直接上正文

函數(shù)是Python內(nèi)建支持的一種封裝，我們通過把大段代碼拆成函數(shù)，通過一層一層的函數(shù)調(diào)用，就可以把復(fù)雜任務(wù)分解成簡單的任務(wù)，這種分解可以稱之為面向過程的程序設(shè)計。函數(shù)就是面向過程的程序設(shè)計的基本單元。

而函數(shù)式編程（請注意多了一個“式”字）——Functional Programming，雖然也可以歸結(jié)到面向過程的程序設(shè)計，但其思想更接近數(shù)學(xué)計算。

我們首先要搞明白計算機（Computer）和計算（Compute）的概念。

在計算機的層次上，CPU執(zhí)行的是加減乘除的指令代碼，以及各種條件判斷和跳轉(zhuǎn)指令，所以，匯編語言是最貼近計算機的語言。

而計算則指數(shù)學(xué)意義上的計算，越是抽象的計算，離計算機硬件越遠。

對應(yīng)到編程語言，就是越低級的語言，越貼近計算機，抽象程度低，執(zhí)行效率高，比如C語言；越高級的語言，越貼近計算，抽象程度高，執(zhí)行效率低，比如Lisp語言。

函數(shù)式編程就是一種抽象程度很高的編程范式，純粹的函數(shù)式編程語言編寫的函數(shù)沒有變量，因此，任意一個函數(shù)，只要輸入是確定的，輸出就是確定的，這種純函數(shù)我們稱之為沒有副作用。而允許使用變量的程序設(shè)計語言，由于函數(shù)內(nèi)部的變量狀態(tài)不確定，同樣的輸入，可能得到不同的輸出，因此，這種函數(shù)是有副作用的。

函數(shù)式編程的一個特點就是，允許把函數(shù)本身作為參數(shù)傳入另一個函數(shù)，還允許返回一個函數(shù)！

Python對函數(shù)式編程提供部分支持。由于Python允許使用變量，因此，Python不是純函數(shù)式編程語言。

高階函數(shù)

高階函數(shù)英文叫Higher-order function。什么是高階函數(shù)？我們以實際代碼為例子，一步一步深入概念。

變量可以指向函數(shù)

以Python內(nèi)置的求絕對值的函數(shù)abs()為例，調(diào)用該函數(shù)用以下代碼：

>>> abs(-10)
10

但是，如果只寫abs呢？

>>> abs
<built-in function abs>

可見，abs(-10)是函數(shù)調(diào)用，而abs是函數(shù)本身。

要獲得函數(shù)調(diào)用結(jié)果，我們可以把結(jié)果賦值給變量：

>>> x = abs(-10)
>>> x
10

但是，如果把函數(shù)本身賦值給變量呢？

>>> f = abs
>>> f
<built-in function abs>

結(jié)論：函數(shù)本身也可以賦值給變量，即：變量可以指向函數(shù)。

如果一個變量指向了一個函數(shù)，那么，可否通過該變量來調(diào)用這個函數(shù)？用代碼驗證一下：

>>> f = abs
>>> f(-10)
10

成功！說明變量f現(xiàn)在已經(jīng)指向了abs函數(shù)本身。直接調(diào)用abs()函數(shù)和調(diào)用變量f()完全相同。

函數(shù)名也是變量

那么函數(shù)名是什么呢？函數(shù)名其實就是指向函數(shù)的變量！對于abs()這個函數(shù)，完全可以把函數(shù)名abs看成變量，它指向一個可以計算絕對值的函數(shù)！

如果把abs指向其他對象，會有什么情況發(fā)生？

>>> abs = 10
>>> abs(-10)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'int' object is not callable

把abs指向10后，就無法通過abs(-10)調(diào)用該函數(shù)了！因為abs這個變量已經(jīng)不指向求絕對值函數(shù)而是指向一個整數(shù)10！

當(dāng)然實際代碼絕對不能這么寫，這里是為了說明函數(shù)名也是變量。要恢復(fù)abs函數(shù)，請重啟Python交互環(huán)境。

注：由于abs函數(shù)實際上是定義在import builtins模塊中的，所以要讓修改abs變量的指向在其它模塊也生效，要用import builtins; builtins.abs = 10。

傳入函數(shù)

既然變量可以指向函數(shù)，函數(shù)的參數(shù)能接收變量，那么一個函數(shù)就可以接收另一個函數(shù)作為參數(shù)，這種函數(shù)就稱之為高階函數(shù)。

一個最簡單的高階函數(shù)：

def add(x, y, f):
    return f(x) + f(y)

當(dāng)我們調(diào)用add(-5, 6, abs)時，參數(shù)x，y和f分別接收-5，6和abs，根據(jù)函數(shù)定義，我們可以推導(dǎo)計算過程為：

x = -5
y = 6
f = abs
f(x) + f(y) ==> abs(-5) + abs(6) ==> 11
return 11

編寫高階函數(shù)，就是讓函數(shù)的參數(shù)能夠接收別的函數(shù)。

map/reduce

Python內(nèi)建了map()和reduce()函數(shù)。

如果你讀過Google的那篇大名鼎鼎的論文“MapReduce: Simplified Data Processing on Large Clusters”，你就能大概明白map/reduce的概念。

我們先看map。map()函數(shù)接收兩個參數(shù)，一個是函數(shù)，一個是Iterable，map將傳入的函數(shù)依次作用到序列的每個元素，并把結(jié)果作為新的Iterator返回。

舉例說明，比如我們有一個函數(shù)f(x)=x²，要把這個函數(shù)作用在一個list [1, 2, 3, 4, 5, 6, 7, 8, 9]上，就可以用map()實現(xiàn)如下：

            f(x) = x * x

                  │
                  │
  ┌───┬───┬───┬───┼───┬───┬───┬───┐
  │   │   │   │   │   │   │   │   │
  ▼   ▼   ▼   ▼   ▼   ▼   ▼   ▼   ▼

[ 1   2   3   4   5   6   7   8   9 ]

  │   │   │   │   │   │   │   │   │
  │   │   │   │   │   │   │   │   │
  ▼   ▼   ▼   ▼   ▼   ▼   ▼   ▼   ▼

[ 1   4   9  16  25  36  49  64  81 ]

現(xiàn)在，我們用Python代碼實現(xiàn)：

>>> def f(x):
...     return x * x
...
>>> r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> list(r)
[1, 4, 9, 16, 25, 36, 49, 64, 81]

map()傳入的第一個參數(shù)是f，即函數(shù)對象本身。由于結(jié)果r是一個Iterator，Iterator是惰性序列，因此通過list()函數(shù)讓它把整個序列都計算出來并返回一個list。

你可能會想，不需要map()函數(shù)，寫一個循環(huán)，也可以計算出結(jié)果：

L = []
for n in [1, 2, 3, 4, 5, 6, 7, 8, 9]:
    L.append(f(n))
print(L)

的確可以，但是，從上面的循環(huán)代碼，能一眼看明白“把f(x)作用在list的每一個元素并把結(jié)果生成一個新的list”嗎？

所以，map()作為高階函數(shù)，事實上它把運算規(guī)則抽象了，因此，我們不但可以計算簡單的f(x)=x²，還可以計算任意復(fù)雜的函數(shù)，比如，把這個list所有數(shù)字轉(zhuǎn)為字符串：

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

只需要一行代碼。

再看reduce的用法。reduce把一個函數(shù)作用在一個序列[x1, x2, x3, ...]上，這個函數(shù)必須接收兩個參數(shù)，reduce把結(jié)果繼續(xù)和序列的下一個元素做累積計算，其效果就是：

reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

比方說對一個序列求和，就可以用reduce實現(xiàn)：

>>> from functools import reduce
>>> def add(x, y):
...     return x + y
...
>>> reduce(add, [1, 3, 5, 7, 9])
25

當(dāng)然求和運算可以直接用Python內(nèi)建函數(shù)sum()，沒必要動用reduce。

但是如果要把序列[1, 3, 5, 7, 9]變換成整數(shù)13579，reduce就可以派上用場：

>>> from functools import reduce
>>> def fn(x, y):
...     return x * 10 + y
...
>>> reduce(fn, [1, 3, 5, 7, 9])
13579

這個例子本身沒多大用處，但是，如果考慮到字符串str也是一個序列，對上面的例子稍加改動，配合map()，我們就可以寫出把str轉(zhuǎn)換為int的函數(shù)：

>>> from functools import reduce
>>> def fn(x, y):
...     return x * 10 + y
...
>>> def char2num(s):
...     digits = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
...     return digits[s]
...
>>> reduce(fn, map(char2num, '13579'))
13579

整理成一個str2int的函數(shù)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 str2int(s):
    def fn(x, y):
        return x * 10 + y
    def char2num(s):
        return DIGITS[s]
    return reduce(fn, map(char2num, s))

還可以用lambda函數(shù)進一步簡化成：

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 char2num(s):
    return DIGITS[s]

def str2int(s):
    return reduce(lambda x, y: x * 10 + y, map(char2num, s))

也就是說，假設(shè)Python沒有提供int()函數(shù)，你完全可以自己寫一個把字符串轉(zhuǎn)化為整數(shù)的函數(shù)，而且只需要幾行代碼！

lambda函數(shù)的用法在后面介紹。

filter

Python內(nèi)建的filter()函數(shù)用于過濾序列。

和map()類似，filter()也接收一個函數(shù)和一個序列。和map()不同的是，filter()把傳入的函數(shù)依次作用于每個元素，然后根據(jù)返回值是True還是False決定保留還是丟棄該元素。

例如，在一個list中，刪掉偶數(shù)，只保留奇數(shù)，可以這么寫：

def is_odd(n):
    return n % 2 == 1

list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
# 結(jié)果: [1, 5, 9, 15]

把一個序列中的空字符串刪掉，可以這么寫：

def not_empty(s):
    return s and s.strip()

list(filter(not_empty, ['A', '', 'B', None, 'C', '  ']))
# 結(jié)果: ['A', 'B', 'C']

可見用filter()這個高階函數(shù)，關(guān)鍵在于正確實現(xiàn)一個“篩選”函數(shù)。

注意到filter()函數(shù)返回的是一個Iterator，也就是一個惰性序列，所以要強迫filter()完成計算結(jié)果，需要用list()函數(shù)獲得所有結(jié)果并返回list。

用filter求素數(shù)

計算素數(shù)的一個方法是埃氏篩法，它的算法理解起來非常簡單：

首先，列出從2開始的所有自然數(shù)，構(gòu)造一個序列：

2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, ...

取序列的第一個數(shù)2，它一定是素數(shù)，然后用2把序列的2的倍數(shù)篩掉：

3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, ...

取新序列的第一個數(shù)3，它一定是素數(shù)，然后用3把序列的3的倍數(shù)篩掉：

5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, ...

取新序列的第一個數(shù)5，然后用5把序列的5的倍數(shù)篩掉：

7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, ...

不斷篩下去，就可以得到所有的素數(shù)。

用Python來實現(xiàn)這個算法，可以先構(gòu)造一個從3開始的奇數(shù)序列：

def _odd_iter():
    n = 1
    while True:
        n = n + 2
        yield n

注意這是一個生成器，并且是一個無限序列。

然后定義一個篩選函數(shù)：

def _not_divisible(n):
    return lambda x: x % n > 0

最后，定義一個生成器，不斷返回下一個素數(shù)：

···
def primes():
yield 2
it = _odd_iter() # 初始序列
while True:
n = next(it) # 返回序列的第一個數(shù)
yield n
it = filter(_not_divisible(n), it) # 構(gòu)造新序列
···

這個生成器先返回第一個素數(shù)2，然后，利用filter()不斷產(chǎn)生篩選后的新的序列。

由于primes()也是一個無限序列，所以調(diào)用時需要設(shè)置一個退出循環(huán)的條件：

# 打印1000以內(nèi)的素數(shù):
for n in primes():
    if n < 1000:
        print(n)
    else:
        break

注意到Iterator是惰性計算的序列，所以我們可以用Python表示“全體自然數(shù)”，“全體素數(shù)”這樣的序列，而代碼非常簡潔。

filter()的作用是從一個序列中篩出符合條件的元素。由于filter()使用了惰性計算，所以只有在取filter()結(jié)果的時候，才會真正篩選并每次返回下一個篩出的元素。

sorted

排序算法

排序也是在程序中經(jīng)常用到的算法。無論使用冒泡排序還是快速排序，排序的核心是比較兩個元素的大小。如果是數(shù)字，我們可以直接比較，但如果是字符串或者兩個dict呢？直接比較數(shù)學(xué)上的大小是沒有意義的，因此，比較的過程必須通過函數(shù)抽象出來。

Python內(nèi)置的sorted()函數(shù)就可以對list進行排序：

>>> sorted([36, 5, -12, 9, -21])
[-21, -12, 5, 9, 36]

此外，sorted()函數(shù)也是一個高階函數(shù)，它還可以接收一個key函數(shù)來實現(xiàn)自定義的排序，例如按絕對值大小排序：

>>> sorted([36, 5, -12, 9, -21], key=abs)
[5, 9, -12, -21, 36]

key指定的函數(shù)將作用于list的每一個元素上，并根據(jù)key函數(shù)返回的結(jié)果進行排序。對比原始的list和經(jīng)過key=abs處理過的list：

list = [36, 5, -12, 9, -21]

keys = [36, 5,  12, 9,  21]

然后sorted()函數(shù)按照keys進行排序，并按照對應(yīng)關(guān)系返回list相應(yīng)的元素：

keys排序結(jié)果 => [5, 9,  12,  21, 36]
                |  |    |    |   |
最終結(jié)果     => [5, 9, -12, -21, 36]

我們再看一個字符串排序的例子：

>>> sorted(['bob', 'about', 'Zoo', 'Credit'])
['Credit', 'Zoo', 'about', 'bob']

默認(rèn)情況下，對字符串排序，是按照ASCII的大小比較的，由于'Z' < 'a'，結(jié)果，大寫字母Z會排在小寫字母a的前面。

現(xiàn)在，我們提出排序應(yīng)該忽略大小寫，按照字母序排序。要實現(xiàn)這個算法，不必對現(xiàn)有代碼大加改動，只要我們能用一個key函數(shù)把字符串映射為忽略大小寫排序即可。忽略大小寫來比較兩個字符串，實際上就是先把字符串都變成大寫（或者都變成小寫），再比較。

這樣，我們給sorted傳入key函數(shù)，即可實現(xiàn)忽略大小寫的排序：

>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower)
['about', 'bob', 'Credit', 'Zoo']

要進行反向排序，不必改動key函數(shù)，可以傳入第三個參數(shù)reverse=True：

>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)
['Zoo', 'Credit', 'bob', 'about']

從上述例子可以看出，高階函數(shù)的抽象能力是非常強大的，而且，核心代碼可以保持得非常簡潔。

sorted()也是一個高階函數(shù)。用sorted()排序的關(guān)鍵在于實現(xiàn)一個映射函數(shù)。

返回函數(shù)

函數(shù)作為返回值

高階函數(shù)除了可以接受函數(shù)作為參數(shù)外，還可以把函數(shù)作為結(jié)果值返回。

我們來實現(xiàn)一個可變參數(shù)的求和。通常情況下，求和的函數(shù)是這樣定義的：

def calc_sum(*args):
    ax = 0
    for n in args:
        ax = ax + n
    return ax

但是，如果不需要立刻求和，而是在后面的代碼中，根據(jù)需要再計算怎么辦？可以不返回求和的結(jié)果，而是返回求和的函數(shù)：

def lazy_sum(*args):
    def sum():
        ax = 0
        for n in args:
            ax = ax + n
        return ax
    return sum

當(dāng)我們調(diào)用lazy_sum()時，返回的并不是求和結(jié)果，而是求和函數(shù)：

>>> f = lazy_sum(1, 3, 5, 7, 9)
>>> f
<function lazy_sum.<locals>.sum at 0x101c6ed90>

調(diào)用函數(shù)f時，才真正計算求和的結(jié)果：

>>> f()
25

在這個例子中，我們在函數(shù)lazy_sum中又定義了函數(shù)sum，并且，內(nèi)部函數(shù)sum可以引用外部函數(shù)lazy_sum的參數(shù)和局部變量，當(dāng)lazy_sum返回函數(shù)sum時，相關(guān)參數(shù)和變量都保存在返回的函數(shù)中，這種稱為“閉包（Closure）”的程序結(jié)構(gòu)擁有極大的威力。

請再注意一點，當(dāng)我們調(diào)用lazy_sum()時，每次調(diào)用都會返回一個新的函數(shù)，即使傳入相同的參數(shù)：

>>> f1 = lazy_sum(1, 3, 5, 7, 9)
>>> f2 = lazy_sum(1, 3, 5, 7, 9)
>>> f1==f2
False

f1()和f2()的調(diào)用結(jié)果互不影響。

閉包

注意到返回的函數(shù)在其定義內(nèi)部引用了局部變量args，所以，當(dāng)一個函數(shù)返回了一個函數(shù)后，其內(nèi)部的局部變量還被新函數(shù)引用，所以，閉包用起來簡單，實現(xiàn)起來可不容易。

另一個需要注意的問題是，返回的函數(shù)并沒有立刻執(zhí)行，而是直到調(diào)用了f()才執(zhí)行。我們來看一個例子：

def count():
    fs = []
    for i in range(1, 4):
        def f():
             return i*i
        fs.append(f)
    return fs

f1, f2, f3 = count()

在上面的例子中，每次循環(huán)，都創(chuàng)建了一個新的函數(shù)，然后，把創(chuàng)建的3個函數(shù)都返回了。

你可能認(rèn)為調(diào)用f1()，f2()和f3()結(jié)果應(yīng)該是1，4，9，但實際結(jié)果是：

>>> f1()
9
>>> f2()
9
>>> f3()
9

全部都是9！原因就在于返回的函數(shù)引用了變量i，但它并非立刻執(zhí)行。等到3個函數(shù)都返回時，它們所引用的變量i已經(jīng)變成了3，因此最終結(jié)果為9。

返回閉包時牢記一點：返回函數(shù)不要引用任何循環(huán)變量，或者后續(xù)會發(fā)生變化的變量。

如果一定要引用循環(huán)變量怎么辦？方法是再創(chuàng)建一個函數(shù)，用該函數(shù)的參數(shù)綁定循環(huán)變量當(dāng)前的值，無論該循環(huán)變量后續(xù)如何更改，已綁定到函數(shù)參數(shù)的值不變：

def count():
    def f(j):
        def g():
            return j*j
        return g
    fs = []
    for i in range(1, 4):
        fs.append(f(i)) # f(i)立刻被執(zhí)行，因此i的當(dāng)前值被傳入f()
    return fs

再看看結(jié)果：

>>> f1, f2, f3 = count()
>>> f1()
1
>>> f2()
4
>>> f3()
9

小結(jié)

一個函數(shù)可以返回一個計算結(jié)果，也可以返回一個函數(shù)。

返回一個函數(shù)時，牢記該函數(shù)并未執(zhí)行，返回函數(shù)中不要引用任何可能會變化的變量。

匿名函數(shù)

當(dāng)我們在傳入函數(shù)時，有些時候，不需要顯式地定義函數(shù)，直接傳入匿名函數(shù)更方便。

在Python中，對匿名函數(shù)提供了有限支持。還是以map()函數(shù)為例，計算f(x)=x²時，除了定義一個f(x)的函數(shù)外，還可以直接傳入匿名函數(shù)：

>>> list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
[1, 4, 9, 16, 25, 36, 49, 64, 81]

通過對比可以看出，匿名函數(shù)lambda x: x * x實際上就是：

def f(x):
    return x * x

關(guān)鍵字lambda表示匿名函數(shù)，冒號前面的x表示函數(shù)參數(shù)。

匿名函數(shù)有個限制，就是只能有一個表達式，不用寫return，返回值就是該表達式的結(jié)果。

用匿名函數(shù)有個好處，因為函數(shù)沒有名字，不必?fù)?dān)心函數(shù)名沖突。此外，匿名函數(shù)也是一個函數(shù)對象，也可以把匿名函數(shù)賦值給一個變量，再利用變量來調(diào)用該函數(shù)：

>>> f = lambda x: x * x
>>> f
<function <lambda> at 0x101c6ef28>
>>> f(5)
25

同樣，也可以把匿名函數(shù)作為返回值返回，比如：

def build(x, y):
    return lambda: x * x + y * y

Python對匿名函數(shù)的支持有限，只有一些簡單的情況下可以使用匿名函數(shù)。

裝飾器

由于函數(shù)也是一個對象，而且函數(shù)對象可以被賦值給變量，所以，通過變量也能調(diào)用該函數(shù)。

>>> def now():
...     print('2015-3-25')
...
>>> f = now
>>> f()
2015-3-25

函數(shù)對象有一個__name__屬性，可以拿到函數(shù)的名字：

>>> now.__name__
'now'
>>> f.__name__
'now'

現(xiàn)在，假設(shè)我們要增強now()函數(shù)的功能，比如，在函數(shù)調(diào)用前后自動打印日志，但又不希望修改now()函數(shù)的定義，這種在代碼運行期間動態(tài)增加功能的方式，稱之為“裝飾器”（Decorator）。

本質(zhì)上，decorator就是一個返回函數(shù)的高階函數(shù)。所以，我們要定義一個能打印日志的decorator，可以定義如下：

def log(func):
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper

觀察上面的log，因為它是一個decorator，所以接受一個函數(shù)作為參數(shù)，并返回一個函數(shù)。我們要借助Python的@語法，把decorator置于函數(shù)的定義處：

@log
def now():
    print('2015-3-25')

調(diào)用now()函數(shù)，不僅會運行now()函數(shù)本身，還會在運行now()函數(shù)前打印一行日志：

>>> now()
call now():
2015-3-25

把@log放到now()函數(shù)的定義處，相當(dāng)于執(zhí)行了語句：

now = log(now)

由于log()是一個decorator，返回一個函數(shù)，所以，原來的now()函數(shù)仍然存在，只是現(xiàn)在同名的now變量指向了新的函數(shù)，于是調(diào)用now()將執(zhí)行新函數(shù)，即在log()函數(shù)中返回的wrapper()函數(shù)。

wrapper()函數(shù)的參數(shù)定義是(*args, **kw)，因此，wrapper()函數(shù)可以接受任意參數(shù)的調(diào)用。在wrapper()函數(shù)內(nèi)，首先打印日志，再緊接著調(diào)用原始函數(shù)。

如果decorator本身需要傳入?yún)?shù)，那就需要編寫一個返回decorator的高階函數(shù)，寫出來會更復(fù)雜。比如，要自定義log的文本：

def log(text):
    def decorator(func):
        def wrapper(*args, **kw):
            print('%s %s():' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator

這個3層嵌套的decorator用法如下：

@log('execute')
def now():
    print('2015-3-25')

執(zhí)行結(jié)果如下：

>>> now()
execute now():
2015-3-25

和兩層嵌套的decorator相比，3層嵌套的效果是這樣的：

>>> now = log('execute')(now)

我們來剖析上面的語句，首先執(zhí)行log('execute')，返回的是decorator函數(shù)，再調(diào)用返回的函數(shù)，參數(shù)是now函數(shù)，返回值最終是wrapper函數(shù)。

以上兩種decorator的定義都沒有問題，但還差最后一步。因為我們講了函數(shù)也是對象，它有name等屬性，但你去看經(jīng)過decorator裝飾之后的函數(shù)，它們的__name__已經(jīng)從原來的'now'變成了'wrapper'：

>>> now.__name__
'wrapper'

因為返回的那個wrapper()函數(shù)名字就是'wrapper'，所以，需要把原始函數(shù)的__name__等屬性復(fù)制到wrapper()函數(shù)中，否則，有些依賴函數(shù)簽名的代碼執(zhí)行就會出錯。

不需要編寫wrapper.__name__ = func.__name__這樣的代碼，Python內(nèi)置的functools.wraps就是干這個事的，所以，一個完整的decorator的寫法如下：

import functools

def log(func):
    @functools.wraps(func)
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper

或者針對帶參數(shù)的decorator：

import functools

def log(text):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kw):
            print('%s %s():' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator

import functools是導(dǎo)入functools模塊。模塊的概念稍候講解。現(xiàn)在，只需記住在定義wrapper()的前面加上@functools.wraps(func)即可。

偏函數(shù)

Python的functools模塊提供了很多有用的功能，其中一個就是偏函數(shù)（Partial function）。要注意，這里的偏函數(shù)和數(shù)學(xué)意義上的偏函數(shù)不一樣。

在介紹函數(shù)參數(shù)的時候，我們講到，通過設(shè)定參數(shù)的默認(rèn)值，可以降低函數(shù)調(diào)用的難度。而偏函數(shù)也可以做到這一點。舉例如下：

int()函數(shù)可以把字符串轉(zhuǎn)換為整數(shù)，當(dāng)僅傳入字符串時，int()函數(shù)默認(rèn)按十進制轉(zhuǎn)換：

>>> int('12345')
12345

但int()函數(shù)還提供額外的base參數(shù)，默認(rèn)值為10。如果傳入base參數(shù)，就可以做N進制的轉(zhuǎn)換：

>>> int('12345', base=8)
5349
>>> int('12345', 16)
74565

假設(shè)要轉(zhuǎn)換大量的二進制字符串，每次都傳入int(x, base=2)非常麻煩，于是，我們想到，可以定義一個int2()的函數(shù)，默認(rèn)把base=2傳進去：

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

這樣，我們轉(zhuǎn)換二進制就非常方便了：

>>> int2('1000000')
64
>>> int2('1010101')
85

functools.partial就是幫助我們創(chuàng)建一個偏函數(shù)的，不需要我們自己定義int2()，可以直接使用下面的代碼創(chuàng)建一個新的函數(shù)int2：

>>> import functools
>>> int2 = functools.partial(int, base=2)
>>> int2('1000000')
64
>>> int2('1010101')
85

所以，簡單總結(jié)functools.partial的作用就是，把一個函數(shù)的某些參數(shù)給固定?。ㄒ簿褪窃O(shè)置默認(rèn)值），返回一個新的函數(shù)，調(diào)用這個新函數(shù)會更簡單。

注意到上面的新的int2函數(shù)，僅僅是把base參數(shù)重新設(shè)定默認(rèn)值為2，但也可以在函數(shù)調(diào)用時傳入其他值：

>>> int2('1000000', base=10)
1000000

最后，創(chuàng)建偏函數(shù)時，實際上可以接收函數(shù)對象、*args和**kw這3個參數(shù)，當(dāng)傳入：

int2 = functools.partial(int, base=2)

實際上固定了int()函數(shù)的關(guān)鍵字參數(shù)base，也就是：

int2('10010')

相當(dāng)于：

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

當(dāng)傳入：

max2 = functools.partial(max, 10)

實際上會把10作為*args的一部分自動加到左邊，也就是：

max2(5, 6, 7)

相當(dāng)于：

args = (10, 5, 6, 7)
max(*args)

當(dāng)函數(shù)的參數(shù)個數(shù)太多，需要簡化時，使用functools.partial可以創(chuàng)建一個新的函數(shù)，這個新函數(shù)可以固定住原函數(shù)的部分參數(shù)，從而在調(diào)用時更簡單。