PYTHON学习之—匿名函数，返回函数，偏函数
- 返回函数：
所谓的返回函数，指的是函数作为返回值。高阶函数除了可以接受函数作为参数外，同样可以接受函数作为结果返回。以下是一个可变参数的求和例子，一般求和函数是如此这般定义的：
复制代码
1 >>> def sum(*args):
2 … ax = 0
3 … for x in args:
4 … ax += x
5 … return ax
6 …
复制代码
以上函数一旦定义，在调用这个函数的时候，只要传入参数就会立刻执行。但是，如果条件需要不要立刻求和，而是在后面的代码中，根据需要再计算该怎么办？可以不返回求和的结果，而是返回求和的函数！
复制代码
1 >>> def lazy_sum(*args):
2 … def sum():
3 … ax = 0
4 … for n in args:
5 … ax = ax + n
6 … return ax
7 … return sum
8 …
9 >>>
10 >>> lazy_sum(12)
11 <function sum at 0x7f810add16e0>
12 >>> lazy_sum((1,2,3,4,5,6))
13 <function sum at 0x7f810add17d0>
14 >>>
15 KeyboardInterrupt
16 >>># 以上是调用lazy_sum()函数的结果返回的不是求和的结果，而是求和函数
复制代码
但是该如何才能够返回结果呢？演示如下：
复制代码
1 >>> result = lazy_sum(12,13,14,15,16,17,18,19)
2 >>> result
3 <function sum at 0x7f810add17d0>
4 >>> #其实result现在是一个返回函数，要再调用该函数才可以返回结果
5 …
6 >>> result()
7 124
复制代码
在这个例子中，我们在函数lazy_sum中又定义了函数sum，并且，内部函数sum可以引用外部函数lazy_sum的参数和局部变量，当lazy_sum返回函数sum时，相关参数和变量都保存在返回的函数中，这种称为“闭包（Closure）”的程序结构拥有极大的威力。
请再注意一点，当我们调用lazy_sum()时，每次调用都会返回一个新的函数，即使传入相同的参数：
复制代码
1 >>> result1 = lazy_sum(1,2,3,4,5,6,7,8,9,10)
2 >>> result2 = lazy_sum(1,2,3,4,5,6,7,8,9,10)
3 >>> result1
4 <function sum at 0x7f810add16e0>
5 >>> result2
6 <function sum at 0x7f810add1848>
7 >>> result1 == result2
8 False
9 >>>
复制代码
如上代码显示：0x7f810add16e0是不等于0x7f810add1848的，因此比较结果为FALSE。但是，什么是“闭包”呢？记得在离散数学里面学习过闭包的知识，关系闭包…。
- 闭包：
注意到返回函数在其定义内部引用了局部变量args，所以，当一个函数返回了一个函数后，其内部的局部变量还被新函数引用，所以，闭包用起来简单，实现起来可不容易。另一个需要注意的问题是，返回的函数并没有立刻执行，而是直到调用了result()才执行。我们来看一个例子：
复制代码
1 >>> def get_count():
2 … fs = []
3 … for i in range(1,10):
4 … def f ():
5 … return i*i
6 … fs.append(f)
7 … return fs
8 … f1,f2,f3 = get_count()
复制代码
在上面的例子中，每次循环，都创建了一个新的函数，然后，把创建的3个函数都返回了。
你可能认为调用f1()，f2()和f3()结果应该是1，4，9，但实际结果是：
复制代码
1 >>> f1()
2 9
3 >>> f2()
4 9
5 >>> f3()
6 9
复制代码
全部都是9！原因就在于返回的函数引用了变量i，但它并非立刻执行。等到3个函数都返回时，它们所引用的变量i已经变成了3，因此最终结果为9。
返回闭包时牢记的一点就是：返回函数不要引用任何循环变量，或者后续会发生变化的变量。
如果一定要引用循环变量怎么办？方法是再创建一个函数，用该函数的参数绑定循环变量当前的值，无论该循环变量后续如何更改，已绑定到函数参数的值不变：
复制代码
1 >>> def count():
2 … fs = []
3 … for i in range(1,4):
4 … def f(j):
5 … def g():
6 … return j*j
7 … return g
8 … fs.append(f(i))
9 … return fs
10 …
11 >>> f1,f2,f3 = count()
12 >>> f1
13 <function g at 0x7f810add19b0>
14 >>> f1()
15 1
16 >>> f2()
17 4
18 >>> f3()
19 9
20 >>>
复制代码
缺点是代码较长，可利用lambda函数缩短代码。
- 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：
复制代码
1 >>> map(lambda x : x * x,[1,2,3,4,5,6,7,8,9,])
2 [1, 4, 9, 16, 25, 36, 49, 64, 81]
3 >>> map(lambda x : x * x,range(10))
4 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
5 >>>
复制代码
通过对比不难看出,匿名函数lambda x : x * x实际上就是一个求平方的函数：
复制代码
1 >>> def f(x):
2 … return x*x
3 …
4 >>> f(4)
5 16
6 >>> f(40)
7 1600
8 >>>
复制代码
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：
复制代码
1 >>> hanshu = lambda x : xxx
2 >>> hanshu
3 <function at 0x7f810add1b90>
4 >>> hanshu(45)
5 91125
6 >>> hanshu(450)
7 91125000
8 >>>
复制代码
同样，也可以把匿名函数作为返回值返回，比如：
复制代码
1 >>> def build(x,y):
2 … return lambda: xx + yy
3 …
4 >>> build(5,6)
5 <function at 0x7f810add1c80>
6 >>>
复制代码
- 偏函数
Python的functools模块提供了很多有用的功能，其中一个就是偏函数（Partial function）。要注意，这里的偏函数和数学意义上的偏函数不一样。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：
复制代码
1 >>>
2 >>> int(‘123’)
3 123
4 >>> int(‘123454567’)
5 123454567
6 >>>
复制代码
但int()函数还提供额外的base参数，默认值为10。如果传入base参数，就可以做N进制的转换：
复制代码
1 >>> int(‘123’,base = 8)
2 83
3 >>> int(‘123’,base = 10)
4 123
5 >>> int(‘123’,base = 16)
6 291
7 >>> int(‘123123’,base = 16)
8 1192227
9 >>>
复制代码
假设要转换大量的二进制字符串，每次都传入int(x, base=2)非常麻烦，于是，我们想到，可以定义一个int2()的函数，默认把base=2传进去：
复制代码
1 >>> def int2(x ,base = 2):
2 … return int(x,base)
3 …
4 >>> int2(100)
5 Traceback (most recent call last):
6 File “”, line 1, in
7 File “”, line 2, in int2
8 TypeError: int() can’t convert non-string with explicit base
9 >>> int2(‘100’)
10 4
11 >>>
复制代码
注意：在传入参数的时候，要以字符串的形式传入，否则会报出“TypeError”的类型错误。要使用偏函数的时候还得自己定义，是不是感觉很麻烦？因此，python提供了functools.partial就是帮助我们创建一个偏函数的，不需要我们自己定义int2()，可以直接使用下面的代码创建一个新的函数int2：
复制代码
1 >>> import functools
2 >>> int2 = functools.partial(int,base = 2)
3 >>> int3 = functools.partial(int,base = 16)
4 >>> int2(‘100’)
5 4
6 >>> int3(‘100’)
7 256
8 >>>
复制代码
所以，简单总结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：
复制代码
1 >>> int3(‘100’,base = 10)
2 100
3 >>> int2(‘100’,base = 10)
4 100
5 >>>
复制代码
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：
1 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：
1 int2(‘10010’)
相当于：
1 kw = { base: 2 } 2 int(‘10010’, **kw)
当传入：
1 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：
1 max2(5, 6, 7)
相当于：
1 args = (10, 5, 6, 7)
2 max(*args)
结果 = 10