阅读 114

简析Python函数式编程字符串和元组及函数分类与高阶函数

这篇文章主要介绍了Python函数式编程中的字符串、元组及函数分类与高阶函数,有需要的朋友可以借鉴参考下,希望能够有所帮助

目录
  • 函数式编程中的字符串

  • 不变类型元组

    • 普通元组的声明与访问

  • 函数式的分类

    • any() 、all() 、len()、sum() 对比学习

    • zip()、reversed()、enumerate()

  • 高阶函数

    • 函数 max 和 min()

    • map 函数

    • filter 函数

    • sorted 函数

    • 同一需求的不同效率问题

函数式编程中的字符串

在函数式编程中,经常用到 Python 字符串,因其是不可变数据结构。

字符串本身是一个对象,具备很多对象方法,与常识中函数的使用不太相同,例如下述代码

1
2
3
my_str = "xiangpica"
print(my_str.upper())
print(len(my_str.upper()))

其中 len() 函数的用法被称为前置写法,而 my_str.upper() 被称为后置写法,这样很容易造成函数式编程的理解问题,所以需要系统性的解决该问题。

如果上述代码可以修改为 len(upper(my_str)),就变得相对容易理解。

1
2
3
4
5
6
7
# 类型 Text 是 str 的别名
from typing import Text
my_str = "xiangpica"
def upper(str: Text) -> Text:
    return str.upper()
print(upper(my_str))
print(len(upper(my_str)))

上述代码重新定义了一个前置用法的函数 upper,用于解决函数式编程中的一致性问题,该解决办法在后续代码中会经常出现。

不变类型元组

除字符串外,Python 中的另一个不可变数据类型为元组,元组分为普通元组与命名元组。

普通元组的声明与访问

在之前的文章中对元组的基本知识,已经进行了说明,可以去稍微复习一下,然后在进入本文的学习。

先看一下代码,然后再判断是否可以理解。

1
2
3
4
5
6
from typing import Tuple, Text, Callable
LANGUAGE = Tuple[Text, Text, Text]
python: Callable[[LANGUAGE], Text] = lambda languages: languages[1]
items = ("c","python","js")
a = python(items)
print(a)

上述代码定义了一个新的类型 LANGUAGE,该类型是一个元组,具备三个元素。

python 类型注解是 Callable[[LANGUAGE], Text],即它的参数是 LANGUAGE 类型,返回值是字符串类型。

注意 typing 模块加入不会影响程序的运行不会报正式的错误,仅作为类型检查,防止运行时出现参数、返回值类型不符,开发人员查阅。

除上述内容外,还可以使用命名元组来实现。

1
2
3
4
5
from collections import  namedtuple
Language = namedtuple("Language",("name1", "name2", "name3"))
l = Language("c", "python", "js")
print(l)
print(l.name1)

或者直接使用 typing 模块的 NamedTuple 也可以。

1
2
3
4
5
6
7
8
from typing import NamedTuple, Text
class Language(NamedTuple):
    name: Text
    description: Text
l = Language("C", "C语言")
print(l)
print(l.name)
print(l.description)

函数式的分类

函数大类分为两种:

  • 标量函数:函数的返回结果为一个值;

  • 集合函数:函数的结果为可迭代的集合。

集合函数也可以细分:

  • 规约/累积函数:将集合内的元素进行累积计算,最后得到一个值;

  • 映射函数:将标量函数应用于几个的每个元素,最后得到一个与原集合相同长度的新集合;

  • 过滤函数:将标量函数应用于每个元素,保留一部分,得到一个子集。

有了上述概念之后,对于函数式编程的理解可以更进一步。

any() 、all() 、len()、sum() 对比学习

any 与 all 两个函数属于规约函数,进行的操作叫做布尔规约,即将一个集合的元素归约为 True 或者 False,all 需要所有值都是 True,any 只要有一个值是 True 即可。

len 与 sum 也是归约函数,它们分别表示计算集合中所有值的个数和汇总值。

zip()、reversed()、enumerate()

zip 函数可以把多个可迭代对象或者序列,之间的数据进行交叉组合,即将 n 个元素的可迭代对象转换为 n 元组,然后返回一个生成器。


如果 zip 函数没有输入参数,那将返回一个空列表 []

1
2
a = zip()
print(list(a))

reversed 函数用于改变序列顺序,即反转序列。

enumerate 函数获取序列或者可迭代对象的下标值,转换成概念描述就是将可迭代对象映射为二元组序列(带上序号了),每个二元组序列中,第一个元素是下标值,第二个元素是值本身。

高阶函数

学习 Python 函数式编程,绕不开高阶函数的学习,高阶函数就是以函数为参数,或者以返回值为函数的函数。

函数 max 和 min()

上述两个函数是规约函数,即输入的是集合,输出的是单个值,主要用途就是寻找极值。

一般在学习的时候,可以把二者当成普通的函数,也可用于高阶函数,主要为参数位置的差异。

最简单的用法为:

1
2
3
4
max_num = max(1, 2, 3, 4)
min_num = min(1, 2, 3, 4)
print(max_num)
print(min_num)

接下来就是其高阶函数模式的实现,自定义比较规则。

1
2
3
4
5
6
7
8
9
10
# 第一种写法,比较字符串长度
max_num = max("a", "abc", "ceda", "aaaaa", key=lambda x: len(x))
min_num = min("a", "abc", "ceda", "aaaaa", key=lambda x: len(x))
print(max_num)
print(min_num)
# 第二种写法,比较字符串长度
max_num = max(["a", "abc", "ceda", "aaaaa"], key=lambda x: len(x))
min_num = min(["a", "abc", "ceda", "aaaaa"], key=lambda x: len(x))
print(max_num)
print(min_num)

上述代码的 key 为可选参数,默认值为 None。

map 函数

map 函数用于将一个集合映射到另一个集合,例如可以将一个由字符串组成的列表中的每一项,都转换为整数。

1
2
3
data = ["1", "2", "3"]
print(map(int, data))
print(list(map(int, data)))

代码 map(int, data) 的含义就是将 int 函数作用于 data 中的每一项。

map 函数的第一个参数也可以用 lambda 代替。

1
2
3
data = ["1", "2", "3"]
print(map(lambda x: int(x), data))
print(list(map(int, data)))

filter 函数

filter 函数主要用于将一个**判定函数(谓语函数)**用于集合的每一个元素,最后得到满足判定函数的结果集,测试代码如下:

1
2
3
data = [1, 3, 5, 7, 9]
print(filter(lambda x: x > 3, data))
print(list(filter(lambda x: x > 3, data)))

sorted 函数

sorted 函数也支持高阶函数 key 参数定制规则。

1
2
result = sorted(["afghsss", "abc", "ceda", "aaaaa"], key=lambda x: len(x))
print(result)

同一需求的不同效率问题

通过 map 函数,生成器表达式,存在迭代器的生成器函数分别多 一亿 数据量的列表进行测试。

1
2
3
4
5
6
7
8
9
10
11
12
13
import time
def demo(x):
    return x * 2
def demo1(f, l):
    for x in l:
        yield f(x)
my_list = list(range(1, 10000000))
start = time.perf_counter()
# map(lambda x: x * 2, my_list) # 程序运行耗时 3.904999999998493e-06
# (demo(x) for x in my_list) # 程序运行耗时 6.310000000009364e-06
demo1(demo, my_list) # 程序运行耗时 5.1070000000041915e-06
cost_time = time.perf_counter() - start
print("程序运行耗时", cost_time)

得到的结果是 map 最快,所以用就完事了。

以上就是简析Python函数式编程字符串和元组及函数分类与高阶函数的详细内容

原文链接:https://dream.blog.csdn.net/article/details/120153197

服务器评测 http://www.cncsto.com/ 

服务器测评 http://www.cncsto.com/ 

站长资源 https://www.cscnn.com/ 

小鱼创业 https://www.237fa.com/ 


文章分类
后端
版权声明:本站是系统测试站点,无实际运营。本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 XXXXXXo@163.com 举报,一经查实,本站将立刻删除。
相关推荐