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）

《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 $encoding="application/x-tex">f(x)=x^2</annotation></semantics></math>$ ，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 $encoding="application/x-tex">f(x)=x^2</annotation></semantics></math>$ ，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 $[x1, x2, x3, ...]$ 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：
$r e d u c e (f, [x (adsbygoogle = window.adsbygoogle || []).push({}); 1, x 2, x 3, x 4]) = f (f (f (x 1, x 2), x 3), x 4)$

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 $encoding="application/x-tex">f(x)=x^2</annotation></semantics></math>$ 时，除了定义一个 $f (x)$ 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

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)

$f u n c t o o l s . p (adsbygoogle = window.adsbygoogle || []).push({}); a r t i a l$ 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 $f u n c t o o l s . p a r t i a l$ 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。