当前位置：首页 > article >正文

Python高阶函数（Higher-order Function）

article 2024/12/24 21:07:22

Python高阶函数（Higher-order Function）

abs()这个内置函数来得到一个数的绝对值

print(abs(-100)) #输出：100

我们把代码修改下，把abs赋值给一个变量：

f = abs
print(f(-100)) #输出：100

函数名其实就是指向函数的变量， abs(-100)是函数调用，而其名称abs是函数本身，我们可以将其赋值给变量，这样一来，变量可以指向（引用）函数，这时变量就获得了函数的功能，如上例中的 f ，直接调用f()和直接调用abs()完全相同。

既然变量可以指向函数，函数的参数能接收变量，那么，一个函数就可以接收另一个函数作为参数，这是高阶函数的一种情况。

什么是高阶函数？能接受函数名作为参数传入或把函数名做为结果值返回的函数，称为高阶函数。

具体说来，只要满足下面的任意一个条件就是高阶函数：

1、接受另外一个函数名作为参数传。

2、返回值（return）为另外一个函数名。

接受另外一个函数名作为参数传的情况，示例源码如下：

def fun():
    print("这是fun函数输出")
    
def high_fun(func):   #接受另外一个函数名作为参数传
    print("high_fun函数输出")
    # 在函数内部，通过传入的函数参数调用
    func()
    
high_fun(fun)

运行效果：

下面再看一个例子

定义一个 myAdd 函数，它接受三个参数 x, y, f，其中 x, y 是数字，f 是一个函数。源码如下：

def myAdd(x, y, f):
  return f(x) + f(y)
 
result = myAdd(-12, -98, abs) #abs是内置的求绝对值的函数
print(result) #输出结果：110

运行效果：

返回值（return）为另外一个函数名的情况，示例源码如下：

def fun():
    print("这是fun函数输出")
    
def high_fun(func):
    print("high_fun函数输出")
    return func  #返回值（return）为另外一个函数名
    
result = high_fun(fun)
result()

运行效果：

需要留意一点，若要高阶函数的返回值为函数，则必须要把函数作为参数传入。

下面介绍几个python提供的常用高阶函数

如map()、filter()和reduce()函数等。

map()和filter()是内置函数【关于内置函数官方文档https://docs.python.org/zh-cn/3/library/functions.html】
reduce()不是一个内置函数，在functools模块【关于functools 模块官方文档https://docs.python.org/zh-cn/3/library/functools.html 】中。需要先import，如:
from functools import reduce

map函数

基本语法是map(function, iterable, ...)

接收的参数，第一个是函数名，后面的是可迭代（iterable）对象，其功能是将迭代对象中的每一个项（元素）作为函数的参数依次传入到函数值中执行加工。当有多个可迭代对象时，最短的可迭代对象耗尽则整个迭代就将结束。返回值是一个迭代器（Iterator）对象。

例1、源码如下：

def f(x):
    return x**2   #返回一个数的2次方

r = map(f, [1, 2, 3, 4, 5])
print(list(r)) #输出：[1, 4, 9, 16, 25]

运行效果：

例子中，用map函数，可以让列表中的每一个数都完成一次对函数参数的调用，并将结果返回到一个可迭代对象中。

通过 list(map()) 将map函数返回的迭代对象转化为列表。

例2、Map可以和lambda函数联合使用：

calc = lambda x: x**2
r1= map(calc, [1, 2, 3, 4, 5])
print(list(r1)) #输出：[1, 4, 9, 16, 25]
#上面的代码和下面的代码等效
r2= map(lambda x: x**2, [1, 2, 3, 4, 5])
print(list(r2)) #输出：[1, 4, 9, 16, 25]

运行效果：

例3、当有多个可迭代对象时，最短的可迭代对象耗尽则整个迭代就将结束：

print(list(map(lambda x, y : x + y, [1, 2, 3], [1, 2, 3, 4]))) #输出：[2, 4, 6]
print(list(map(lambda x, y : x + y, [1, 2, 3, 4], [1, 2, 3]))) #输出：[2, 4, 6]

filter()函数

基本语法如下：

filter(function, iterable)

前者为函数，后者为可迭代（iterable）对象

filter函数其主要功能是过滤，如果是一个函数的话，则将第二个可迭代对象里的每一个元素作为函数的参数进行计算，把返回True的值筛选出来；如果第一个参数为None，则直接将第二个参数中为True的值筛选出来。其返回值构成迭代器（iterator）对象。

例1、源码如下：

def is_odd(n):
    return n % 2 == 1

res = filter(is_odd, range(10))
print(list(res)) #输出：[1, 3, 5, 7, 9]

例2、将上例改用lambda函数：

res = filter(lambda x : x % 2, range(10))
print(list(res)) #输出：[1, 3, 5, 7, 9]

例3、第一个参数为None的情况：

temp = filter(None, [1, 0, False, True])
print(list(temp)) #输出：[1, True]

reduce函数

基本语法如下：

reduce(function, sequence [,initializer] )

说明：function有两个参数，reduce依次从iterable中取一个元素，和上一次调用function的结果做参数，再次调用function。

若提供initializer参数，会以iterable中的第一个元素和initializer作为参数调用function。

其返回值为单一的值。

示例源码如下：

from functools import reduce
calc = lambda x, y: x+y
res1 = reduce(calc, [1, 2, 3, 4]) #计算 (((1+2)+3)+4)的值
print(res1) 
res2 = reduce(calc, [1, 2, 3, 4],100) #计算 ((((100+1=)+2)+3)+4) 的值
print(res2)

运行效果：