>>> from env_helper import info; info()
页面更新时间： 2024-03-29 16:20:49
运行环境：
Linux发行版本: Debian GNU/Linux 12 (bookworm)
操作系统内核: Linux-6.1.0-18-amd64-x86_64-with-glibc2.36
Python版本: 3.11.2
1.5. 一等函数¶
不管别人怎么说或怎么想，我从未觉得 Python 受到来自函数式语言的太多影响。我非常熟悉命令式语言，如 C 和 Algol 68，虽然我把函数定为一等对象，但是我并不把 Python 当作函数式编程语言。—— Guido van Rossum: Python 仁慈的独裁者
在 Python 中，函数是一等对象。
编程语言理论家把“一等对象”定义为满足下述条件的程序实体： *
在运行时创建 * 能赋值给变量或数据结构中的元素 * 能作为参数传给函数
* 能作为函数的返回结果
>>> # 高阶函数：有了一等函数（作为一等对象的函数），就可以使用函数式风格编程
>>> fruits = ['strawberry', 'fig', 'apple', 'cherry', 'raspberry', 'banana']
>>> print(list(sorted(fruits, key=len))) # 函数 len 成为了一个参数
>>>
>>> # lambda 函数 & map
>>> fact = lambda x: 1 if x == 0 else x * fact(x-1)
>>> print(list(map(fact, range(6))))
>>>
>>> # reduce
>>> from functools import reduce
>>> from operator import add
>>> print(reduce(add, range(101)))
>>>
>>> # all & any
>>> x = [0, 1]
>>> print(all(x), any(x))
['fig', 'apple', 'cherry', 'banana', 'raspberry', 'strawberry']
[1, 1, 2, 6, 24, 120]
5050
False True
Python 的可调用对象 * 用户定义的函数：使用 def 或 lambda 创建
* 内置函数：如 len 或 time.strfttime * 内置方法：如
dict.get（没懂这俩有什么区别…是说这个函数作为对象属性出现吗？） *
类：先调用 __new__ 创建实例，再对实例运行 __init__ 方法 *
类的实例：如果类上定义了 __call__ 方法，则实例可以作为函数调用 *
生成器函数：调用生成器函数会返回生成器对象
>>> # 获取函数中的信息
>>> # 仅限关键词参数
>>> def f(a, *, b):
>>> print(a, b)
>>> f(1, b=2)
>>>
>>> # 获取函数的默认参数
>>> # 原生的方法
>>> def f(a, b=1, *, c, d=3):
>>> pass
>>>
>>> def parse_defaults(func):
>>> code = func.__code__
>>> argcount = code.co_argcount # 2
>>> varnames = code.co_varnames # ('a', 'b', 'c', 'd')
>>> argdefaults = dict(zip(reversed(varnames[:argcount]), func.__defaults__))
>>> kwargdefaults = func.__kwdefaults__
>>> return argdefaults, kwargdefaults
>>>
>>> print(*parse_defaults(f))
>>> print('-----')
>>> # 看起来很麻烦，可以使用 inspect 模块
>>> from inspect import signature
>>> sig = signature(f)
>>> print(str(sig))
>>> for name, param in sig.parameters.items():
>>> print(param.kind, ':', name, "=", param.default)
>>> print('-----')
>>> # signature.bind 可以在不真正运行函数的情况下进行参数检查
>>> args = sig.bind(1, b=5, c=4)
>>> print(args)
>>> args.apply_defaults()
>>> print(args)
1 2
{'b': 1} {'d': 3}
-----
(a, b=1, *, c, d=3)
POSITIONAL_OR_KEYWORD : a = <class 'inspect._empty'>
POSITIONAL_OR_KEYWORD : b = 1
KEYWORD_ONLY : c = <class 'inspect._empty'>
KEYWORD_ONLY : d = 3
-----
<BoundArguments (a=1, b=5, c=4)>
<BoundArguments (a=1, b=5, c=4, d=3)>
>>> # 函数注解
>>> def clip(text: str, max_len: 'int > 0'=80) -> str:
>>> pass
>>>
>>> from inspect import signature
>>> sig = signature(clip)
>>> print(sig.return_annotation)
>>> for param in sig.parameters.values():
>>> note = repr(param.annotation).ljust(13)
>>> print("{note:13} : {name} = {default}".format(
>>> note=repr(param.annotation), name=param.name,
>>> default=param.default))
<class 'str'>
<class 'str'> : text = <class 'inspect._empty'>
'int > 0' : max_len = 80
1.5.1. 支持函数式编程的包¶
operator 里有很多函数，对应着 Python
中的内置运算符，使用它们可以避免编写很多无趣的 lambda 函数，如： *
add: lambda a, b: a + b * or_: lambda a, b: a or b *
itemgetter: lambda a, b: a[b] * attrgetter:
lambda a, b: getattr(a, b)
functools 包中提供了一些高阶函数用于函数式编程，如：reduce
和 partial。此外，
functools.wraps
可以保留函数的一些元信息，在编写装饰器时经常会用到。>>> # Bonus: 获取闭包中的内容
>>> def fib_generator():
>>> i, j = 0, 1
>>> def f():
>>> nonlocal i, j
>>> i, j = j, i + j
>>> return i
>>> return f
>>>
>>> c = fib_generator()
>>> for _ in range(5):
>>> print(c(), end=' ')
>>> print()
>>> print(dict(zip(
>>> c.__code__.co_freevars,
>>> (x.cell_contents for x in c.__closure__))))
1 1 2 3 5
{'i': 5, 'j': 8}