一 前言

　　初次接觸函數式編程是在學習分布式計算的時候，那時候對map/reduce是不明覺厲，也沒有懂多少原理方面的東西。Python中的函數式編程也算是初步了解一下map/reduce。所謂函數式編程，本質上是可以歸結為面向過程的程序設計，但是它的思想很接近數學計算。它比一般的編程范式要更抽象，而且純粹的函數式編程語言編寫的函數是沒有變量的，只要確定了輸入，那也就確定了輸出。它的另外一個特點就是把函數本身作為參數傳入到另一個函數中，允許返回一個函數。

二 高階函數（High-order Function）

　　在Python中，函數名本質上也是一個變量。我們可以將一個函數名賦值給一個變量，再通過這個變量來調用函數。在使用python面向過程的程序設計中，一個帶有變量的函數是很普遍的設計，但是如果這個變量是一個函數，那么這個帶有變量的函數我們就稱之為高階函數了。

　　一個簡單的高階函數示例：

def fun(n):    return n+1def highorder(x, y, f):    return f(x)+f(y)

 上面定義的highorder就是一個高階函數，它是可以在參數中接收其他函數的函數。

三 Map/Reduce

　　有了上面的高階函數基礎，現在再來理解Map/Reduce就很容易了。Map函數接收兩個參數，一個是函數，另一個是Iterable。Map將函數依次作用在Iterable的每一個元素上，并把結果作為新的Iterator返回。

　　看下面的示例：

def fun(n):    return n*2m=map(fun, [1,2,3,4,5])PRint(m)E:/Study/python>python hello_python.py[2, 4, 6, 8, 10]

 　　map把函數fun依次作用在列表的每一個元素上，就得到了[2,4,6,8,10]。

　　如果嫌定義一個fun函數比較麻煩，可以使用lambda來進行簡化，如下：

m=map(lambda n:n*2, [1,2,3,4,5])

 　　再看Reduce的用法。Reduce同Map一樣，也是將一個函數依次作用在一個序列上，但是要求這個函數必須接收兩個函數。Reduce再把函數作用在前兩個參數的結果與下一個序列的元素上。

　　下面就用Reduce來實現一個序列求和運算，見下例：

def add(x,y):    return x+yr=reduce(add, [1,2,3,4,5])print(r)E:/Study/python>python hello_python.py15

 　　它的lambda版本為：

r=reduce(lambda x,y:x+y, [1,2,3,4,5])

四 返回函數

　　在前面就已經表述過函數是可以被賦值給一個變量的，那么既然函數可以返回一個變量，當然也是可以返回一個函數的。別看返回變量和返回函數本質上區別不大，但是這種返回函數的機制卻在應用中有著極大的作用。

　　來看下面的示例：

def wrapper(*param):    def calc():        sum=0        for x in param:            sum=sum+x        return sum                return calc;f=wrapper(1,2,3,4,5)print(f())E:/Study/python>python hello_python.py15

 　　定義一個包裹函數wrapper，接收不定數量個參數。在調用此函數后，其會返回一個內部定義的函數，這個函數要在真正調用它時才會執行。另外還要注意的是，calc函數中訪問的數據是由wrapper帶進來的，并且這些參數會與calc被保存在一起，我們稱之為“閉包”（closure）。

五 閉包（Closure）

　　初次接觸閉包，對其并不是十分的理解。仍以四中的代碼作為示例。

　　wrapper是一個函數，包括不定個數的參數param。比較特殊的地方是這個函數體中還定義了一個新的函數calc，這個新函數的函數體內正引用了一個外部函數wrapper的參數，也就是說，外部函數傳遞過來的參數已經和calc函數綁定到了一起，形成了一個新函數。我們可以把param看成是這個新函數的一個配置信息。配置信息如果不一樣，那函數的輸出當然也就不一樣了。

　　為了更好的理解閉包，看以下代碼示例：

def wrapper(conf):    def calc(n):        return conf+n    return calcf1=wrapper(1)f2=wrapper(2)print(f1(100))print(f2(100))E:/Study/python>python hello_python.py101102

 　　分析上述代碼，調用wrapper(1)時會返回一個函數，并且這個函數的配置信息是conf的值為1。再調用wrapper(2)時會返回另外一個函數，并且這個函數的配置信息是conf的值為2。所以在隨后的我們都傳入100參數來調用f1和f2時得到的結果為101和102,其根本原因就在于兩個函數的配置信息不一樣。

　　值得我們注意的是，并不是外部函數的所有信息都會被內部函數做為配置信息，只有外部函數的參數才會被內部函數作為配置信息。至于外部函數的局部變量，就不會被做為配置信息了。

六 裝飾器（Decorator）

　　發明Decorator的初衷是為了解決在不修改原有函數代碼的情況下，在函數調用前后增加其他功能，比如打印日志等。Decorator本質上就是一個返回函數的高階函數，看下面這個打印日志的decorator,代碼如下：

def decorator(func):    def wrapper():        print("Before invoked:")        func()        print("After invoked:")    return wrapper        def func():    print("Func invoked:")  f=decorator(func)f()E:/Study/python>python hello_python.pyBefore invoked:Func invoked:After invoked:

 　　上述代碼給func定義了一個裝飾器，在調用這個裝飾器時返回一個函數，在這個函數中加上需要的代碼后再調用func。但這里有一個問題，那就是原來可以直接調用func，現如今卻要調用f了。要解決這個問題很容易，因為在python中函數是可以賦值給一個變量的，只需要將f改成func就可以了。如下所示：

func=decorator(func)func()

 　　python中為實現這個機制提供了一個語法：@。在func前加上@decorator即可，相當于執行了func=decorator(func)，這樣就解決了使用相同的名字來調用增加功能后的代碼。如下所示：

def decorator(func):    def wrapper():        print("Before invoked:")        func()        print("After invoked:")    return wrapper        @decoratordef func():    print("Func invoked:")  func()

 　　另外還有如何給decorator增加參數以及如何修改wrapper的__name__屬性為func的內容，這里就不講述了。

七 偏函數（Partial Function）

　　何謂偏函數？偏函數就是給函數增加默認參數后的函數。在python中，可以使用functools.partial來生成一個函數的偏函數。拿python中的int()做示例，int()函數默認是按十進制轉換，如果想生成一個按8進制轉換的偏函數，可以如下實現：

print(int('12345'))int8=functools.partial(int, base=8)print(int8('12345'))

八 總結

　　在這篇文章中，主要講述了函數式編程中的幾個基本概念。個人感覺最難理解的就是Decorator了，特別是其中的所謂配置信息。如有錯誤之處，敬請留言！！！