该篇中主要介绍什么是高阶函数,高阶函数的用法以及几个常见的内置的高阶函数。
高阶函数:一个函数可以作为参数传给另外一个函数,或者一个函数的返回值为另外一个函数(若返回值为该函数本身,则为递归),满足其一则为高阶函数。
#参数为函数 def bar(): print("in the bar..") def foo(func): func() print("in the foo..") foo(bar)
#返回值为函数 def bar(): print("in the bar..") def foo(func): print("in the foo..") return bar res=foo(bar) res()
以上两个示例中,函数foo()为高阶函数,示例一中函数bar作为foo的参数传入,示例二中函数bar作为foo的返回值。
注:函数名(例如bar 、foo)-->其为该函数的内存地址;函数名+括号(例如 bar()、foo() )-->调用该函数。
这三个函数均为高阶函数,其也为Python内置的函数。接下来我们看一下这三个函数的用法以及其内部原理是怎样的:
map函数接收的是两个参数,一个函数,一个序列,其功能是将序列中的值处理再依次返回至列表内。其返回值为一个迭代器对象--》例如:<map object at 0x00000214EEF40BA8>。其用法如图:
接下来我们看一下map函数的机制是怎么样的:
num=[1,2,3,4,5]
def square(x):
return x**2
#map函数模拟
def map_test(func,iter):
num_1=[]
for i in iter:
ret=func(i)
# print(ret)
num_1.append(ret)
return num_1.__iter__() #将列表转为迭代器对象
#map_test函数
print(list(map_test(square,num)))
#map函数
print(list(map(square,num)))
#当然map函数的参数1也可以是匿名函数、参数2也可以是字符串
print(list(map_test(lambda x:x.upper(),"amanda")))
print(list(map(lambda x:x.upper(),"amanda")))
filter函数也是接收一个函数和一个序列的高阶函数,其主要功能是过滤。其返回值也是迭代器对象,例如:<filter object at 0x000002042D25EA90>,其图示如下:
接下来我们看一下filter函数的用法以及其机制是怎么样的:
names=["Alex","amanda","xiaowu"] #filter函数机制 def filter_test(func,iter): names_1=[] for i in iter: if func(i): #传入的func函数其结果必须为bool值,才有意义 names_1.append(i) return names_1 #filter_test函数 print(filter_test(lambda x:x.islower(),names)) #filter函数 print(list(filter(lambda x:x.islower(),names)))
reduce函数也是一个参数为函数,一个为可迭代对象的高阶函数,其返回值为一个值而不是迭代器对象,故其常用与叠加、叠乘等,图示例如下:
实例如下:
#reduce函数不是内置函数,而是在模块functools中的函数,故需要导入 from functools import reduce nums=[1,2,3,4,5,6] #reduce函数的机制 def reduce_test(func,array,ini=None): #ini作为基数 if ini == None: ret =array.pop(0) else: ret=ini for i in array: ret=func(ret,i) return ret #reduce_test函数,叠乘 print(reduce_test(lambda x,y:x*y,nums,100)) #reduce函数,叠乘 print(reduce(lambda x,y:x*y,nums,100))
高阶函数就了解到这,希望对大家有帮助,也是对自己的总结,共同学习。
联系客服