简析Python函数式编程字符串和元组及函数分类与高阶函数简析Python函数式编程字符串和

函数式编程中的字符串
不变类型元组

普通元组的声明与访问

函数式的分类

any() 、all() 、len()、sum() 对比学习
zip()、reversed()、enumerate()

高阶函数

函数 max 和 min()
map 函数
filter 函数
sorted 函数
同一需求的不同效率问题

函数式编程中的字符串在函数式编程中，经常用到 Python 字符串，因其是不可变数据结构。
字符串本身是一个对象，具备很多对象方法，与常识中函数的使用不太相同，例如下述代码

my_str = "xiangpica"print(my_str.upper())print(len(my_str.upper()))

其中 len() 函数的用法被称为前置写法，而 my_str.upper() 被称为后置写法，这样很容易造成函数式编程的理解问题，所以需要系统性的解决该问题。
如果上述代码可以修改为 len(upper(my_str))，就变得相对容易理解。

# 类型 Text 是 str 的别名from typing import Textmy_str = "xiangpica"def upper(str: Text) -> Text:return str.upper()print(upper(my_str))print(len(upper(my_str)))

上述代码重新定义了一个前置用法的函数 upper，用于解决函数式编程中的一致性问题，该解决办法在后续代码中会经常出现。

不变类型元组除字符串外，Python 中的另一个不可变数据类型为元组，元组分为普通元组与命名元组。

普通元组的声明与访问
在之前的文章中对元组的基本知识，已经进行了说明，可以去稍微复习一下，然后在进入本文的学习。
先看一下代码，然后再判断是否可以理解。

from typing import Tuple, Text, CallableLANGUAGE = Tuple[Text, Text, Text]python: Callable[[LANGUAGE], Text] = lambda languages: languages[1]items = ("c","python","js")a = python(items)print(a)

上述代码定义了一个新的类型 LANGUAGE，该类型是一个元组，具备三个元素。
python 类型注解是 Callable[[LANGUAGE], Text]，即它的参数是 LANGUAGE 类型，返回值是字符串类型。
注意 typing 模块加入不会影响程序的运行不会报正式的错误，仅作为类型检查，防止运行时出现参数、返回值类型不符，开发人员查阅。
除上述内容外，还可以使用命名元组来实现。

from collections importnamedtupleLanguage = namedtuple("Language",("name1", "name2", "name3"))l = Language("c", "python", "js")print(l)print(l.name1)

或者直接使用 typing 模块的 NamedTuple 也可以。

from typing import NamedTuple, Textclass Language(NamedTuple):name: Textdescription: Textl = Language("C", "C语言")print(l)print(l.name)print(l.description)

函数式的分类函数大类分为两种：

标量函数：函数的返回结果为一个值；
集合函数：函数的结果为可迭代的集合。

集合函数也可以细分：

规约/累积函数：将集合内的元素进行累积计算，最后得到一个值；
映射函数：将标量函数应用于几个的每个元素，最后得到一个与原集合相同长度的新集合；
过滤函数：将标量函数应用于每个元素，保留一部分，得到一个子集。

有了上述概念之后，对于函数式编程的理解可以更进一步。

any() 、all() 、len()、sum() 对比学习
any 与 all 两个函数属于规约函数，进行的操作叫做布尔规约，即将一个集合的元素归约为 True 或者 False，all 需要所有值都是 True，any 只要有一个值是 True 即可。
len 与 sum 也是归约函数，它们分别表示计算集合中所有值的个数和汇总值。

zip()、reversed()、enumerate()
zip 函数可以把多个可迭代对象或者序列，之间的数据进行交叉组合，即将 n 个元素的可迭代对象转换为 n 元组，然后返回一个生成器。
如果 zip 函数没有输入参数，那将返回一个空列表 []。

a = zip()print(list(a))

reversed 函数用于改变序列顺序，即反转序列。
enumerate 函数获取序列或者可迭代对象的下标值，转换成概念描述就是将可迭代对象映射为二元组序列（带上序号了），每个二元组序列中，第一个元素是下标值，第二个元素是值本身。

高阶函数学习 Python 函数式编程，绕不开高阶函数的学习，高阶函数就是以函数为参数，或者以返回值为函数的函数。

函数 max 和 min()
上述两个函数是规约函数，即输入的是集合，输出的是单个值，主要用途就是寻找极值。
一般在学习的时候，可以把二者当成普通的函数，也可用于高阶函数，主要为参数位置的差异。
最简单的用法为：

max_num = max(1, 2, 3, 4)min_num = min(1, 2, 3, 4)print(max_num)print(min_num)

接下来就是其高阶函数模式的实现，自定义比较规则。

# 第一种写法，比较字符串长度max_num = max("a", "abc", "ceda", "aaaaa", key=lambda x: len(x))min_num = min("a", "abc", "ceda", "aaaaa", key=lambda x: len(x))print(max_num)print(min_num)# 第二种写法，比较字符串长度max_num = max(["a", "abc", "ceda", "aaaaa"], key=lambda x: len(x))min_num = min(["a", "abc", "ceda", "aaaaa"], key=lambda x: len(x))print(max_num)print(min_num)

上述代码的 key 为可选参数，默认值为 None。

map 函数
【简析Python函数式编程字符串和元组及函数分类与高阶函数】map 函数用于将一个集合映射到另一个集合，例如可以将一个由字符串组成的列表中的每一项，都转换为整数。

data = https://www.it610.com/article/["1", "2", "3"]print(map(int, data))print(list(map(int, data)))

代码 map(int, data) 的含义就是将 int 函数作用于 data 中的每一项。
map 函数的第一个参数也可以用 lambda 代替。

data = https://www.it610.com/article/["1", "2", "3"]print(map(lambda x: int(x), data))print(list(map(int, data)))

filter 函数
filter 函数主要用于将一个**判定函数（谓语函数）**用于集合的每一个元素，最后得到满足判定函数的结果集，测试代码如下：

data = https://www.it610.com/article/[1, 3, 5, 7, 9]print(filter(lambda x: x> 3, data))print(list(filter(lambda x: x > 3, data)))

sorted 函数
sorted 函数也支持高阶函数 key 参数定制规则。

result = sorted(["afghsss", "abc", "ceda", "aaaaa"], key=lambda x: len(x))print(result)

同一需求的不同效率问题
通过 map 函数，生成器表达式，存在迭代器的生成器函数分别多一亿数据量的列表进行测试。

import timedef demo(x):return x * 2def demo1(f, l):for x in l:yield f(x)my_list = list(range(1, 10000000))start = time.perf_counter()# map(lambda x: x * 2, my_list) # 程序运行耗时 3.904999999998493e-06# (demo(x) for x in my_list) # 程序运行耗时 6.310000000009364e-06demo1(demo, my_list) # 程序运行耗时 5.1070000000041915e-06cost_time = time.perf_counter() - startprint("程序运行耗时", cost_time)

得到的结果是 map 最快，所以用就完事了。
以上就是简析Python函数式编程字符串和元组及函数分类与高阶函数的详细内容，更多关于Python字符串和元组及函数分类与高阶函数的资料请关注脚本之家其它相关文章！