Python基础语法全体系 | 函数基础、深入理解函数式编程（Lambda、@装饰器与偏函数）

柔情只为你懂 2023-06-23 05:55 79阅读 0赞

![20191218114753350.png][]《Python基础语法全体系》系列博文第五篇，本篇博文将详细深入地讲解Python的函数部分，包括函数基础部分：函数入门、函数参数和局部函数；之后讲解函数的高级内容；最后讲解Python的函数式编程，包括高阶函数、lambda、装饰器与偏函数四大部分。函数部分是Python基础中最为重要的部分，也是实现代码复用的基础。本文整理自疯狂python编程、廖雪峰的Python教程。

--------------------

### 文章目录 ###

*   *  函数基础
     *   *  定义函数和调用函数
         *  多个返回值
     *  函数参数
     *   *  关键字参数
         *  参数默认值
         *  参数收集（个数可变参数）
         *  逆向参数收集
         *  变量作用域
     *  局部函数
     *  函数的高级内容
     *   *  使用函数变量
         *  使用函数作为函数形参
         *  使用函数作为返回值
     *  函数式编程
     *   *  高阶函数
         *  Lambda表达式
         *  函数装饰器
         *  偏函数 partial function

--------------------

函数是执行特定任务的一段代码，程序通过将一段代码定义成函数，并为该函数指定一个函数名，这样既可在需要的时候调用这段代码。因此，函数是代码复用的重要手段。

--------------------

## 函数基础 ##

### 定义函数和调用函数 ###

在使用函数之前必须先定义函数，语法格式如下：

def 函数名（形参列表）:
    	// 由零条到多条可执行语句组成的函数
    	[return [返回值]]

下面是程序示例：

# 定义一个函数，声明2个形参
    def my_max(x, y) :
    	# 定义一个变量z，该变量等于x、y中较大的值
    	z = x if x > y else y
    	# 返回变量z的值
    	return z
    
    # 定义一个函数，声明一个形参
    def say_hi(name) :
    	print("===正在执行say_hi()函数===")
    	return name + "，您好！"
    
    a = 6
    b = 9
    # 调用my_max()函数，将函数返回值赋值给result变量
    result = my_max(a , b) # 9
    print("result:", result)
    # 调用say_hi()函数，直接输出函数的返回值
    print(say_hi("ZYZMZM"))
    
    # 运行结果
    result: 9
    ===正在执行say_hi()函数===
    ZYZMZM，您好！

在函数体中使用return语句可以显式地返回一个值，**return语句返回的值即可是有值的变量，也可是一个表达式**。

例如上述程序中的my\_max()函数，实际上可简写为如下形式：

def my_max(x, y):
    	return x if x > y else y

--------------------

### 多个返回值 ###

如果程序需要有多个返回值，则既可将多个值包装成列表之后返回，也可直接返回多个值。**如果Python函数直接返回多个值，Python会自动将多个返回值封装成元组。**

def sum_and_avg(list):
        sum = 0
        count = 0
        for e in list:
            # 如果元素e是数值
            if isinstance(e, int) or isinstance(e, float):
                count += 1
                sum += e
        return sum, sum / count
    my_list = [20, 15, 2.8, 'a', 35, 5.9, -1.8]
    # 获取sum_and_avg函数返回的多个值，多个返回值被封装成元组
    tp = sum_and_avg(my_list)
    print(tp) # (76.9, 12.816666666666668)

此外，**可以使用Python提供的序列解包功能，直接使用多个变量接收函数返回的多个值**。

# 使用序列解包来获取多个返回值
    s, avg = sum_and_avg(my_list)
    print(s) # 76.9
    print(avg) # 12.816666666666668

--------------------

## 函数参数 ##

### 关键字参数 ###

Python函数的参数名不是无意义的，**Python允许在调用函数时通过名字来传入参数值**。

按照形参位置传入的参数称为**位置参数**。如果使用位置参数的方式来传入参数值，则必须严格按照定义函数时指定的顺序来传入参数值；**如果根据参数名来传入参数值，则无需遵守形参的顺序，这种方式被称为关键字参数**。

# 定义一个函数
    def girth(width , height):
    	print("width: ", width)
    	print("height: ", height)
    	return 2 * (width + height)
    	
    # 传统调用函数的方式，根据位置传入参数
    print(girth(3.5, 4.8))
    
    # 根据关键字参数来传入参数
    print(girth(width = 3.5, height = 4.8))
    
    # 使用关键字参数时可交换位置
    print(girth(height = 4.8, width = 3.5))
    
    # 部分使用关键字参数，部分使用位置参数
    print(girth(3.5, height = 4.8))

**如果希望在调用函数时混合使用关键字参数和位置参数，则关键字参数必须位于位置参数之后。**

# 位置参数必须放在关键字参数之前，下面代码错误
    print(girth(width = 3.5, 4.8))

--------------------

### 参数默认值 ###

在某些情况下，程序需要在定义函数时为一个或多个形参指定默认值——这样在调用函数时就可以省略为该形参传入参数值，而是直接使用该形参的默认值。

为形参指定默认值的语法格式：`形参名 = 默认值`。

# 为两个参数指定默认值
    def say_hi(name = "ZYZMZM", message = "欢迎来到CSDN"):
    	print(name, ", 您好")
    	print("消息是：", message)
    	
    # 全部使用默认参数
    say_hi()
    
    # 只有message参数使用默认值
    say_hi("ZY")
    
    # 两个参数都不使用默认值
    say_hi("JIMMY", "欢迎学习Python")
    
    # 只有name参数使用默认值
    say_hi(message = "欢迎学习Python")
    
    # 运行结果
    ZYZMZM , 您好
    消息是： 欢迎来到CSDN
    ZY , 您好
    消息是： 欢迎来到CSDN
    JIMMY , 您好
    消息是： 欢迎学习Python
    ZYZMZM , 您好
    消息是： 欢迎学习Python

注意，Python规定：**关键字参数必须位于位置参数的后面**，因此下面的调用是错误的。

# 错误用法
    say_hi(name = "ZY", "欢迎学习Python")

由于Python要求在带调用函数时关键字参数必须位于位置参数的后面，因此在**定义函数时指定了默认值的参数（关键字参数）必须在没有默认值的参数之后。**

# 定义一个打印三角形的函数，有默认值的参数必须放在后面
    def printTriangle(char, height = 5) :
    	for i in range(1, height + 1) :
    		# 先打印一排空格
    		for j in range(height - i) :
    			print(' ', end = '')
    		# 再打印一排特殊字符
    		for j in range(2 * i - 1) :
    			print(char, end = '')
    		print()
    printTriangle('@', 6)
    printTriangle('#', height=7)
    printTriangle(char = '*')

Python要求将带默认值的参数定义在形参列表的最后。

--------------------

### 参数收集（个数可变参数） ###

Python允许在**形参前面添加一个星号（\*）**，这样就意味着该参数可以接收多个参数值，**多个参数值被当成元组传入**。

# 定义了支持参数收集的函数
    def test(a, *blogs) :
        print(blogs) # ('ZYZMZM-blog', 'JIMMY-blog')
        # books被当成元组处理
        for b in blogs :
            print(b)
        # 输出整数变量a的值
        print(a) # 5
    # 调用test()函数
    test(5 , "ZYZMZM-blog" , "JIMMY-blog")

Python允许个数可变的形参可以处于形参列表的任意位置，但Python要求一个函数**最多只能带一个**支持“普通”参数收集的形参。

# 定义了支持参数收集的函数
    def test(*blogs ,num) :
        print(blogs) # ('ZYZMZM-blog', 'JIMMY-blog')
        # books被当成元组处理
        for b in blogs :
            print(b)
        print(num) # 20
    # 调用test()函数
    test("ZYZMZM-blog" , "JIMMY-blog", num = 20)

Python还可以**收集关键字参数**，此时Python会将这种关键字参数收集成字典。为了让Python能收集关键字参数，需要**在参数前面添加两个星号**。在这种情况下，一个函数可同时包含一个支持“普通”参数收集的形参和一个支持关键字参数收集的形参。

# 定义了支持参数收集的函数
    def test(x, y, z=3, *blogs, **scores) :
        print(x, y, z)
        print(blogs)
        print(scores)
    test(1, 2, "ZYZMZM-blogs" , "JIMMY-blogs", 语文=89, 数学=94)
    
    # 运行结果
    1 2 3
    ('ZYZMZM-blogs', 'JIMMY-blogs')
    {
        '语文': 89, '数学': 94}

--------------------

### 逆向参数收集 ###

所谓逆向参数收集，指的是在程序已有列表、元组、字典等对象的前提下，把它们的元素“拆开”后传给函数的参数。

**逆向参数收集需要在传入的列表、元组参数之前添加一个星号，在字典参数之前添加两个星号。**

def test(name, message):
        print("用户是: ", name)
        print("欢迎消息: ", message)
    my_list = ['ZYZMZM', '欢迎来到CSDN']
    test(*my_list)
    
    # 运行结果
    用户是:  ZYZMZM
    欢迎消息:  欢迎来到CSDN

即使是支持收集的参数，如果程序需要将一个元组传给该参数，那么同样要使用逆向收集。

def foo(name, *nums):
        print("name参数: ", name)
        print("nums参数: ", nums)
    my_tuple = (1, 2, 3)
    # 使用逆向收集，将my_tuple元组的元素传给nums参数
    foo('blog', *my_tuple)
    
    # 运行结果
    name参数:  blog
    nums参数:  (1, 2, 3)

也可以使用如下方法调用foo()函数：

# 使用逆向收集，将my_tuple元组的第一个元素
    # 传给name参数，剩下参数传给nums参数
    foo(*my_tuple)
    
    # 运行结果
    name参数:  1
    nums参数:  (2, 3)

如果不使用逆向收集，整个元组将会作为一个参数，而不是将元祖的元素作为多个参数。

# 不使用逆向收集，my_tuple元组整体传给name参数
    foo(my_tuple)
    
    # 运行结果
    name参数:  (1, 2, 3)
    nums参数:  ()

**字典也支持逆向收集，字典将会以`关键字参数`的形式传入。**

def bar(name, nums, desc):
        print(name, " 博客的文章数量是: ", nums)
        print('描述信息', desc)
    my_dict = {
        'nums': 220, 'name': 'ZYZMZM-blog', 'desc': '这是一个技术博客'}
    # 按逆向收集的方式将my_dict的多个key-value传给bar()函数
    bar(**my_dict)
    
    # 运行结果
    ZYZMZM-blog  博客的文章数量是:  220
    描述信息 这是一个技术博客

--------------------

### 变量作用域 ###

在程序中定义一个变量时，这个变量是有作用范围的，变量的作用范围被称为它的作用域。根据定义变量的位置，变量分为两种：

*  **局部变量**。在函数中定义的变量，包括参数，都被称为局部变量。
 *  **全局变量**。在函数外面、全局范围内定义的变量，都被称为全局变量。

实际上，Python提供了如下三个工具函数来获取指定范围内的“变量字典”。

*  globals()：该函数返回全局范围内所有变量组成的“变量字典”。
 *  locals()：该函数返回当前局部范围内所有变量组成的“变量字典”。
 *  vars(object)：获取在指定对象范围内所有变量组成的“变量字典”。如果不传入object参数，vars()和locals()的作用完全相同。

注意以下两点：

*  如果在全局范围内调用locals()函数，同样会获取全局范围内所有变量组成的“变量字典”；而globals()无论在哪里执行，总是获取全局范围内所有变量组成的“变量字典”。
 *  不管是使用globals()还是使用locals()获取的全局范围内的“变量字典”，都可以被修改，而**这种修改会真正改变全局变量本身**；但通过locals()获取的局部范围内的“变量字典”，即使对它修改也不会影响局部变量。

def test ():
        age = 20
        # 直接访问age局部变量
        print(age) # 输出20
        
        # 访问函数局部范围的“变量数组”
        print(locals()) # {'age': 20}
        
        # 通过函数局部范围的“变量数组”访问age变量
        print(locals()['age']) # 20
        
        # 通过locals函数局部范围的“变量数组”改变age变量的值
        locals()['age'] = 12
        
        # 再次访问age变量的值
        print('xxx', age) # 依然输出20
        
        # 通过globals函数修改x全局变量
        globals()['x'] = 19
        
    x = 5
    y = 20
    print(globals()) # {..., 'x': 5, 'y': 20}
    
    # 在全局访问内使用locals函数，访问的是全局变量的“变量数组”
    print(locals()) # {..., 'x': 5, 'y': 20}
    
    # 直接访问x全局变量
    print(x) # 5
    
    # 通过全局变量的“变量数组”访问x全局变量
    print(globals()['x']) # 5
    
    # 通过全局变量的“变量数组”对x全局变量赋值
    globals()['x'] = 39
    print(x) # 输出39
    
    # 在全局范围内使用locals函数对x全局变量赋值
    locals()['x'] = 99
    print(x) # 输出99

全局变量默认可以在所有函数内被访问，**如果在函数中定义了与全局变量同名的变量，就会发生局部变量遮蔽全局变量的情形**。

name = 'JIMMY'
    def test ():
        # 直接访问name全局变量
        print(name) # JIMMY
        name = 'ZYZMZM'
    test()
    print(name) # JIMMY

上述程序会出现错误，原因是Python语法规定，**在函数内部对不存在的变量赋值时，默认就是重新定义新的局部变量**。

我们可以通过两种方式来修改上面的程序。

**1、访问被遮蔽的全局变量**

name = 'JIMMY'
    def test ():
        # 通过globals()函数访问name全局变量
        print(globals()['name'])  # JIMMY
        name = 'ZYZMZM'
    test()
    print(name)  # JIMMY

**2、在函数中声明全局变量**

name = 'JIMMY'
    def test ():
        # 声明name是全局变量，后面的赋值语句不会重新定义局部变量
        global name
        # 直接访问name全局变量
        print(name)  # JIMMY
        name = 'ZYZMZM'
    test()
    print(name)  # ZYZMZM

增加了`global name`声明之后，程序会把name变量当成全局变量，这意味着test()函数里面对name赋值的语句是对全局变量的赋值，而不是重新定义局部变量。

--------------------

## 局部函数 ##

前面所看到的函数都是在全局范围内定义的，它们都是**全局函数**，Python还支持在函数体内定义函数，被称为**局部函数**。

在默认情况下，局部函数对外部是隐藏的，局部函数只能在其封闭函数内有效，其封闭函数也可以返回局部函数，以便在其他作用域中使用局部函数。

# 定义函数，该函数会包含局部函数
    def get_math_func(type, nn) :
        # 定义一个计算平方的局部函数
        def square(n) :
            return n * n
        # 定义一个计算立方的局部函数
        def cube(n) :
            return n * n * n
        # 定义一个计算阶乘的局部函数
        def factorial(n) :
            result = 1
            for index in range(2, n + 1) :
                result *= index
            return result
        # 调用局部函数
        if type == "square" :
            return square(nn)
        elif type == "cube":
            return cube(nn)
        else:
            return factorial(nn)
    print(get_math_func("square", 3)) # 输出9
    print(get_math_func("cube", 3)) # 输出27
    print(get_math_func("", 3)) # 输出6

如上面程序所示，如果封闭函数没有返回局部函数，那么局部函数只能在封闭函数内部使用。但是如果封闭函数将局部函数返回，且程序使用变量保存了封闭函数的返回值，那么这些局部函数的作用域就会被扩大，我们之后将会讲解。

**局部函数内的变量也会遮蔽它所在函数内的局部变量。**

def foo ():
        # 局部变量name
        name = 'ZYZMZM'
        def bar ():
            # 访问bar函数所在的foo函数的name局部变量
            print(name) # ERROR
            name = 'JIMMY'
        bar()
    foo()

该错误是由**局部变量遮蔽局部变量**导致的，在bar()函数中定义的name局部变量遮蔽了它所在foo()函数内的name局部变量，因此导致`print(name)`语句报错。

为了声明bar()函数中的`name = 'JIMMY'`赋值语句不是定义新的局部变量，只是访问它所在foo()函数内的name局部变量，Python提供了`nonlocal关键字`，通过nonlocal语句即可声明访问赋值语句只是访问该函数所在函数内的局部变量。

def foo ():
        # 局部变量name
        name = 'ZYZMZM'
        def bar ():
            nonlocal name
            # 访问bar函数所在的foo函数的name局部变量
            print(name) # ZYZMZM
            name = 'JIMMY'
        bar()
        print(name) # JIMMY
    foo()

nonlocal 和之前介绍的global功能大致相似，区别只是**global用于声明访问全局变量**，而**nonlocal用于声明访问当前函数所在函数内的局部变量**。

--------------------

## 函数的高级内容 ##

### 使用函数变量 ###

**Python的所有函数都是function对象**，这意味着可以把函数本身赋值给变量，就像把整数、浮点数、列表、元组赋值给变量一样。

**当把函数赋值给变量之后，接下来程序也可以通过该变量来调用函数**。

# 定义一个计算乘方的函数
    def pow(base, exponent) :
    	result = 1
    	for i in range(1, exponent + 1) :
    		result *= base
    	return result
    # 将pow函数赋值给my_fun，则my_fun可当成pow使用
    my_fun = pow
    print(my_fun(3 , 4)) # 输出81
    
    # 定义一个计算面积的函数
    def area(width, height) :
    	return width * height
    # 将area函数赋值给my_fun，则my_fun可当成area使用
    my_fun = area
    print(my_fun(3, 4)) # 输出12

通过对my\_fun变量赋值不同的函数，可以让my\_fun在不同的时间指向不同的函数，从而让程序更加灵活。

--------------------

### 使用函数作为函数形参 ###

Python支持像使用其他参数一样使用函数参数。

# 定义函数类型的形参，其中fn是一个函数
    def map(data, fn) :
        result = []
        # 遍历data列表中每个元素，并用fn函数对每个元素进行计算
        # 然后将计算结果作为新数组的元素
        for e in data :
            result.append(fn(e))
        return result
    # 定义一个计算平方的函数
    def square(n) :
        return n * n
    # 定义一个计算立方的函数
    def cube(n) :
        return n * n * n
    # 定义一个计算阶乘的函数
    def factorial(n) :
        result = 1
        for index in range(2, n + 1) :
            result *= index
        return result
    
    data = [3 , 4 , 9 , 5, 8]
    print("原数据: ", data)
    # 下面程序代码3次调用map()函数，每次调用时传入不同的函数
    print("计算数组元素的平方")
    print(map(data , square)) # [9, 16, 81, 25, 64]
    print("计算数组元素的立方")
    print(map(data , cube)) # [27, 64, 729, 125, 512]
    print("计算数组元素的阶乘")
    print(map(data , factorial)) # [6, 24, 362880, 120, 40320]
    # 获取map的类型
    print(type(map)) # <class 'function'>

--------------------

### 使用函数作为返回值 ###

Python还支持使用函数作为其他函数的返回值。

def get_math_func(type) :
        # 定义一个计算平方的局部函数
        def square(n) :
            return n * n
        # 定义一个计算立方的局部函数
        def cube(n) :
            return n * n * n
        # 定义一个计算阶乘的局部函数
        def factorial(n) :
            result = 1
            for index in range(2 , n + 1): 
                result *= index
            return result
        # 返回局部函数
        if type == "square" :
            return square
        if type == "cube" :
            return cube
        else:
            return factorial
    # 调用get_math_func()，程序返回一个嵌套函数
    math_func = get_math_func("cube") # 得到cube函数
    print(math_func(5)) # 输出125
    math_func = get_math_func("square") # 得到square函数
    print(math_func(5)) # 输出25
    math_func = get_math_func("other") # 得到factorial函数
    print(math_func(5)) # 输出120

--------------------

## 函数式编程 ##

函数式编程就是一种**抽象程度很高的编程范式**，纯粹的函数式编程语言编写的函数没有变量，因此，任意一个函数，只要输入是确定的，输出就是确定的，这种纯函数我们称之为没有副作用。而允许使用变量的程序设计语言，由于函数内部的变量状态不确定，同样的输入，可能得到不同的输出，因此，这种函数是有副作用的。

函数式编程的一个特点就是，**允许把函数本身作为参数传入另一个函数，还允许返回一个函数**！我们之前在函数的高级内容中已经讲过。Python对函数式编程提供部分支持。由于Python允许使用变量，因此，**Python不是纯函数式编程语言**。

--------------------

### 高阶函数 ###

高阶函数，就是让**函数的参数能够接收别的函数**。本部分我们主要介绍Python的内置函数。

接下来我们讲解map()和reduce()函数。首先来看map，`map()函数`接收两个参数：一个是函数、一个是可迭代对象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**。

例如，我们有一个函数  f ( x ) = x 2 f(x)=x^2 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：

def f(x):
        return x * x
    r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
    print(list(r)) # [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，Iterator是惰性序列，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。

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 ) = x 2 f(x)=x^2 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，只需要一行代码：

print(list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9])))
    # ['1', '2', '3', '4', '5', '6', '7', '8', '9']

接下来了解一下`reduce()`的用法。reduce把一个函数作用在一个序列  \[ x 1 , x 2 , x 3 , . . . \] \[x1, x2, x3, ...\] \[x1,x2,x3,...\]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算，其效果就是：  
 r e d u c e ( f , \[ x 1 , x 2 , x 3 , x 4 \] ) = f ( f ( f ( x 1 , x 2 ) , x 3 ) , x 4 ) reduce(f, \[x1, x2, x3, x4\]) = f(f(f(x1, x2), x3), x4) reduce(f,\[x1,x2,x3,x4\])=f(f(f(x1,x2),x3),x4)

比方说把序列\[1, 3, 5, 7, 9\]变换成整数13579，就可以用reduce实现：

from functools import reduce
    def change(x, y):
        return x * 10 + y
    
    print(reduce(change, [1,3,5,7,9])) # 13579

str也是一个序列，对上面的例子稍加改动，配合map()，我们就可以写出**把str转换为int**的函数：

from functools import reduce
    def change(x, y):
        return x * 10 + y
    
    def digit(x):
        digits = {
        '0':0, '1':1, '2':2, '3':3, '4':4, \
                  '5':5, '6':6, '7':7, '8':8, '9':9}
        return digits[x]
    
    print(reduce(change, map(digit, '13579'))) # 13579

整理成一个stoi的函数就是：

from functools import reduce
    
    digits = {
        '0': 0, '1': 1, '2': 2, '3': 3, '4': 4, \
              '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
    
    def stoi(s):
        def change(x, y):
            return x * 10 + y
        def digit(x):
            return digits[x]
        return reduce(change, map(digit, s))
    
    num = stoi('13579')
    print(num, end=" ")
    print(type(num)) # 13579 <class 'int'>

还可以使用lambda函数进一步简化成：

def stoi(s):
        def digit(x):
            return digits[x]
        return reduce(lambda x,y:x*10+y, map(digit, s))

--------------------

接下来我们介绍`filter()函数`，它的作用是**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**。

下面程序是在一个过滤掉一个list中所有的偶数：

def odd(x):
        return x % 2 == 1
    
    print(list(filter(odd, [1,2,3,4,5,6,7,8,9])))
    # [1, 3, 5, 7, 9]

下面程序删掉一个序列中的所有空字符串：

def not_empty(s):
        return s and s.strip()
    
    print(list(filter(not_empty, ['A', '', 'B', None, 'C', '  '])))
    # ['A', 'B', 'C']

**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。

接下来我们使用filter实现筛选法求素数：

def _odd_iter():
        n = 1
        while True:
            n += 2
            yield n
    
    def choose(n):
        return lambda x:x % n > 0
    
    def prime():
        yield 2
        it = _odd_iter()
        while True:
            n = next(it)
            yield n
            it = filter(choose(n), it)
    
    for n in prime():
        if n < 100:
            print(n, end=" ")
        else:
            break

上述程序中我们使用到了**生成器**的概念，在Python中，**一边循环一边计算**的机制，称为生成器：generator。

我们之前讲过，要创建一个generator，有很多种方法。最简单的是**把一个列表生成式的\[\]改成()**，就创建了一个generator。我们需要通过`next()函数`获得generator的下一个返回值。

如果一个函数定义中包含`yield关键字`，那么这个函数就不再是一个普通函数，而是一个generator。

最难理解的就是generator和函数的执行流程不一样：函数是顺序执行，遇到return语句或者最后一行函数语句就返回。**而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行**。

--------------------

### Lambda表达式 ###

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 ) = x 2 f(x)=x^2 f(x)=x2时，除了定义一个 f ( x ) f(x) f(x)的函数外，还可以直接传入匿名函数：

print(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
    print(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

--------------------

### 函数装饰器 ###

装饰器(Decorators)是 Python 的一个重要部分。简单地说：**它们是修改其他函数的功能的函数**。

使用@符号引用已有的函数后，可用于修饰其他函数，装饰被修饰的函数。当程序使用“@函数”装饰另一个函数时，实际上完成如下两步：

*  将被修饰的函数作为参数传给@符号引用的函数
 *  将被修饰的函数装饰（替换）成第一步的返回值

被“@函数”修饰的函数不再是原来的函数，而是被替换成一个新的东西。

def funA(fn):
        print('A')
        fn() # 执行传入的fn参数
        return 'blog'
    '''
    下面装饰效果相当于：funA(funB)，
    funB将会替换（装饰）成该语句的返回值；
    由于funA()函数返回blog，因此funB就是blog
    '''
    @funA
    def funB():
        print('B')
    print(funB) # blog

上述程序使用@funA修饰funB，这意味着程序要完成两步操作。

*  将funB作为funA()的参数，也就是执行`funA(funB)`
 *  将funB替换成第一步执行的结果，由于funA()执行完毕后返回blog，因此funB就不再是函数，而是被替换成一个字符串。

被修饰的函数总是被替换成@符号引用的函数的返回值，因此被修饰的函数会变成什么样，完全是由于@符号所引用的函数的返回值所决定的，如果@符号所引用的函数的返回值是函数，那么被修饰的函数在替换之后还是函数。

def foo(fn):
        # 定义一个嵌套函数
        def bar(*args):
            print("===1===", args)
            n = args[0]
            print("===2===", n * (n - 1))
            # 查看传给foo函数的fn函数
            print(fn.__name__)
            fn(n * (n - 1))
            print("*" * 15)
            return fn(n * (n - 1))
        return bar
    '''
    下面装饰效果相当于：foo(my_test)，
    my_test将会替换（装饰）成该语句的返回值；
    由于foo()函数返回bar函数，因此my_test就是bar
    '''
    @foo
    def my_test(a):
        print("==my_test函数==", a)
    # 打印my_test函数，将看到实际上是bar函数
    print(my_test) # <function foo.<locals>.bar at 0x00000000021FABF8>
    # 下面代码看上去是调用my_test()，其实是调用bar()函数
    my_test(10)
    my_test(6, 5)
    
    # 运行结果
    <function foo.<locals>.bar at 0x000001857EA52430>
    ===1=== (10,)
    ===2=== 90
    my_test
    ==my_test函数== 90
    ***************
    ==my_test函数== 90
    ===1=== (6, 5)
    ===2=== 30
    my_test
    ==my_test函数== 30
    ***************
    ==my_test函数== 30

上述程序定义了一个装饰器函数foo，该函数执行完成后并不是返回普通值，而是返回bar函数（这是关键），这意味着**被该@foo修饰的函数最终都会被替换成bar函数**。

通过@符号来修饰函数是Python的一个非常实用的功能，**它既可以在被修饰函数的前面添加一些额外的处理逻辑（比如权限检查），也可以在被修饰函数的后面添加一些额外的处理逻辑（比如记录日志），还可以在目标方法抛出异常时进行一些修复操作**。

上面介绍的这种在被修饰函数之前、之后、抛出异常后增加某种处理逻辑的方式，就是其他编程语言中的AOP。

下面示例了如何通过函数装饰器为函数添加权限检查的功能。

def auth(fn):
        def auth_fn(*args):
            # 用一条语句模拟执行权限检查
            print("----模拟执行权限检查----")
            # 回调要装饰的目标函数
            fn(*args)
        return auth_fn
    @auth
    def test(a, b):
        print("执行test函数,参数a: %s, 参数b: %s" % (a, b))
    # 调用test()函数,其实是调用装饰后返回的auth_fn函数
    test(20, 15)
    
    # 运行结果
    ----模拟执行权限检查----
    执行test函数,参数a: 20, 参数b: 15

上面程序使用@auth修饰了test()函数，这会使得test()函数被替换成auth()函数所返回的auth\_fn函数，而auth\_fn函数的执行流程是：① 先执行权限检查；②回调被修饰的目标函数。简单来说，auth\_fn函数就是为被修饰函数添加了一个权限检查的功能。

--------------------

### 偏函数 partial function ###

Python的 f u n c t o o l s functools functools模块提供了很多有用的功能，其中一个就是**偏函数（Partial function）**。。

偏函数，是一种高级的函数形式。简单来说，**偏函数其实就是没有定义好明确的输入参数的函数**。

**functools.partial(func, \*args,\*\*keywords)：该函数用于为func函数的部分参数指定参数从而得到一个转换后的函数，程序以后调用转换后的函数时，就可以少传入那些已指定的参数。**

在介绍函数参数的时候，我们讲到，通过设定参数的默认值，可以降低函数调用的难度。而偏函数也可以做到这一点。举例如下：

`int()函数`可以把字符串转换为整数，当仅传入字符串时，int()函数默认按十进制转换，如果传入base参数，就可以做N进制的转换：：

print(int('12345')) # 12345
    print(int('12345', base=16)) # 74565

假设要转换大量的二进制字符串，我们可以定义一个int2()的函数，默认把base=2传进去：

def int2(x, base=2):
        return int(x, base)

f u n c t o o l s . p a r t i a l functools.partial functools.partial 就是帮助我们创建一个偏函数的，我们可以直接使用下面的代码创建一个新的函数int2()：

import functools
    int2 = functools.partial(int, base = 2)
    print(int2('1000')) # 8
    print(int2('1011')) # 11

简单总结 f u n c t o o l s . p a r t i a l functools.partial functools.partial的作用就是：**把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，调用这个新函数会更简单**。

注意到上面的新的int2函数，仅仅是把base参数重新设定默认值为2，但也可以在函数调用时传入其他值：

print(int2('1a2b', base = 16)) # 6699

最后，创建偏函数时，实际上可以接收`函数对象`、`*args`和`**kw`这3个参数，当传入：  
`int2 = functools.partial(int, base=2)`，  
实际上固定了int()函数的关键字参数base，也就是：

int2('10010')
    相当于：
    kw = {
         'base': 2 }
    int('10010', **kw)

当传入：`max2 = functools.partial(max, 10)`，实际上会把10作为\*args的一部分自动加到左边，也就是：

max2(5, 6, 7)
    相当于：
    args = (10, 5, 6, 7)
    max(*args) # 10

当函数的参数个数太多，需要简化时，使用functools.partial可以创建一个新的函数，这个新函数可以固定住原函数的部分参数，从而在调用时更简单。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1pZWk1aTV8_size_16_color_FFFFFF_t_70]

[20191218114753350.png]: https://img-blog.csdnimg.cn/20191218114753350.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1pZWk1aTV8_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200508120411778.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1pZWk1aTV8=,size_16,color_FFFFFF,t_70