1、闭包
这是我参与更文挑战的第9天，活动详情查看： 更文挑战
1.1 函数概念理引用
def test1():
print("--- in test1 func----")
# 调用函数
test1()
# 引用函数
ret = test1
print(id(ret))
print(id(test1))
#通过引用调用函数
ret()
运行结果:
--- in test1 func----
140212571149040
140212571149040
--- in test1 func----
由上图可知，和变量名一样的，函数名只是函数代码空间的引用，当函数名赋值给一个对象的时候 就是引用传递。
1.2 闭包
# 定义一个函数
def test(number):
# 在函数内部再定义一个函数，并且这个函数用到了外边函数的变量，那么将这个函数以及用到的一些变量称之为闭包
def test_in(number_in):
print("in test_in 函数, number_in is %d" % number_in)
return number+number_in
# 其实这里返回的就是闭包的结果
return test_in
# 给test函数赋值，这个20就是给参数number
ret = test(20)
# 注意这里的100其实给参数number_in
print(ret(100))
#注 意这里的200其实给参数number_in
print(ret(200))
运行结果：
in test_in 函数, number_in is 100
120
in test_in 函数, number_in is 200
220
1.3 看一个闭包的实际例子：
def line_conf(a, b):
def line(x):
return a*x + b
return line
line1 = line_conf(1, 1)
line2 = line_conf(4, 5)
print(line1(5))
print(line2(5))
这个例子中，函数line与变量a,b构成闭包。在创建闭包的时候，我们通过line_conf的参数a,b说明了这两个变量的取值，这样，我们就确定了函数的最终形式(y = x + 1和y = 4x + 5)。我们只需要变换参数a,b，就可以获得不同的直线表达函数。由此，我们可以看到，闭包也具有提高代码可复用性的作用。
如果没有闭包，我们需要每次创建直线函数的时候同时说明a,b,x。这样，我们就需要更多的参数传递，也减少了代码的可移植性。
注意点:
由于闭包引用了外部函数的局部变量，则外部函数的局部变量没有及时释放，消耗内存
1.4 修改外部函数中的变量
def counter(start=0):
def incr():
nonlocal start
start += 1
return start
return incr
c1 = counter(5)
print(c1())
print(c1())
c2 = counter(50)
print(c2())
print(c2())
print(c1())
print(c1())
print(c2())
print(c2())
1.5 总结
- 函数名只是函数代码空间的引用，当函数名赋值给一个对象的时候 就是引用传递
- 闭包就是一个嵌套定义的函数，在外层运行时才开始内层函数的定义，然后将内部函数的引用传递函数外的对象
- 内部函数和使用的外部函数提供的变量构成的整体称为闭包
2、装饰器
首先看一段代码
def show():
print("我们遇到什么苦难也不要怕！！！微笑着面对它！！！")
# show 是当前函数对象的名字，因为python中万物皆对象，函数本身也是一个对象
# 将show的函数所在内存地址的索引赋予了func变量，是func变量也可以使用show中保存的功能
func = show
func() # 输出show函数中的print语句
通过以上代码，可以确定一点就是 函数名只是一个对象，和普通对象一样，这个对象可以引用其他函数的代码
2.1 装饰器
概念：在不改变原函数功能的基础上进行，功能的扩展，这就是装饰器。
装饰器的本质就是一个函数。是使用另一个函数功能增加旧函数的功能
使用格式：
@拓展功能的函数
要被拓展功能的函数():
pass
# 拓展功能的函数其实就是装饰器，但是它本质上是一个函数，并且这个函数必须是一个闭包函数，且外层函数需要接收要被拓展功能函数的内存引用
现有一个需求：在不改变上面代码中show功能的基础上使其再输入‘加油，奥利给’。
# say函数是show函数的装饰器(用来给show函数进行功能拓展的)
def say(func):
# 对于闭包来说，外层函数需要接收要比装饰函数的内存引用
def inner():
print("奥里给")
func()
return inner
@say # 当前装饰器的功能相当于 say(show),注意当前装饰的函数是没有任何参数的
def show():
print("我们遇到什么苦难也不要怕！！！微笑着面对它！！！")
show()
装饰器的执行过程：
# 将上面的装饰器代码理解成普通的函数调用
def say(func):
def inner():
print("奥里给")
func()
return inner
def show():
print("我们遇到什么苦难也不要怕！！！微笑着面对它！！！")
# 将变量名show的引用地址(该地址为show方法功能的内存地址)，传递给say函数，并肩该闭包函数返回的inner使用show变量进行保存
show= say(show)
# 调用show(),即等价调用inner()
# 内部函数inner被引用，所以外部函数的func变量(自由变量)并没有释放
# func里保存的是原show函数对象
2.2 被装饰的函数有参数
# 如果装饰的函数有参数，需要在内部函数中写入相同的参数，如果不确定装饰的函数有几个参数，内部函数也可以使用*args 和 **kwargs
def say(func):
def inner(a, b):
print(a, b)
print("奥里给")
func(a, b)
return inner
@say
def show(a, b):
print("我们遇到什么苦难也不要怕！！！微笑着面对它！！！")
print(a + b)
show(1, 2)
2.3 装饰的函数有返回值
# 如果装饰的函数有返回值需要在内部函数中return 装饰函数的运行结果
def say(func):
def inner():
print("-----2-----")
return func()
return inner
@say
def show():
return "-----1-----"
print(show())
2.4 使用多个装饰器装饰同一个函数
# 定义函数：完成包裹数据
def makeBold(fn):
def wrapped():
return "<b>" + fn() + "</b>"
return wrapped
# 定义函数：完成包裹数据
def makeItalic(fn):
def wrapped():
return "<i>" + fn() + "</i>"
return wrapped
@makeBold
def test1():
return "hello world-1"
@makeItalic
def test2():
return "hello world-2"
@makeBold
@makeItalic
def test3():
return "hello world-3"
print(test1())
print(test2())
print(test3())
# 执行结果为:
"""
<b>hello world-1</b>
<i>hello world-2</i>
<b><i>hello world-3</i></b>
"""
# 执行是就近原则
3、匿名函数
当我们在传入函数时，有些时候，不需要显式地定义函数，直接传入匿名函数更方便。
在Python中，对匿名函数提供了有限支持。还是以map()函数为例，计算f(x)=x2时，除了定义一个f(x)的函数外，还可以直接传入匿名函数：
>>> list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
[1, 4, 9, 16, 25, 36, 49, 64, 81]
通过对比可以看出，匿名函数lambda x: x * x实际上就是：
def f(x):
return x * x
关键字lambda表示匿名函数，冒号前面的x表示函数参数。
匿名函数有个限制，就是只能有一个表达式，不用写return，返回值就是该表达式的结果。
用匿名函数有个好处，因为函数没有名字，不必担心函数名冲突。此外，匿名函数也是一个函数对象，也可以把匿名函数赋值给一个变量，再利用变量来调用该函数：
>>> f = lambda x: x * x
>>> f
<function <lambda> at 0x101c6ef28>
>>> f(5)
25
同样，也可以把匿名函数作为返回值返回，比如：
def build(x, y):
return lambda: x * x + y * y
4、高阶函数
4.1 map函数
map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回。
举例说明，比如我们有一个函数f(x)=x2，要把这个函数作用在一个list [1, 2, 3, 4, 5, 6, 7, 8, 9]上，就可以用map()实现如下：
f(x) = x * x
│
│
┌───┬───┬───┬───┼───┬───┬───┬───┐
│ │ │ │ │ │ │ │ │
▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼
[ 1 2 3 4 5 6 7 8 9 ]
│ │ │ │ │ │ │ │ │
│ │ │ │ │ │ │ │ │
▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼ ▼
[ 1 4 9 16 25 36 49 64 81 ]
map()传入的第一个参数是f，即函数对象本身。由于结果r是一个Iterator，该Iterator是一个特俗的对象，因此通过list()`函数让它把整个序列都计算出来并返回一个list。
你可能会想，不需要map()函数，写一个循环，也可以计算出结果：
L = []
for n in [1, 2, 3, 4, 5, 6, 7, 8, 9]:
L.append(f(n))
print(L)
的确可以，但是，从上面的循环代码，能一眼看明白“把f(x)作用在list的每一个元素并把结果生成一个新的list”吗？
所以，map()作为高阶函数，事实上它把运算规则抽象了，因此，我们不但可以计算简单的f(x)=x2，还可以计算任意复杂的函数，比如，把这个list所有数字转为字符串：
print(list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9])))
# 结果['1', '2', '3', '4', '5', '6', '7', '8', '9']
4.2 filter函数
Python内建的filter()函数用于过滤序列。
和map()类似，filter()也接收一个函数和一个序列。和map()不同的是，filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。
例如，在一个list中，删掉偶数，只保留奇数，可以这么写：
def is_odd(n):
return n % 2 == 1
list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
# 结果: [1, 5, 9, 15]
把一个序列中的空字符串删掉，可以这么写：
def not_empty(s):
return s and s.strip()
list(filter(not_empty, ['A', '', 'B', None, 'C', ' ']))
# 结果: ['A', 'B', 'C']
可见用filter()这个高阶函数，关键在于正确实现一个“筛选”函数。
注意到filter()函数返回的是一个Iterator，也就是一个惰性序列，所以要强迫filter()完成计算结果，需要用list()函数获得所有结果并返回list。
4.3 sorted函数
排序也是在程序中经常用到的算法。无论使用冒泡排序还是快速排序，排序的核心是比较两个元素的大小。如果是数字，我们可以直接比较，但如果是字符串或者两个dict呢？直接比较数学上的大小是没有意义的，因此，比较的过程必须通过函数抽象出来。
Python内置的sorted()函数就可以对list进行排序：
>>> sorted([36, 5, -12, 9, -21])
[-21, -12, 5, 9, 36]
此外，sorted()函数也是一个高阶函数，它还可以接收一个key函数来实现自定义的排序，例如按绝对值大小排序：
>>> sorted([36, 5, -12, 9, -21], key=abs) # abs是取数字的绝对值，当前排序是根据数字的绝对值进行比较的
[5, 9, -12, -21, 36]
反向排序只需要在sorted函数 中添加参数reverse设置为True即可
>>> sorted([1, 3, 2], reverse=True)
[3, 2, 1]
4.4 reduce函数
第一个参数是一个函数，第二个参数是一个可以迭代的类型（Iterable） 第一个参数的函数也必须接受两个参数，reduce会把函数的返回值与序列的下一个元素继续传入函数做计算。
如下例子，求从1累乘到100的值
#reduce 将函数的到的结果继续当做参数传入到函数中去from functools import reducedef add(x,y): return x*yprint(reduce(add,range(1, 100)))
那么我们可以形象的把这个方法做一个等价描述：
reduce(fn, [x1, x2, x3, x4,......]) = f(f(f(f(x1, x2), x3), x4) ......)
结语
文章篇幅较长，给看到这里的小伙伴点个大大的赞!由于作者水平有限，文章中难免会有错误之处，欢迎小伙伴们反馈指正。
如果觉得文章对你有帮助,麻烦 点赞、评论、收藏
你的支持是我最大的动力！！！
