python语言特性：函数与闭包

普通函数

由于python为动态类型语言，这样函数就具备了天然的多态性，而在重载性方面python则不予支持。在可变参数方面，python提供了list和map类型参数作为支持，如下面函数:

func(*args):args为list列表类型，实参为:func(1,2,3)

func(**kwargs):kwargs为map键值对类型，实参为:func(k1=v1,k2=v2)

func(key=’a’):默认参数为a，func(key)/func()

func(a,b,c):显示调用参数名,func(a=1,b=2,c=3)

lambda匿名函数

与数据一样，函数也可作为变量传递。python可显示定义函数，也可定义匿名函数，这也就是lambda类型函数。

list方法sort(*,key=None,reverse=None)，key就可以指定一个函数来获取,[‘abc’,’ABC’].sort(key=str.lower)，这里的key可以指定一个匿名函数，sort(lambdapoint:point.x),point为包含坐标x和y的点。

items= [I for I in range(10)] #这里也是采用lambda来定义一个列表

lambda函数避免了冗余的函数定义，可作为实参传递也可作为返回值进行传递。

def test_add(n):

f= lambda h:h+n

return f

test_add(3)(4)

注意的是：lambda函数在python中有1个限制：因为必须在一行，故定义必须为单一表达式，不能包含有更多的语句(含return)。也就是说，不能这样定义:

lambda key: key = key + 2 return key

map-filter-reduce模式

与信号处理一样，一个程序对数据的处理模式可以抽象为数据的变换-过滤-规约，作为函数式语言的标配，python也提供此类函数链的支持。

map函数操作原型为：map(function,iterable1,iterable2,….)，对每个迭代器执行function操作，返回一个list列表

filter函数操作原型为：filter(function,iterable)，等价于[item foritem in iterable if function(item)]如果function为None，则为[item foritem in iterable if item]

reduce函数操作原型为：reduce(function,iterable,[,initializer])，将迭代器中的元素执行function操作，initializer为规约初始值。

reduce(lambda x,y:x + y,[1,2,3,4,5])：对list列表元素求和。

map(lambda key:return )：对list列表中每个元素加2，map(lambdakey:key + 2,[1,2,3,4,5])

filter:从list列表中过滤偶数，filter(lambdakey:key %2 == 0,[1,2,3,4,5])

如对列表中的偶数实现加法操作:

reduce(lambdax,y:x+y,filter(lambda key:key %2 == 0,[1,2,3,4,5]))

函数闭包

如前面描述的一样，python中每个函数都可作为变量传递。从另一方面来说，一个函数就是一个类，每个变量都是一个对象，这个函数类中可以定义变量和函数，函数中定义内部函数就构成了函数闭包。

def test_func(n):

var = n

def g():

return var

def s(v):

var = v

return var

return (g,s)

在上述函数中，test_func定义了1个变量var，2个函数g,s并返回该2个函数，内部函数g,s引用外部函数变量。

g,s = test_func(3)

print(s(30))#30

print(g())#3

调用后s()函数并未修改变量var的值，因为var默认为局部变量，只有声明了nonlocal(非局部)变量才能引用外部变量。

除显示定义内部函数外，也可通过库函数functool.partial来返回一个函数对象。

管道模式

因函数可以作为变量传递，这样可形成高阶函数(f(f(x)))，每个函数返回一个迭代器，最终形成了多层函数的处理方式，一个函数输入迭代器，另一个函数输出迭代器，这样的输入输出称之为管道模式。