简析Python函数式编程字符串和元组及函数分类与高阶函数

 更新时间:2021年09月13日 16:40:55   作者:梦想橡皮擦  
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

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

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。

# 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。

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。

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。

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

anyall 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。

lensum 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 []

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:

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。

# 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。

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。

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:

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。

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。

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,更多关于Python函数式编程的资料请关注脚本之家其它相关文章!

相关文章

  • 在Python文件中指定Python解释器的方法

    在Python文件中指定Python解释器的方法

    今天小编就为大家分享一篇在Python文件中指定Python解释器的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-02-02
  • Python 4种实现定时任务的方案

    Python 4种实现定时任务的方案

    这篇文章主要给大家分享了Python 4种实现定时任务的方案,运用 while True: + sleep()、Timeloop 库、threading.Timer 、内置模块 sched ,下面就来看看具体的实现过程吧
    2021-12-12
  • Python中requests模块的请求参数详解

    Python中requests模块的请求参数详解

    这篇文章主要介绍了Python中requests模块的请求参数详解,requests模块是一个网络请求模块,可以帮助我们模拟成客户端去请求服务器的数据,我们今天就是主要针对这个模块进行学习,需要的朋友可以参考下
    2023-08-08
  • 关于python变量的引用以及在底层存储原理

    关于python变量的引用以及在底层存储原理

    Python的变量,简单来说有数值型,布尔型,字符串类型,列表,元组,字典等6大类。那么不同变量类型在底层是如何存储的,关系到变量的引用,能否正确的掌握变量的相关操作?接下来小编就来为大家讲解python变量的引用以及在底层存储原理,需要的朋友可以参考一下
    2021-09-09
  • python中的字典详细介绍

    python中的字典详细介绍

    这篇文章主要介绍了python中的字典详细介绍,字典是Python中最强大的数据类型之一,本文讲解了什么是字典、创建字典和给字典赋值 、字典的基本操作、映射类型操作符、映射相关的函数、字典的方法等内容,需要的朋友可以参考下
    2014-09-09
  • OpenCV-Python实现人脸美白算法的实例

    OpenCV-Python实现人脸美白算法的实例

    人脸美白原理说透了,就是一种图像的颜色空间处理,所以我们需要通过颜色空间进行设计。本文就详细的介绍一下,感兴趣的可以了解一下
    2021-06-06
  • python实现简单银行管理系统

    python实现简单银行管理系统

    这篇文章主要为大家详细介绍了python实现简单银行管理系统,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2019-10-10
  • Python比较两个图片相似度的方法

    Python比较两个图片相似度的方法

    这篇文章主要介绍了Python比较两个图片相似度的方法,涉及Python操作pil模块实现图片比较的技巧,具有一定参考借鉴价值,需要的朋友可以参考下
    2015-03-03
  • Python实现简单生成验证码功能【基于random模块】

    Python实现简单生成验证码功能【基于random模块】

    这篇文章主要介绍了Python实现简单生成验证码功能,结合实例形式分析了Python基于random模块生成随机字符串的相关操作技巧,需要的朋友可以参考下
    2018-02-02
  • Python中的localtime()方法使用详解

    Python中的localtime()方法使用详解

    这篇文章主要介绍了Python中的localtime()方法使用详解,是Python入门学习的基础知识,需要的朋友可以参考下
    2015-05-05

最新评论