 5, -12, 9, -21], key=abs)[5, 9, -12, -21, 36]
key指定的函式將作用於list的每一個元素上,並根據key函式返回的結果進行排序。對比原始的list和經過key=abs
處理過的list:
list = [36, 5, -12, 9, -21]keys = [36, 5, 12, 9, 21]
然後sorted()
函式按照keys進行排序,並按照對應關係返回list相應的元素:
keys排序結果 => [5, 9, 12, 21, 36] | | | | |最終結果 => [5, 9, -12, -21, 36]
我們再看一個字串排序的例子:
>>> sorted(['bob', 'about', 'Zoo', 'Credit'])['Credit', 'Zoo', 'about', 'bob']
預設情況下,對字串排序,是按照ASCII的大小比較的,由於'Z' < 'a'
,結果,大寫字母Z
會排在小寫字母a
的前面。
現在,我們提出排序應該忽略大小寫,按照字母序排序。要實現這個演算法,不必對現有程式碼大加改動,只要我們能用一個key函式把字串對映為忽略大小寫排序即可。忽略大小寫來比較兩個字串,實際上就是先把字串都變成大寫(或者都變成小寫),再比較。
這樣,我們給sorted
傳入key函式,即可實現忽略大小寫的排序:
>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower)['about', 'bob', 'Credit', 'Zoo']
要進行反向排序,不必改動key函式,可以傳入第三個引數reverse=True
:
>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)['Zoo', 'Credit', 'bob', 'about']
從上述例子可以看出,高階函式的抽象能力是非常強大的,而且,核心程式碼可以保持得非常簡潔。
小結
sorted()
也是一個高階函式。用sorted()
排序的關鍵在於實現一個對映函式。
練習
假設我們用一組tuple表示學生名字和成績:
L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]
請用sorted()
對上述列表分別按名字排序:
def by_name(s): return s[0].lower()
L2 = sorted(L, key=by_name)print(L2)
再按成績從高到低排序:
def by_score(s): return -s[1]
L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]L3 = sorted(L, key=by_score)print(L3)
返回函式
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。
我們來實現一個可變引數的求和。通常情況下,求和的函式是這樣定義的:
def calc_sum(*args): ax = 0 for n in args: ax = ax + n return ax
但是,如果不需要立刻求和,而是在後面的程式碼中,根據需要再計算怎麼辦?可以不返回求和的結果,而是返回求和的函式:
def lazy_sum(*args): def sum(): ax = 0 for n in args: ax = ax + n return ax return sum
當我們呼叫lazy_sum()
時,返回的並不是求和結果,而是求和函式:
>>> f = lazy_sum(1, 3, 5, 7, 9)>>> f<function lazy_sum.<locals>.sum at 0x101c6ed90>
呼叫函式f
時,才真正計算求和的結果:
>>> f()25
在這個例子中,我們在函式lazy_sum
中又定義了函式sum
,並且,內部函式sum
可以引用外部函式lazy_sum
的引數和區域性變數,當lazy_sum
返回函式sum
時,相關引數和變數都儲存在返回的函式中,這種稱為“閉包(Closure)”的程式結構擁有極大的威力。
請再注意一點,當我們呼叫lazy_sum()
時,每次呼叫都會返回一個新的函式,即使傳入相同的引數:
>>> f1 = lazy_sum(1, 3, 5, 7, 9)>>> f2 = lazy_sum(1, 3, 5, 7, 9)>>> f1==f2False
f1()
和f2()
的呼叫結果互不影響。
閉包
注意到返回的函式在其定義內部引用了局部變數args
,所以,當一個函式返回了一個函式後,其內部的區域性變數還被新函式引用,所以,閉包用起來簡單,實現起來可不容易。
另一個需要注意的問題是,返回的函式並沒有立刻執行,而是直到呼叫了f()
才執行。我們來看一個例子:
def count(): fs = [] for i in range(1, 4): def f(): return i*i fs.append(f) return fsf1, f2, f3 = count()
在上面的例子中,每次迴圈,都建立了一個新的函式,然後,把建立的3個函式都返回了。
你可能認為呼叫f1()
,f2()
和f3()
結果應該是1
,4
,9
,但實際結果是:
>>> f1()9>>> f2()9>>> f3()9
全部都是9
!原因就在於返回的函式引用了變數i
,但它並非立刻執行。等到3個函式都返回時,它們所引用的變數i
已經變成了3
,因此最終結果為9
。
返回閉包時牢記一點:返回函式不要引用任何迴圈變數,或者後續會發生變化的變數。
如果一定要引用迴圈變數怎麼辦?方法是再建立一個函式,用該函式的引數繫結迴圈變數當前的值,無論該迴圈變數後續如何更改,已繫結到函式引數的值不變:
def count(): def f(j): def g(): return j*j return g fs = [] for i in range(1, 4): fs.append(f(i)) # f(i)立刻被執行,因此i的當前值被傳入f() return fs
再看看結果:
>>> f1, f2, f3 = count()>>> f1()1>>> f2()4>>> f3()9
缺點是程式碼較長,可利用lambda函式縮短程式碼。
小結
一個函式可以返回一個計算結果,也可以返回一個函式。
返回一個函式時,牢記該函式並未執行,返回函式中不要引用任何可能會變化的變數。
參考原始碼
練習
利用閉包返回一個計數器函式,每次呼叫它返回遞增整數:
def createCounter(): a=[0] def counter(): a[0]+=1 return a[0] return counter
# 測試:counterA = createCounter()print(counterA(), counterA(), counterA(), counterA(), counterA()) # 1 2 3 4 5counterB = createCounter()if [counterB(), counterB(), counterB(), counterB()] == [1, 2, 3, 4]: print('測試通過!')else: print('測試失敗!')
匿名函式
當我們在傳入函式時,有些時候,不需要顯式地定義函式,直接傳入匿名函式更方便。
在Python中,對匿名函式提供了有限支援。還是以map()
函式為例,計算f(x)=x2時,除了定義一個f(x)
的函式外,還可以直接傳入匿名函式:
>>> list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))[1, 4, 9, 16, 25, 36, 49, 64, 81]
通過對比可以看出,匿名函式lambda x: x * x
實際上就是:
def f(x): return x * x
關鍵字lambda
表示匿名函式,冒號前面的x
表示函式引數。
匿名函式有個限制,就是隻能有一個表示式,不用寫return
,返回值就是該表示式的結果。
用匿名函式有個好處,因為函式沒有名字,不必擔心函式名衝突。此外,匿名函式也是一個函式物件,也可以把匿名函式賦值給一個變數,再利用變數來呼叫該函式:
>>> f = lambda x: x * x>>> f<function <lambda> at 0x101c6ef28>>>> f(5)25
同樣,也可以把匿名函式作為返回值返回,比如:
def build(x, y): return lambda: x * x + y * y
小結
Python對匿名函式的支援有限,只有一些簡單的情況下可以使用匿名函式。
練習
請用匿名函式改造下面的程式碼:
def is_odd(n): return n % 2 == 1L = list(filter(is_odd, range(1, 20)))
L = list(filter(lambda x:x%2==1, range(1, 20)))
裝飾器
由於函式也是一個物件,而且函式物件可以被賦值給變數,所以,通過變數也能呼叫該函式。
>>> def now():... print('2015-3-25')...>>> f = now>>> f()2015-3-25
函式物件有一個__name__
屬性,可以拿到函式的名字:
>>> now.__name__'now'>>> f.__name__'now'
現在,假設我們要增強now()
函式的功能,比如,在函式呼叫前後自動列印日誌,但又不希望修改now()
函式的定義,這種在程式碼執行期間動態增加功能的方式,稱之為“裝飾器”(Decorator)。
本質上,decorator就是一個返回函式的高階函式。所以,我們要定義一個能列印日誌的decorator,可以定義如下:
def log(func): def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper
觀察上面的log
,因為它是一個decorator,所以接受一個函式作為引數,並返回一個函式。我們要藉助Python的@語法,把decorator置於函式的定義處:
@logdef now(): print('2015-3-25')
呼叫now()
函式,不僅會執行now()
函式本身,還會在執行now()
函式前列印一行日誌:
>>> now()call now():2015-3-25
把@log
放到now()
函式的定義處,相當於執行了語句:
now = log(now)
由於log()
是一個decorator,返回一個函式,所以,原來的now()
函式仍然存在,只是現在同名的now
變數指向了新的函式,於是呼叫now()
將執行新函式,即在log()
函式中返回的wrapper()
函式。
wrapper()
函式的引數定義是(*args, **kw)
,因此,wrapper()
函式可以接受任意引數的呼叫。在wrapper()
函式內,首先列印日誌,再緊接著呼叫原始函式。
如果decorator本身需要傳入引數,那就需要編寫一個返回decorator的高階函式,寫出來會更復雜。比如,要自定義log的文字:
def log(text): def decorator(func): def wrapper(*args, **kw): print('%s %s():' % (text, func.__name__)) return func(*args, **kw) return wrapper return decorator
這個3層巢狀的decorator用法如下:
@log('execute')def now(): print('2015-3-25')
執行結果如下:
>>> now()execute now():2015-3-25
和兩層巢狀的decorator相比,3層巢狀的效果是這樣的:
>>> now = log('execute')(now)
我們來剖析上面的語句,首先執行log('execute')
,返回的是decorator
函式,再呼叫返回的函式,引數是now
函式,返回值最終是wrapper
函式。
以上兩種decorator的定義都沒有問題,但還差最後一步。因為我們講了函式也是物件,它有__name__
等屬性,但你去看經過decorator裝飾之後的函式,它們的__name__
已經從原來的'now'
變成了'wrapper'
:
>>> now.__name__'wrapper'
因為返回的那個wrapper()
函式名字就是'wrapper'
,所以,需要把原始函式的__name__
等屬性複製到wrapper()
函式中,否則,有些依賴函式簽名的程式碼執行就會出錯。
不需要編寫wrapper.__name__ = func.__name__
這樣的程式碼,Python內建的functools.wraps
就是幹這個事的,所以,一個完整的decorator的寫法如下:
import functoolsdef log(func): @functools.wraps(func) def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper
或者針對帶引數的decorator:
import functoolsdef log(text): def decorator(func): @functools.wraps(func) def wrapper(*args, **kw): print('%s %s():' % (text, func.__name__)) return func(*args, **kw) return wrapper return decorator
import functools
是匯入functools
模組。模組的概念稍候講解。現在,只需記住在定義wrapper()
的前面加上@functools.wraps(func)
即可。
小結
在面向物件(OOP)的設計模式中,decorator被稱為裝飾模式。OOP的裝飾模式需要通過繼承和組合來實現,而Python除了能支援OOP的decorator外,直接從語法層次支援decorator。Python的decorator可以用函式實現,也可以用類實現。
decorator可以增強函式的功能,定義起來雖然有點複雜,但使用起來非常靈活和方便。
請編寫一個decorator,能在函式呼叫的前後打印出'begin call'
和'end call'
的日誌。
練習
請設計一個decorator,它可作用於任何函式上,並列印該函式的執行時間:
import time, functoolsdef metric(fn): @functools.wraps(fn) def wrapper(*args, **kw): start=time.time() fn(*args, **kw) end=time.time() print('%s executed in %s ms' % (fn.__name__, end-start)) return fn(*args, **kw) return wrapper
# 測試@metricdef fast(x, y): time.sleep(0.0012) return x + y;@metricdef slow(x, y, z): time.sleep(0.1234) return x * y * z;f = fast(11, 22)s = slow(11, 22, 33)if f != 33: print('測試失敗!')elif s != 7986: print('測試失敗!')
偏函式
Python的functools
模組提供了很多有用的功能,其中一個就是偏函式(Partial function)。要注意,這裡的偏函式和數學意義上的偏函式不一樣。
在介紹函式引數的時候,我們講到,通過設定引數的預設值,可以降低函式呼叫的難度。而偏函式也可以做到這一點。舉例如下:
int()
函式可以把字串轉換為整數,當僅傳入字串時,int()
函式預設按十進位制轉換:
>>> int('12345')12345
但int()
函式還提供額外的base
引數,預設值為10
。如果傳入base
引數,就可以做N進位制轉換成10進位制:
>>> int('12345', base=8)5349>>> int('12345', 16)74565
假設要轉換大量的二進位制字串,每次都傳入int(x, base=2)
非常麻煩,於是,我們想到,可以定義一個int2()
的函式,預設把base=2
傳進去:
def int2(x, base=2): return int(x, base)
這樣,我們轉換二進位制就非常方便了:
>>> int2('1000000')64>>> int2('1010101')85
functools.partial
就是幫助我們建立一個偏函式的,不需要我們自己定義int2()
,可以直接使用下面的程式碼建立一個新的函式int2
:
>>> import functools>>> int2 = functools.partial(int, base=2)>>> int2('1000000')64>>> int2('1010101')85
所以,簡單總結functools.partial
的作用就是,把一個函式的某些引數給固定住(也就是設定預設值),返回一個新的函式,呼叫這個新函式會更簡單。
注意到上面的新的int2
函式,僅僅是把base
引數重新設定預設值為2
,但也可以在函式呼叫時傳入其他值:
最後,建立偏函式時,實際上可以接收函式物件、*args
和**kw
這3個引數,當傳入:
int2 = functools.partial(int, base=2)
實際上固定了int()函式的關鍵字引數base
,也就是:
int2('10010')
kw = { 'base': 2 }int('10010', **kw)
當傳入:
max2 = functools.partial(max, 10)
實際上會把10
作為*args
的一部分自動加到左邊,也就是:
max2(5, 6, 7)
相當於:
args = (10, 5, 6, 7)max(*args)
結果為10
。
小結
當函式的引數個數太多,需要簡化時,使用functools.partial
可以建立一個新的函式,這個新函式可以固定住原函式的部分引數,從而在呼叫時更簡單。