Python裏的匿名函數（lambda）與apply(),filter() ,map(),reduce()，以及函數的可變長參數

lambda:

提到 Lambda演算，更多時候是與函數式編程糾纏在一塊兒的。這種設計思想講究拋棄變量和狀態，使用純函數的遞歸系統來構建程序（我的理解）。雖然函數式編程與 Python 的面向對象背道而馳，但並不妨害 Python 借鑑其中某些有價值的內容。便是說，並不能由於 lambda 的存在就認爲 Python 是一門函數式編程語言，它只是由於在某些細節上顯得更有效率而被引入的。好比 Python 裏用 lambda 來定義匿名函數，並與標題中提到的 apply() 等內建函數一塊兒構建一些程序結構。

匿名函數與標準方式聲明的函數區別在於，不須要使用 def 語句，也不須要一個名字來引用它。使用 lambda 語句能夠直接獲得一個函數對象，它的語法是：

lambda [arg1[,arg2…]]: expression

參數無關緊要，冒號後面是一個表達式，函數的做用就是返回這個表達式的值。在 def 語句下等同於：

def func([arg1[,arg2…]]):return expression

能夠看到 lambda 函數沒有中間狀態，也不適合構建過於複雜的函數，由於它的函數體只有一個表達式。因此應用 lambda 的場合更可能是構建一些臨時的、簡單的和無需複用小函數。雖然原則上能夠給 lambda 函數起別名，就像下面這樣，以備後續引用。但若是你打算重複利用這個函數，幹嗎不用 def 語句定義一個標準函數呢，那樣功能更多且更易維護。

>>> foo = lambda a,b: a+b
>>> foo(1,2)
3

filter(), map(), reduce()：

apply() 函數由於涉及到可變長參數，而且與這三個函數的做用不一樣，所以放到最後。filter(), map(), reduce() 這三個內建函數的功能屬於一類，都是處理可迭代對象，而後返回結果。

filter(function or None, iterable) --> filter object 的功能就和它的名字同樣，使用可迭代對象 iterable 中的每個元素做爲參數來調用布爾函數 function，並將全部返回 True 的元素放在一個迭代器中返回。若是 function 爲 None，則將 iterable 中值爲 True 的元素返回。例：

>>> a = filter(lambda x:x>2,[1,2,3,4])
>>> type(a)
<class 'filter'>
>>> for i in a:print(i)

3
4
>>>

在之前的版本中 filter() 函數返回的是一個列表，但 Python3 改成了返回一個迭代器，因此上面的例子使用了 for 語句來顯示結果。另外返回迭代器的一個注意點就是：上例中的 a 中的元素並非在賦值的時候一次性生成的，所以若是使用 iterable 的元素調用 function 會產生異常的話，那麼該異常實際會在 for 循環中被拋出。能夠看到在這種「過濾元素」的應用環境中，咱們須要的函數形式很是簡單，只有一條表達式，因此使用 lambda 是個不錯的選擇。（實際下面的兩個函數也是同樣）

map(func, *iterables) --> map object 的功能是將函數 func 做用於 iterable 的每個元素，並將結果用迭代器返回。注意這裏能夠提供多個 iterable，若是這樣作，調用 func 的時候就會從每一個 iterable 中依次取一個元素，直到最短的 iterable 耗盡。因此這裏 func 的參數個數應該等於 iterable 的個數。

>>> a = map(lambda x,y:x+y,[1,2,3],[3,2,1])
>>> type(a)
<class 'map'>
>>> for i in a:print(i)

4
4
4

reduce(function, sequence[, initial]) –> value 的功能是：function 接受兩個參數，第一個是 initial，第二個是 sequence 的第一個元素。若是沒有提供 initial ，那麼就取前兩個 sequence 的元素。而後此次調用的返回值再做爲第一個參數傳遞給 function，第二個參數則是 sequence 的下一個元素。這樣循環直到 sequence 耗盡，並將最終的值返回。由於 reduce() 函數在 Python3 中已經不是內建函數了，想要使用的話須要 from functools import reduce，因此這裏就不舉例了。

實際上不僅 reduce，這三個函數在如今的版本中均可以說已經沒什麼用了。filter() 和 map() 均可以由列表解析（生成器表達式）取代，並且明顯列表解析更高級好用。因此通常知道這幾個函數是幹嘛用的就夠了，基本不必去實際使用他們。不過下面用來取代 map() 的列表解析示例貌似只能用於單容器的情況，多容器的好比上面那個 map() 的例子該怎麼寫我想不出。。。

>>> [x for x in [1,2,3,4] if x>2]# filter
[3, 4]
>>> [x+1 for x in [1,2,3]]# map
[2, 3, 4]

apply() 比 reduce() 還慘，在 functools 裏都已經不存在了。這是由於早在 1.6 版本他就已經失去做用。咱們這裏還要提它，僅是爲了引出下面的話題：可變長參數。其實在 1.6 之前，函數還不支持可變長參數，而 apply() 就是幹這個用的，他可使用可變長參數來調用函數。

可變長參數：

可變長參數的意思就是：我在調用函數的時候不知道要傳多少個參數進來，可能沒有，也可能 100 多個。好比一張電子帳單，算總額的時候誰知道會有多少項呢。相似這種問題雖然有不少種其餘方法把金額加到一塊兒，但使用單一函數來實現總能收穫到多餘的好處。並且雖然用一個元組也能夠實現變長參數的功能，但接下來介紹的方式能作的更好。定義一個函數時可以使用的形參徹底體以下：

def func(positional_args, keyword_args, *tuple_grp_nonkw_args, **dict_grp_kw_args):

這四種參數形式都是獨立可選的。前兩個不表，後面帶個 * 和帶 ** 的就是變長參數了。在位置上，帶 * 的必須放在不帶 * 的後面，不然會報錯。舉個栗子，operator 模塊裏有個 add() 函數：

add(a, b) -- Same as a + b.

該函數只接受兩個參數，若是使用可變長參數的話，咱們就能讓它接受無限個參數並返回他們的和：

>>> def add(*args):
	result = 0
	for num in args:
		result += num
	return result

>>> add(1,2,3,4)
10
>>> add(*(1,2,3,4))
10
>>> add(1,2,*(3,4))
10

從上面的例子能夠看出 *tuple_grp_nonkw_args 的做用。只要你的形參裏有 *args 這種設定，函數就自動變得對非關鍵字參數來者不拒。並把接收到的全部參數統一放在一個元組裏。

不過這個函數較 operator 裏的 add() 有個不足之處，就是那個 add() 除了加數字，還能鏈接字符串，而咱們定義的這個就只能處理數字。因而，接下來就要把位置參數（positional_args）和可變長非關鍵字參數（*tuple_grp_nonkw_args）一塊兒用了，這也是能體現他們之間聯繫的一個例子：

>>> def add(first,*args):
	result = first
	checked = type(first)
	for item in [x for x in args if type(x)==checked]:
		result += item
	return result

>>> add(1,2,3,4)
10
>>> add('1','2','3','4')
'1234'
>>> add(1,2,'3','4')
3
>>> add(*(1,2,3,4))
10

這裏咱們從 *args 裏獨立出來了一個非關鍵字參數，並把它命名爲 first，再以後的參數只有和 first 同類型的纔會加在一塊兒。能夠看到這時的 *args 自動讓出了第一個參數給 first，而只包含剩餘的參數，不論你是單獨傳入第一個參數，仍是用 *（）的方式一股腦傳入，函數內部對待他們的方式都是同樣的。

忽然想到上面的例子，int 和 float 參數仍是加不到一塊兒。因此能夠改一下斷定：if type(x) in (int,float) 這樣。

而關鍵字參數的表現和非關鍵字的同樣，這裏就不贅述了。