系列導(dǎo)讀

1. 《秒殺市面 90% 的 Python 入門教程 (上)》

接著上篇繼續(xù)后面兩個(gè)章節(jié)，函數(shù)和解析式。

Python 里函數(shù)太重要了 (說的好像在別的語言中函數(shù)不重要似的)。函數(shù)的通用好處就不用多說了吧，重復(fù)使用代碼，增強(qiáng)代碼可讀性等等。

還記得 Python 里面『萬物皆對(duì)象』么？Python 把函數(shù)也當(dāng)成對(duì)象，可以從另一個(gè)函數(shù)中返回出來而去構(gòu)建高階函數(shù)，比如

• 參數(shù)是函數(shù) 

• 返回值是函數(shù)

Python 里面的正規(guī)函數(shù) (normal function) 就像其他語言的函數(shù)一樣，之所以說正規(guī)函數(shù)是因?yàn)檫€有些「不正規(guī)」的，比如匿名函數(shù)，高階函數(shù)等等。

但即便是正規(guī)函數(shù)，Python 的函數(shù)具有非常靈活多樣的參數(shù)形態(tài)，既可以實(shí)現(xiàn)簡(jiǎn)單的調(diào)用，又可以傳入非常復(fù)雜的參數(shù)。從簡(jiǎn)到繁的參數(shù)形態(tài)如下：

1. 位置參數(shù) (positional argument)

2. 默認(rèn)參數(shù) (default argument)

3. 可變參數(shù) (variable argument)

4. 關(guān)鍵字參數(shù) (keyword argument)

5. 命名關(guān)鍵字參數(shù) (name keyword argument)

6. 參數(shù)組合
   

每種參數(shù)形態(tài)都有自己對(duì)應(yīng)的應(yīng)用，接下來用定義一個(gè)金融產(chǎn)品為例來說明各種參數(shù)形態(tài)的具體用法。

先從最簡(jiǎn)單的「位置參數(shù)」開始介紹：

用金融產(chǎn)品舉例，每個(gè)產(chǎn)品都有自己的 ID，定義 instrument 函數(shù)，它只有一個(gè)「位置參數(shù)」。

給 id 賦值 'MM1001' 并運(yùn)行該函數(shù)，得到

instrument( 'MM1001' )

當(dāng)然「位置參數(shù)」可以是多個(gè)，比如 id 和 ntl (代表 notional，本金，例如債券的本金是一億，期權(quán)的本金是一百萬等等)：

def instrument1( id, ntl ):    print( 'id:', id )    print( 'notional:', ntl )

給 ntl 賦值 100000 并運(yùn)行該函數(shù)，得到

id: MM1001
notional: 1000000

如果你沒有給 ntl 賦值，程序會(huì)報(bào)錯(cuò)

TypeError: instrument1() missing 1
required positional argument: 'ntl'

怎么破？來看看「默認(rèn)參數(shù)」。

在對(duì)金融產(chǎn)品估值時(shí)，通常對(duì)一個(gè)單位的產(chǎn)品先估值，再乘以產(chǎn)品具體的本金。比如 1 美元的債券現(xiàn)值為 0.98 美元，那么 1 億美元的債券現(xiàn)值為 98,000,000 美元。

因此我們將 ntl 設(shè)為「默認(rèn)參數(shù)」，并設(shè)定一個(gè)默認(rèn)值 1。

這時(shí)調(diào)用 instrument2 不給 ntl 賦值也可以運(yùn)行，ntl 就取其默認(rèn)值 1。

instrument2( 'MM1001' )

當(dāng)然你可以把 ntl 像「位置參數(shù)」那樣對(duì)待，給它設(shè)定任何值

instrument2( 'MM1001', 100 )

使用「默認(rèn)參數(shù)」最大的好處是能降低調(diào)用函數(shù)的難度，不過有個(gè)知識(shí)點(diǎn)需要注意。

def instrument2( ntl=1, id ):    print( 'id:', id )    print( 'notional:', ntl )

當(dāng)然「默認(rèn)參數(shù)」可以是多個(gè)，比如 ntl 和 curR (報(bào)表貨幣，對(duì)于中國(guó)的銀行用 CNY)

def instrument3( id, ntl=1, curR='CNY' ):    print( 'id:', id )    print( 'notional:', ntl )    print( 'reporting currency:', curR)

假設(shè)我們先給 ntl 和 curR 賦值 100 和 'USD'

id: MM1001
notional: 100
reporting currency: USD

但有時(shí)在調(diào)用函數(shù)時(shí)，我們會(huì)記不住參數(shù)的順序。比如 ntl 和 curR 的位置寫反了

id: MM1001
notional: USD
reporting currency: 100

得到的結(jié)果毫無意義，那么記不住參數(shù)順序怎么破？在調(diào)用參數(shù)把它的「關(guān)鍵字」也帶上，我們就可以隨便調(diào)換參數(shù)的順序。

id: MM1001
notional: 100
reporting currency: USD

這樣怎么改變參數(shù)順序都可以打印出有意義的結(jié)果了。讀者可能會(huì)說了我也記不住「關(guān)鍵字」啊，是的，但是「關(guān)鍵字」看上去有具體的意義，絕對(duì)比你記住參數(shù)順序容易多了吧。

在 Python 函數(shù)中，還可以定義「可變參數(shù)」。顧名思義，可變參數(shù)就是傳入的參數(shù)個(gè)數(shù)是可變的，可以是 0, 1, 2 到任意個(gè)。

金融產(chǎn)品未來多個(gè)折現(xiàn)現(xiàn)金流 (discounted cash flow, DCF)，但不知道具體多少個(gè)，這時(shí)我們可以用 *args 來表示不確定個(gè)數(shù)的 DCF。下面程序也對(duì) DCF 加總得到產(chǎn)品現(xiàn)值 (present value, PV)

如果一個(gè)產(chǎn)品 (單位本金) 在后 3 年的折現(xiàn)現(xiàn)金流為 1, 2, 3，將它們傳入 *args，計(jì)算出它的現(xiàn)值為 600 = 100*(1+2+3)。 

instrument4( 'MM1001', 100, 'EUR', 1, 2, 3 )

除了直接傳入多個(gè)參數(shù)之外，還可以將所有參數(shù)先組裝成元組 DCF，用以「*DCF」的形式傳入函數(shù) (DCF 是個(gè)元組，前面加個(gè)通配符 * 是拆散元組，把元組的元素傳入函數(shù)中)

DCF = (1, 2, 3, 4, 5)instrument4( 'MM1001', 10, 'EUR', *DCF )

可變參數(shù)用兩種方式傳入

1. 直接傳入，func(1, 2, 3)

2. 先組裝列表或元組，再通過 *args 傳入，func(*[1, 2, 3]) 或 func(*(1, 2, 3))

「可變參數(shù)」和「關(guān)鍵字參數(shù)」的同異總結(jié)如下：

• 可變參數(shù)允許傳入零個(gè)到任意個(gè)參數(shù)，它們?cè)诤瘮?shù)調(diào)用時(shí)自動(dòng)組裝為一個(gè)元組 (tuple)

• 關(guān)鍵字參數(shù)允許傳入零個(gè)到任意個(gè)參數(shù)，它們?cè)诤瘮?shù)內(nèi)部自動(dòng)組裝為一個(gè)字典 (dict)

在定義金融產(chǎn)品，有可能不斷增加新的信息，比如交易對(duì)手、工作日慣例、工作日計(jì)數(shù)慣例等等。我們可以用「關(guān)鍵字參數(shù)」來滿足這種需求，即用 **kw。

def instrument5( id, ntl=1, curR='CNY', *args, **kw ):    PV = 0for n in args:        PV = PV + n
    print( 'id:', id )    print( 'notional:', ntl )    print( 'reporting currency:', curR )    print( 'present value:', PV*ntl )    print( 'keyword:', kw)

如果不傳入任何「關(guān)鍵字參數(shù)」，kw 為空集。

id: MM1001
notional: 100
reporting currency: EUR
present value: 600
keyword: {}

當(dāng)知道交易對(duì)手 (counterparty) 是高盛時(shí)，給函數(shù)傳入一個(gè)「關(guān)鍵字參數(shù)」，ctp = 'GS'。

id: MM1001
notional: 100
reporting currency: EUR
present value: 600
keyword: {'ctp': 'GS'}

當(dāng)知道日期計(jì)數(shù) (daycount) 是 act/365 時(shí)，再給函數(shù)傳入一個(gè)「關(guān)鍵字參數(shù)」，dc = 'act/365'。

id: MM1001
notional: 100
reporting currency: EUR
present value: 600
keyword: {'dc': 'act/365', 'ctp': 'GS'}

除了直接傳入多個(gè)參數(shù)之外，還可以將所有參數(shù)先組裝成字典 Conv，用以「**Conv」的形式傳入函數(shù) (Conv 是個(gè)字典，前面加個(gè)通配符 ** 是拆散字典，把字典的鍵值對(duì)傳入函數(shù)中)

id: MM1001
notional: 10
reporting currency: EUR
present value: 150
keyword: {'dc': 'act/365', 'bdc': 'following'}

對(duì)于關(guān)鍵字參數(shù)，函數(shù)的調(diào)用者可以傳入任意不受限制的關(guān)鍵字參數(shù)。

如果要限制關(guān)鍵字參數(shù)的名字，就可以用「命名關(guān)鍵字參數(shù)」，例如，用戶希望交易對(duì)手 ctp 是個(gè)關(guān)鍵字參數(shù)。這種方式定義的函數(shù)如下：

從調(diào)用函數(shù) instrument6 得到的結(jié)果可看出 ctp 是「命名關(guān)鍵字參數(shù)」，而 dc 是「關(guān)鍵字參數(shù)」。

instrument6( 'MM1001', 100, 'EUR',              dc='act/365', ctp='GS' )

使用命名關(guān)鍵字參數(shù)時(shí)，要特別注意不能缺少參數(shù)名。下例沒有寫參數(shù)名 ctp，因此 'GS' 被當(dāng)成「位置參數(shù)」，而原函數(shù)只有 3 個(gè)位置函數(shù)，現(xiàn)在調(diào)用了 4 個(gè)，因此程序會(huì)報(bào)錯(cuò)：

instrument6( 'MM1001', 100, 'EUR','GS', dc='act/365' )

在 Python 中定義函數(shù)，可以用位置參數(shù)、默認(rèn)參數(shù)、可變參數(shù)、命名關(guān)鍵字參數(shù)和關(guān)鍵字參數(shù)，這 5 種參數(shù)中的 4 個(gè)都可以一起使用，但是注意，參數(shù)定義的順序必須是：

• 位置參數(shù)、默認(rèn)參數(shù)、可變參數(shù)和關(guān)鍵字參數(shù)。

• 位置參數(shù)、默認(rèn)參數(shù)、命名關(guān)鍵字參數(shù)和關(guān)鍵字參數(shù)。

要注意定義可變參數(shù)和關(guān)鍵字參數(shù)的語法：

• *args 是可變參數(shù)，args 接收的是一個(gè) tuple

• **kw 是關(guān)鍵字參數(shù)，kw 接收的是一個(gè) dict

命名關(guān)鍵字參數(shù)是為了限制調(diào)用者可以傳入的參數(shù)名，同時(shí)可以提供默認(rèn)值。定義命名關(guān)鍵字參數(shù)不要忘了寫分隔符 *，否則定義的是位置參數(shù)。

在 Python 里有兩種函數(shù)

1. 用 def 關(guān)鍵詞的正規(guī)函數(shù)

2. 用 lambda 關(guān)鍵詞的匿名函數(shù)

匿名函數(shù) (anonymous function) 的說明如下：

func = lambda x, y: x*yfunc(2, 3)

func = lambda *args: sum(args)func( 1, 2, 3, 4, 5 )

func = lambda **kwargs: 1func( name='Steven', age='36' )

看個(gè)具體的平方函數(shù)例子：

lbd_sqr = lambda x: x ** 2lbd_sqr

這個(gè) lambda 函數(shù) lbd_sqr 做的事和下面正規(guī)函數(shù) sqr 做的一樣：

def sqr(x):return x ** 2
sqr

用實(shí)際結(jié)果來驗(yàn)證一下：

print( sqr(9) )print( lbd_sqr(9) )

對(duì)于 lambda 函數(shù)，有時(shí)我們會(huì)過用 (overuse) 它或誤用 (misuse) 它。

上面舉的例子就是反例，

lbd_sqr = lambda x: x ** 2def sqr(x): return x ** 2
print( lbd_sqr )print( sqr )

你看，lbd_sqr 的返回值是以 <lambda> 標(biāo)識(shí)的函數(shù)，而 sqr 的返回時(shí)是以 sqr 為標(biāo)識(shí)的函數(shù)，明顯后者一看就知道該函數(shù)是「計(jì)算平方」用的。

有些人覺得 lambda 函數(shù)很酷，會(huì)不分場(chǎng)合瘋狂地用它。比如下面一個(gè)例子，根據(jù)「字符長(zhǎng)度」和「首個(gè)字母」來對(duì)列表來排序。

colors = ['Goldenrod', 'purple', 'Salmon', 'Cyan']sorted(colors, key=lambda c: (len(c), c.casefold()))

在 sorted 函數(shù)有個(gè) key 的參數(shù)，key 的值是排序的根據(jù)。比如上面用 lambda 函數(shù)設(shè)定字符長(zhǎng)度 len(c) 和忽略大小的首個(gè)字母 c.casefold()，c 表示具體的列表。

坦白的說，這樣用 lambda 函數(shù)看起來是很酷，但是增加了使用者的「思考成本」，用 def 顯性定義個(gè)函數(shù)可讀性會(huì)好很多。

def length_and_alphabetical(str):'''Return sort key: length first, then caseless string.'''return (len(str), str.casefold())
sorted(colors, key=length_and_alphabetical)

用正規(guī)函數(shù)還能加個(gè)函數(shù)說明 (docstring)，再起個(gè)描述性強(qiáng)的函數(shù)名，讓人一看就知道該函數(shù)做什么。

高階函數(shù) (high-order function) 在函數(shù)化編程 (functional programming) 很常見，主要有兩種形式：

1. 參數(shù)是函數(shù) (map, filter, reduce)

2. 返回值是函數(shù) (closure, partial, currying)

Python 里面的 map, filter 和 reduce 屬于第一種高階函數(shù)，參數(shù)是函數(shù)。這時(shí)候是不是很自然的就想起了 lambda 函數(shù)？

作為內(nèi)嵌在別的函數(shù)里的參數(shù)，lambda 函數(shù)就像微信小程序一樣，即用即丟，非常輕便。

首先看看 map, filter 和 reduce 的語法：

• map(函數(shù) f, 序列 x)：對(duì)序列 x 中每個(gè)元素依次執(zhí)行函數(shù) f，將 f(x) 組成一個(gè)「map 對(duì)象」返回 (可以將其轉(zhuǎn)換成 list 或 set)

• filter(函數(shù) f, 序列 x)：對(duì)序列 x 中每個(gè)元素依次執(zhí)行函數(shù) f，將 f(x) 為 True 的結(jié)果組成一個(gè)「filter 對(duì)象」返回 (可以將其轉(zhuǎn)換成 list 或 set)

• reduce(函數(shù) f, 序列 x)：對(duì)序列 x 的第一個(gè)和第二個(gè)元素執(zhí)行函數(shù) f，得到的結(jié)果和序列 x 的下一個(gè)元素執(zhí)行函數(shù) f，一直遍歷完的序列 x 所有元素。

看個(gè)具體的平方示例，用 map 函數(shù)對(duì)列表每個(gè)元素平方。

lst = [1, 2, 3, 4, 5]map_iter = map( lambda x: x**2, lst )print( map_iter )print( list(map_iter) )

在 map 函數(shù)中

• 第一個(gè)參數(shù)是一個(gè)計(jì)算平方的「匿名函數(shù)」

• 第二個(gè)參數(shù)是列表，即該「匿名函數(shù)」作用的對(duì)象

注意 map_iter 是 map 函數(shù)的返回對(duì)象 (它是一個(gè)迭代器)，想要將其內(nèi)容顯示出來，需要用 list 將其轉(zhuǎn)換成「列表」形式。有點(diǎn)奇怪是不是？為什么 map 函數(shù)不直接返回列表呢？看完下面「惰性求值」的知識(shí)點(diǎn)就明白了。

知識(shí)點(diǎn)

惰性求值 (lazy evaluation) 也稱為傳需求調(diào)用 (call-by-need)，目的是最小化計(jì)算機(jī)要做的工作。

在上例中，map 函數(shù)作用到列表，并不會(huì)立即進(jìn)行求平方，而是當(dāng)你用到其中某些元素時(shí)才去求平方。惰性是指，你不主動(dòng)去遍歷它，就不會(huì)計(jì)算其中元素的值。

為什么要有 「惰性求值」呢？在本例看起來毫無必要，但試想大規(guī)模數(shù)據(jù)時(shí)，一次性處理往往抵消而且不方便，而惰性求值解決了這個(gè)問題，它把計(jì)算的具體步驟延遲到了要實(shí)際用該數(shù)據(jù)的時(shí)候。

惰性序列可以看作是一個(gè)流 (flow)，需要的時(shí)候從其中取一滴水。想想 tensorflow 里構(gòu)建的流圖？

接著再看看 filter 函數(shù)，顧名思義就是篩選函數(shù)，那么我們把剛才列表中的計(jì)數(shù)篩選出來吧。

filter_iter = filter(lambda n: n % 2 == 1, lst)print( filter_iter )print( list(filter_iter) )

在 filter 函數(shù)中

• 第一個(gè)參數(shù)是一個(gè)識(shí)別奇數(shù)的「匿名函數(shù)」

• 第二個(gè)參數(shù)是列表，即該「匿名函數(shù)」作用的對(duì)象

同樣，filter_iter 作為 filter 函數(shù)的返回對(duì)象，也是一個(gè)迭代器，想要將其內(nèi)容顯示出來，需要用 list 將其轉(zhuǎn)換成「列表」形式。

最后來看看 reduce 函數(shù)，顧名思義就是累積函數(shù)，把一組數(shù)減少 (reduce) 到一個(gè)數(shù)。

from functools import reducereduce( lambda x,y: x+y, lst )

在 reduce 函數(shù)中

• 第一個(gè)參數(shù)是一個(gè)求和相鄰兩個(gè)元素的「匿名函數(shù)」

• 第二個(gè)參數(shù)是列表，即該「匿名函數(shù)」作用的對(duì)象

在 reduce 函數(shù)的第三個(gè)參數(shù)還可以賦予一個(gè)初始值，

reduce( lambda x,y: x+y, lst, 100 )

這是累積從 100 和列表 lst = [1,2,3,4,5] 的第一個(gè)元素 1 開始，一直加到整個(gè) lst 元素遍歷完，因此最后求和為 115。

除了 Python 這些內(nèi)置函數(shù)，我們也可以自己定義高階函數(shù)，如下：

def apply_to_list( fun, some_list ):return fun(some_list)

這個(gè) apply_to_list 函數(shù)和上面的 map, filter 和 reduce 的格式類型，第一個(gè)參數(shù) fun 是可以作用到列表的函數(shù)，第二個(gè)參數(shù)是一個(gè)列表。下面代碼分別求出列表中所有元素的和、個(gè)數(shù)和均值。

15
5
3.0

Python 里面的閉包 (closure) 屬于第二種高階函數(shù)，返回值是函數(shù)。下面是一個(gè)閉包函數(shù)。

此函數(shù)的作用是做一個(gè)計(jì)數(shù)器，可以

• 用增加子函數(shù) inc() 續(xù)一秒

• 用減少子函數(shù) dec() 廢一秒

• 用獲取子函數(shù) get() 看秒數(shù) 

• 用重置子函數(shù) reset() 回原點(diǎn)

inc, dec, get, reset = make_counter(0)inc()inc()inc()get()

續(xù)了三秒。

dec()get()

減了一秒，相當(dāng)于續(xù)了兩秒。

reset()get()

重新計(jì)秒。

屬于第二類 (返回值是函數(shù)) 的高階函數(shù)還有「偏函數(shù)」和「柯里化」，由于它們比較特別，因此專門分兩節(jié)來講解。

偏函數(shù) (paritial function) 主要是把一個(gè)函數(shù)的參數(shù) (一個(gè)或多個(gè)) 固定下來，用于專門的應(yīng)用上 (specialized application)。要用偏函數(shù)用從 functools 中導(dǎo)入 partial 包：

from functools import partial

舉個(gè)排序列表里元素的例子

[1, 2, 3, 4, 5]

我們知道 sort 函數(shù)默認(rèn)是按升序排列，假設(shè)在你的應(yīng)用中是按降序排列，你可以把函數(shù)里的 reverse 參數(shù)設(shè)置為 True。

[5, 4, 3, 2, 1]

這樣每次設(shè)定參數(shù)很麻煩，你可以專門為「降序排列」的應(yīng)用定義一個(gè)函數(shù)，比如叫 sorted_dec，用偏函數(shù) partial 把內(nèi)置的 sort 函數(shù)里的 reverse 固定住，代碼如下：

functools.partial(<built-in function sorted>, reverse=True)

不難發(fā)現(xiàn) sorted_dec 是一個(gè)函數(shù)，而且參數(shù)設(shè)置符合我們的應(yīng)用，把該函數(shù)用到列表就能對(duì)于降序排列。

[5, 4, 3, 2, 1]

小結(jié)，當(dāng)函數(shù)的參數(shù)個(gè)數(shù)太多，需要簡(jiǎn)化時(shí)，使用 functools.partial 可以創(chuàng)建一個(gè)新的函數(shù)，即偏函數(shù)，它可以固定住原函數(shù)的部分參數(shù)，從而在調(diào)用時(shí)更簡(jiǎn)單。

最簡(jiǎn)單的柯里化 (currying) 指的是將原來接收 2 個(gè)參數(shù)的函數(shù) f(x, y) 變成新的接收 1 個(gè)參數(shù)的函數(shù) g(x) 的過程，其中新函數(shù) g = f(y)。

以普通的加法函數(shù)為例：

通過嵌套函數(shù)可以把函數(shù) add1 轉(zhuǎn)換成柯里化函數(shù) add2。

def add2(x):def add(y):return x + yreturn add

仔細(xì)看看函數(shù) add1 和 add2 的參數(shù) (常數(shù)用紅色表示)

• add1：參數(shù)是 x 和 y，輸出 x + y

• add2：參數(shù)是 x，輸出 x + y

• g = add2(2)：參數(shù)是 y，輸出 2 + y

下面代碼也證實(shí)了上述分析：

<function __main__.add1(x, y)>
<function __main__.add2(x)>
<function __main__.add2.<locals>.add(y)>

比較「普通函數(shù) add1」和「柯里化函數(shù) add2」的調(diào)用，結(jié)果都一樣。

5
5
5

解析式 (comprehension) 是將一個(gè)可迭代對(duì)象轉(zhuǎn)換成另一個(gè)可迭代對(duì)象的工具。

上面出現(xiàn)了兩個(gè)可迭代對(duì)象 (iterable)，不嚴(yán)謹(jǐn)?shù)卣f，容器類型數(shù)據(jù) (str, tuple, list, dict, set) 都是可迭代對(duì)象。

• 第一個(gè)可迭代對(duì)象：可以是任何容器類型數(shù)據(jù)。

• 第二個(gè)可迭代對(duì)象：看是什么類型解析式：

• 列表解析式：可迭代對(duì)象是 list

• 字典解析式：可迭代對(duì)象是 dict

• 集合解析式：可迭代對(duì)象是 set

下面寫出列表、字典和集合解析式的偽代碼 (pseudo code)。

不難發(fā)現(xiàn)，這些解析式都有

• for ... in ...：這不就是個(gè)「for 循環(huán)」么？

• if：這不就是個(gè)「if 條件」么？

對(duì)，解析式就是為了把「帶條件的 for 循環(huán)」簡(jiǎn)化成一行代碼的。

也不難發(fā)現(xiàn)，列表解析式整個(gè)語句用「中括號(hào) []」框住，而字典和集合解析式整個(gè)語句中「大括號(hào) {}」框住。想想 list, dict 和 set 用什么括號(hào)定義就明白了。

通過這兩個(gè)發(fā)現(xiàn)，我們大概對(duì)解析式有個(gè)一些直觀但還比較模糊的理解，根據(jù) input-operation-output 這個(gè)過程總結(jié)：

• input：任何「可迭代數(shù)據(jù) A」

• operation：用 for 循環(huán)來遍歷 A 中的每個(gè)元素，用 if 來篩選滿足條件的元素 Agood

• output：將 Agood 打包成「可迭代數(shù)據(jù)」，生成列表用 []，生成列表用 {}

有點(diǎn)抽象？我知道，下節(jié)用「列表解析式」來進(jìn)一步舉例說明。

簡(jiǎn)單，用帶 if 的 for 循環(huán)唄。

lst = [1, 2, 3, 4, 5] odds = []for n in lst:    if n % 2 == 1:        odds.append(n * 2)odds

任務(wù)完成了，但這個(gè)代碼有好幾行呢，不簡(jiǎn)潔，看看下面這一行代碼：

odds = [n * 2 for n in lst if n % 2 == 1]odds

咋一看從「for 循環(huán)」到「解析式」不直觀，我來用不同顏色把這個(gè)過程可視化一下，如下圖：

你可以把「for 循環(huán)」到「解析式」的過程想像成一個(gè)「復(fù)制-粘貼」的過程：

1. 將「for 循環(huán)」的新列表復(fù)制到「解析式」里

2. 將 append 里面的表達(dá)式 n * 2 復(fù)制到新列表里

3. 復(fù)制循環(huán)語句 for n in lst 到新列表里，不要最后的冒號(hào)

4. 復(fù)制條件語句 if n%2 == 1 到新列表里，不要最后的冒號(hào)
   

現(xiàn)在清楚多了吧，在把上面具體的例子推廣到一般的例子，從「for 循環(huán)」到「列表解析式」的過程如下：

因此現(xiàn)在你可以一口氣寫出「列表解析式」了吧，或者可以一口氣讀懂別人寫的「列表解析式」了吧。下節(jié)我們會(huì)用幾個(gè)實(shí)例來鞏固下理解。

現(xiàn)在你可能會(huì)說上面「for 循環(huán)」只有一層，如果兩層怎么轉(zhuǎn)換「列表解析式」？具體來說怎么解決下面這個(gè)問題。

沒思路？先用「for 循環(huán)」試試？

flattened = []for row in lst:for n in row:        flattened.append(n)

套用一維「列表解析式」的做法

兩點(diǎn)需要注意：

1. 該例沒有「if 條件」條件，或者認(rèn)為有，寫成「if True」。如果有「if 條件」那么直接加在「內(nèi) for 循環(huán)」后面。

2. 「外 for 循環(huán)」寫在「內(nèi) for 循環(huán)」前面。

我承認(rèn)我一開始也習(xí)慣寫成下圖錯(cuò)誤的那種 (多練幾次就可以改過來了)，

我們把「列表解析式」那一套舉一反三的用到其他解析式上，用下面兩圖理解一下「字典解析式」和「集合解析式」。

再回顧下三種解析式，我們發(fā)現(xiàn)其實(shí)它們都可以實(shí)現(xiàn)上節(jié)提到的 filter 和 map 函數(shù)的功能，用專業(yè)計(jì)算機(jī)的語言說，解析式可以看成是 filter 和 map 函數(shù)的語法糖。

了解完概念，我們看看為什么說「列表解析式」是 「map/filter」的語法糖，兩者的類比圖如下：

首先發(fā)現(xiàn)兩者都是把原列表根據(jù)某些條件轉(zhuǎn)換成新列表，再者

• 「列表解析式」用 if 條件來做篩選得到 item，再用 f 函數(shù)作用到 item 上。

• 「map/filter」用 filter 函數(shù)來做篩選，再用 map 函數(shù)作用在篩選出來的元素。

為了達(dá)到相同目的，明顯「列表解析式」是種更簡(jiǎn)潔的方式。

用「在列表中先找出奇數(shù)再乘以 2」的例子，對(duì)于列表 lst = [1, 2, 3, 4, 5]，我們先看「列表解析式」的實(shí)現(xiàn)： 

[2, 6, 10]

再看「map/filter」的實(shí)現(xiàn)：

[2, 6, 10]

誰簡(jiǎn)誰繁，一目了然。

先遍歷第一層元組，用 for t in tup，然后遍歷第二層元組，用 for x in t，提取每個(gè) x 并'放在“列表中，用 []。代碼如下： 

flattened = [x for t in tup for x in t]flattened

至于為什么按 for t in tup for x in t 這個(gè)順序?qū)?，還記得上節(jié)的這張圖嗎？

如果我們想把上面「二維元組」轉(zhuǎn)換成「二維列表」呢？

[ [x for x in t] for t in tup ]

回到上篇引言的問題。

a = [1, 2, [3, 4], [[5, 6], [7, 8]]]

用解析式一步到位解決上面問題有點(diǎn)難，特別是列表 a 不規(guī)則，每個(gè)元素還可以是 n 層列表，因此我們需要遞推函數(shù) (recursive function)，即一個(gè)函數(shù)里面又調(diào)用自己。

[1, 2, 3, 4, 5, 6, 7, 8]

整個(gè)列表遍歷一遍，有四個(gè)元素，1, 2, [3, 4] 和 [[5, 6], [7, 8]]。函數(shù) f(x) 是一個(gè)遞推函數(shù)，當(dāng) x 是元素，返回 [x]，那么

• f(1) 的返回值是 [1]

• f(2) 的返回值是 [2]

當(dāng) x 是列表，返回 [y for l in x for y in f(l)]，當(dāng) x = [3 ,4] 時(shí)

• for l in x：指的是 x 里每個(gè)元素 l，那么 l 遍歷 3 和 4

• for y in f(l)：指的是 f(l) 里每個(gè)元素 y

• 當(dāng) l = 3，是個(gè)元素，那么 f(l) = [3], y 遍歷 3

• 當(dāng) l = 4，是個(gè)元素，那么 f(l) = [4], y 遍歷 4

整個(gè) f([3 ,4]) 的返回值是 [3 ,4]。同理，當(dāng) x = [[5, 6], [7, 8]] 時(shí)，f(x) 的返回值是 [5, 6, 7, 8]。

到此，列表中四個(gè)元素 1, 2, [3, 4] 和 [[5, 6], [7, 8]] 的情況都分析完畢了，現(xiàn)在當(dāng) x = [1, 2, [3, 4], [[5, 6], [7, 8]]]，f(x) 也運(yùn)行到下面這步

    return [y for l in x for y in f(l)]

那么

• 當(dāng) x = 1, 有 f(1) = [1],  y = 1

• 當(dāng) x = 2, 有 f(2) = [2],  y = 2

• 當(dāng) x = [3, 4], 有 f([3, 4]) = [3, 4],  y = 3, 4

• 當(dāng) x = [5, 6, 7, 8], 有 f([5, 6, 7, 8]) = [5, 6, 7, 8],  y = 5, 6, 7, 8

把這所有的 y 再合成一個(gè)列表不就是

    [1, 2, 3, 4, 5, 6, 7, 8]

正規(guī) (遞推) 函數(shù)寫好了，把它寫成匿名函數(shù)也很簡(jiǎn)單了。

[1, 2, 3, 4, 5, 6, 7, 8]

配著下圖再理解一遍：

本帖討論了函數(shù)和解析式。優(yōu)雅清晰是 python 的核心價(jià)值觀，高階函數(shù)和解析式都符合這個(gè)價(jià)值觀。

函數(shù)包括正規(guī)函數(shù) (用 def) 和匿名函數(shù) (用 lambda)，函數(shù)的參數(shù)形態(tài)也多種多樣，有位置參數(shù)、默認(rèn)參數(shù)、可變參數(shù)、關(guān)鍵字參數(shù)、命名關(guān)鍵字參數(shù)。匿名函數(shù)主要用在高階函數(shù)中，高階函數(shù)的參數(shù)可以是函數(shù) (Python 里面內(nèi)置 map/filter/reduce 函數(shù))，返回值也可以是參數(shù) (閉包、偏函數(shù)、柯里化函數(shù))。

解析式并沒有解決新的問題，只是以一種更加簡(jiǎn)潔，可讀性更高的方式解決老的問題。解析式可以把「帶 if 條件的 for 循環(huán)」用一行程序表達(dá)出來，也可以實(shí)現(xiàn) map 加 filter 的功能。

最后用 Tim Peters 的 The Zen of Python 結(jié)尾。

下篇討論 Python 中用于數(shù)組計(jì)算和操作的 NumPy。Stay Tuned!