Python函数式编程
2023-09-14 09:14:30 时间
目录
1 概述
在前面,我们已经对Python学习做了系统的知识梳理( Python思维导图),上一节我们讲解了函数的基本知识,这一节我们分享函数式编程。
1.1 函数式编程
函数式编程( functional programming )是一种 编程范式( Programming paradigm ) ,或者说编程模式,比如我们常见的过程式编程是一种编程范式,面向对象编程又是另一种编程范式。1.2 特征
函数式编程的一大特性就是:可以把函数当成变量来使用,比如将函数赋值给其他变量、把函数作为参数传递给其他函数、函数的返回值也可以是一个函数等等。Python 不是纯函数式编程语言,但它对函数式编程提供了一些支持。本章主要介绍 Python 中的函数式编程,主要包括以下几个方面:
2 高阶函数
在函数式编程中,我们可以将函数当作变量一样自由使用。一个函数接收另一个函数作为参数,这种函数称之为高阶函数(Higher-order Functions
)。
看一个简单的例子:
1. def func ( g , arr ):2. return [ g ( x ) for x in arr ]
上面的代码中,
func
是一个高阶函数,它接收两个参数,第
1
个参数是函数,第
2
个参数是数
组,
func
的功能是将函数
g
逐个作用于数组
arr
上,并返回一个新的数组,比如,我们可以这
样用:
1. def double ( x ):2. return 2 * x3.4. def square ( x ):5. return x * x6.7. arr1 = func ( double , [ 1 , 2 , 3 , 4 ])8. arr2 = func ( square , [ 1 , 2 , 3 , 4 ])
不难判断出,arr1 是 [2, 4, 6, 8],arr2 是 [1, 4, 9, 16]。
3 匿名函数
3.1 定义
在
Python
中,我们使用
def
语句来定义函数,比如:
1. def double ( x ):2. return 2 * x
除了用上面的方式定义函数,
Python
还提供了一个关键字
lambda
,让我们可以创建一个匿名函
数,也就是没有名称的函数。它的形式如下:
1. lambda 参数 : 表达式
关键字
lambda
说明它是一个匿名函数,冒号
:
前面的变量是该匿名函数的参数,冒号后面
是函数的返回值,注意这里不需使用
return
关键字。
我们将上面的
double
函数改写成一个匿名函数,如下:
1. lambda x : 2 * x
那怎么调用匿名函数呢?可以直接这样使用:
1. >>> ( lambda x : 2 * x )( 8 )2. 16
由于匿名函数本质上是一个函数对象,也可以将其赋值给另一个变量,再由该变量来调用函数,如下:
1. >>> f = lambda x : 2 * x # 将匿名函数赋给变量 f2. >>> f3. < function < lambda > at 0x7f835a696578 >4. >>> f ( 8 )5. 16
3.2 使用场景
lambda
函数一般适用于创建一些临时性的,小巧的函数。比如上面的
double
函数,我们当
然可以使用
def
来定义,但使用
lambda
来创建会显得很简洁,尤其是在高阶函数的使用
中。
看一个例子:
1. def func ( g , arr ):2. return [ g ( x ) for x in arr ]
现在给一个列表
[1, 2, 3, 4]
,利用上面的函数,对列表中的元素加
1
,返回一个新的列表,你可
能这样用:
1. def add_one ( x ):2. return x + 13.4. arr = func ( add_one , [ 1 , 2 , 3 , 4 ])
这样做没什么错,可是
add_one
这个函数太简单了,使用
def
定义未免有点小题大作,我们
改用
lambda
:
1. arr = func ( lambda x : x + 1 , [ 1 , 2 , 3 , 4 ])
是不是很简洁、易懂?
4 map/reduce/filter
map/reduce/filter
是
Python
中较为常用的内建高阶函数,它们为函数式编程提供了不少便
利。
4.1 map
map
函数的使用形式如下:
1. map ( function , sequence )
解释:对
sequence
中的
item
依次执行
function(item)
,并将结果组成一个
List
返回,也
就是:
1. [ function ( item1 ), function ( item2 ), function ( item3 ), ...]
看一些简单的例子:
1. >>> def square ( x ):2. ... return x * x3.4. >>> map ( square , [ 1 , 2 , 3 , 4 ])5. [ 1 , 4 , 9 , 16 ]6.7. >>> map ( lambda x : x * x , [ 1 , 2 , 3 , 4 ]) # 使用 lambda8. [ 1 , 4 , 9 , 16 ]9.10. >>> map ( str , [ 1 , 2 , 3 , 4 ])11. [ '1' , '2' , '3' , '4' ]12.13. >>> map ( int , [ '1' , '2' , '3' , '4' ])14. [ 1 , 2 , 3 , 4 ]
再看一个例子:
1. def double ( x ):2. return 2 * x3.4. def triple ( x ):5. return 3 * x6.7. def square ( x ):8. return x * x9.10. funcs = [ double , triple , square ] # 列表元素是函数对象11.12. # 相当于 [double(4), triple(4), square(4)]13. value = list ( map ( lambda f : f ( 4 ), funcs ))14.15. print value16.17. # output18. [ 8 , 12 , 16 ]
上面的代码中,我们加了
list
转换,是为了兼容
Python3
,在
Python2
中
map
直接返回列
表,
Python3
中返回迭代器。
4.2 reduce
reduce
函数的使用形式如下:
1. reduce ( function , sequence [, initial ])
解释:先将
sequence
的前两个
item
传给
function
,即
function(item1, item2)
,函数
的返回值和
sequence
的下一个
item
再传给
function
,即
function(function(item1,
item2), item3)
,如此迭代,直到
sequence
没有元素,如果有
initial
,则作为初始值调用。
也就是说:
1. reduece ( f , [ x1 , x2 , x3 , x4 ]) = f ( f ( f ( x1 , x2 ), x3 ), x4 )
看一些例子,就能很快理解了。
1. >>> reduce ( lambda x , y : x * y , [ 1 , 2 , 3 , 4 ]) # 相当于 ((1 * 2) * 3) * 42. 243. >>> reduce ( lambda x , y : x * y , [ 1 , 2 , 3 , 4 ], 5 ) # ((((5 * 1) * 2) * 3)) * 44. 1205. >>> reduce ( lambda x , y : x / y , [ 2 , 3 , 4 ], 72 ) # (((72 / 2) / 3)) / 46. 37. >>> reduce ( lambda x , y : x + y , [ 1 , 2 , 3 , 4 ], 5 ) # ((((5 + 1) + 2) + 3)) + 48. 159. >>> reduce ( lambda x , y : x - y , [ 8 , 5 , 1 ], 20 ) # ((20 - 8) - 5) - 110. 611. >>> f = lambda a , b : a if ( a > b ) else b # 两两比较,取最大值12. >>> reduce ( f , [ 5 , 8 , 1 , 10 ])13. 10
4.3 filter
filter
函数用于过滤元素,它的使用形式如下:
1. filter ( function , sequnce )
解释:将
function
依次作用于
sequnce
的每个
item
,即
function(item)
,将返回值为
True
的
item
组成一个
List/String/Tuple (
取决于
sequnce
的类型,
python3
统一返回
迭代器
)
返回。
看一些例子。
1. >>> even_num = list ( filter ( lambda x : x % 2 == 0 , [ 1 , 2 , 3 , 4 , 5 , 6 ]))2. >>> even_num3. [ 2 , 4 , 6 ]4. >>> odd_num = list ( filter ( lambda x : x % 2 , [ 1 , 2 , 3 , 4 , 5 , 6 ]))5. >>> odd_num6. [ 1 , 3 , 5 ]7. >>> filter ( lambda x : x < 'g' , 'hijack' )8. 'ac' # python29. >>> filter ( lambda x : x < 'g' , 'hijack' )10. < filter object at 0x1034b4080 > # python3
注意在
python2
和
python3
中,
map/reduce/filter
的返回值类型有所不同,
python2
返回的是基本数据类型,而
python3
则返回了迭代器;
5 闭包
5.1 定义
在
Python
中,函数也是一个对象。因此,我们在定义函数时,可以再嵌套定义一个函数,并将该嵌套函数返回,比如:
1. from math import pow2.3. def make_pow ( n ):4. def inner_func ( x ): # 嵌套定义了 inner_func5. return pow ( x , n ) # 注意这里引用了外部函数的 n6. return inner_func # 返回 inner_func
上面的代码中,函数
make_pow
里面又定义了一个内部函数
inner_func
,然后将该函数返
回。因此,我们可以使用
make_pow
来生成另一个函数:
1. >>> pow2 = make_pow ( 2 ) # pow2 是一个函数,参数 2 是一个自由变量2. >>> pow23. < function inner_func at 0x10271faa0 >4. >>> pow2 ( 6 )5. 36.0
我们还注意到,内部函数
inner_func
引用了外部函数
make_pow
的自由变量
n
,这也就
意味着,当函数
make_pow
的生命周期结束之后,
n
这个变量依然会保存在
inner_func
中,它被
inner_func
所引用。
1. >>> del make_pow # 删除 make_pow2. >>> pow3 = make_pow ( 3 )3. Traceback ( most recent call last ):4. File "<stdin>" , line 1 , in <module>5. NameError : name 'make_pow' is not defined6. >>> pow2 ( 9 ) # pow2 仍可正常调用,自由变量 2 仍保存在 pow2 中7. 81.0
像上面这种情况,一个函数返回了一个内部函数,该内部函数引用了外部函数的相关参数和变量,我们把该返回的内部函数称为闭包(Closure
)。
在上面的例子中,
inner_func
就是一个闭包,它引用了自由变量
n
。
5.2 闭包的作用
闭包的最大特点就是引用了自由变量,即使生成闭包的环境已经释放,闭包仍然存在。
闭包在运行时可以有多个实例,即使传入的参数相同。
1. >>> pow_a = make_pow ( 2 )2. >>> pow_b = make_pow ( 2 )3. >>> pow_a == pow_b4. False
利用闭包,我们还可以模拟类的实例。
这里构造一个类,用于求一个点到另一个点的距离:
1. from math import sqrt2.3. class Point ( object ):4. def __init__ ( self , x , y ):5. self . x , self . y = x , y6.7. def get_distance ( self , u , v ):8. distance = sqrt (( self . x - u ) ** 2 + ( self . y - v ) ** 2 )9. return distance10.11. >>> pt = Point ( 7 , 2 ) # 创建一个点12. >>> pt . get_distance ( 10 , 6 ) # 求到另一个点的距离13. 5.0
用闭包来实现:
1. def point ( x , y ):2. def get_distance ( u , v ):3. return sqrt (( x - u ) ** 2 + ( y - v ) ** 2 )4.5. return get_distance6.7. >>> pt = point ( 7 , 2 )8. >>> pt ( 10 , 6 )9. 5.0
可以看到,结果是一样的,但使用闭包实现比使用类更加简洁。
5.3 常见的误区
闭包的概念很简单,但实现起来却容易出现一些误区,比如下面的例子:
1. def count ():2. funcs = []3. for i in [ 1 , 2 , 3 ]:4. def f ():5. return i6. funcs . append ( f )7. return funcs
在该例子中,我们在每次
for
循环中创建了一个函数,并将它存到
funcs
中。现在,调用上
面的函数,你可能认为返回结果是
1, 2, 3
,事实上却不是:
1. >>> f1 , f2 , f3 = count ()2. >>> f1 ()3. 34. >>> f2 ()5. 36. >>> f3 ()7. 3
为什么呢?原因在于上面的函数
f
引用了变量
i
,但函数
f
并非立刻执行,当
for
循环结束时,此时变量
i
的值是
3
,
funcs
里面的函数引用的变量都是
3
,最终结果也就全为3。
因此,我们应尽量避免在闭包中引用循环变量,或者后续会发生变化的变量。
那上面这种情况应该怎么解决呢?我们可以再创建一个函数,并将循环变量的值传给该函数,如下:
1. def count ():2. funcs = []3. for i in [ 1 , 2 , 3 ]:4. def g ( param ):5. f = lambda : param # 这里创建了一个匿名函数6. return f7. funcs . append ( g ( i )) # 将循环变量的值传给 g8. return funcs9.10. >>> f1 , f2 , f3 = count ()11. >>> f1 ()12. 113. >>> f2 ()14. 215. >>> f3 ()16. 3
(1)闭包是携带自由变量的函数,即使创建闭包的外部函数的生命周期结束了,闭包所引用的自由变量仍会存在。
(2)闭包在运行可以有多个实例。
(3)尽量不要在闭包中引用循环变量,或者后续会发生变化的变量。
6 装饰器
我们知道,在 Python 中,我们可以像使用变量一样使用函数:(1)函数可以被赋值给其他变量(2)函数可以被删除(3)可以在函数里面再定义函数(4)函数可以作为参数传递给另外一个函数(5)函数可以作为另一个函数的返回简而言之,函数就是一个对象。
6.1 对一个简单的函数进行装饰
为了更好地理解装饰器,我们先从一个简单的例子开始,假设有下面的函数:
1. def hello ():2. return 'hello world'
现在我们想增强
hello()
函数的功能,希望给返回加上
HTML
标签,比如
<i>hello
world</i>
,但是有一个要求,不改变原来
hello()
函数的定义。这里当然有很多种方法,下面
给出一种跟本文相关的方法:
1. def makeitalic ( func ):2. def wrapped ():3. return "<i>" + func () + "</i>"4. return wrapped
在上面的代码中,我们定义了一个函数
makeitalic
,该函数有一个参数
func
,它是一个函
数;在
makeitalic
函数里面我们又定义了一个内部函数
wrapped
,并将该函数作为返回。
现在,我们就可以不改变
hello()
函数的定义,给返回加上
HTML
标签了:
1. >>> hello = makeitalic ( hello ) # 将 hello 函数传给 makeitalic2. >>> hello ()3. '<i>hello world</i>'
在上面,我们将
hello
函数传给
makeitalic
,再将返回赋给
hello
,此时调用
hello()
就得到了我们想要的结果。
不过要注意的是,由于我们将
makeitalic
的返回赋给了
hello
,此时
hello()
函数仍
然存在,但是它的函数名不再是
hello
了,而是
wrapped
,正是
makeitalic
返回函数的名
称,可以验证一下:
1. >>> hello . __name__2. 'wrapped'
对于这个小瑕疵,后文将会给出解决方法。
现在,我们梳理一下上面的例子,为了增强原函数
hello
的功能,我们定义了一个函数,它接收
原函数作为参数,并返回一个新的函数,完整的代码如下:
1. def makeitalic ( func ):2. def wrapped ():3. return "<i>" + func () + "</i>"4. return wrapped5.6. def hello ():7. return 'hello world'8.9. hello = makeitalic ( hello )
事实上,
makeitalic
就是一个装饰器(
decorator
),它『装饰』了函数
hello
,并返回一
个函数,将其赋给
hello
。
一般情况下,我们使用装饰器提供的
@
语法糖(
Syntactic Sugar
),来简化上面的写法:
1. def makeitalic ( func ):2. def wrapped ():3. return "<i>" + func () + "</i>"4. return wrapped5.6. @makeitalic7. def hello ():8. ` return 'hello world'
像上面的情况,可以动态修改函数(或类)功能的函数就是装饰器。本质上,它是一个高阶函数,以被装饰的函数(比如上面的 hello
)为参数,并返回一个包装后的函数(比如上面的
wrapped
)给被装饰函数(hello
)。
6.2 装饰器的使用形式
装饰器的一般使用形式如下:
1. @decorator2. def func ():3. pass
等价于下面的形式:
1. def func ():2. pass3. func = decorator ( func )
装饰器可以定义多个,离函数定义最近的装饰器先被调用,比如:
1. @decorator_one2. @decorator_two3. def func ():4. pass
等价于:
1. def func ():2. pass3.4. func = decorator_one ( decorator_two ( func ))
装饰器还可以带参数,比如:
1. @decorator ( arg1 , arg2 )2. def func ():3. pass
等价于:
1. def func ():2. pass3.4. func = decorator ( arg1 , arg2 )( func )
下面我们再看一些具体的例子,以加深对它的理解。
6.3 对带参数的函数进行装饰
前面的例子中,被装饰的函数
hello()
是没有带参数的,我们看看被装饰函数带参数的情况。对
前面例子中的
hello()
函数进行改写,使其带参数,如下:
1. def makeitalic ( func ):2. def wrapped (* args , ** kwargs ):3. ret = func (* args , ** kwargs )4. return '<i>' + ret + '</i>'5. return wrapped6.7. @makeitalic8. def hello ( name ):9. return 'hello %s' % name10.11. @makeitalic12. def hello2 ( name1 , name2 ):13. return 'hello %s, %s' % ( name1 , name2 )
由于函数
hello
带参数,因此内嵌包装函数
wrapped
也做了一点改变:
内嵌包装函数的参数传给了
func
,即被装饰函数,也就是说内嵌包装函数的参数跟被装饰函数
的参数对应,这里使用了
(*args, **kwargs)
,是为了适应可变参数。
看看使用:
1. >>> hello ( 'python' )2. '<i>hello python</i>'3. >>> hello2 ( 'python' , 'java' )4. '<i>hello python, java</i>'
6.4 带参数的装饰器
上面的例子,我们增强了函数
hello
的功能,给它的返回加上了标签
<i>...</i>
,现在,我
们想改用标签
<b>...</b>
或
<p>...</p>
。是不是要像前面一样,再定义一个类似
makeitalic
的装饰器呢?其实,我们可以定义一个函数,将标签作为参数,返回一个装饰器,比
如:
1. def wrap_in_tag ( tag ):2. def decorator ( func ):3. def wrapped (* args , ** kwargs ):4. ret = func (* args , ** kwargs )5. return '<' + tag + '>' + ret + '</' + tag + '>'6. return wrapped7.8. return decorator
现在,我们可以根据需要生成想要的装饰器了:
1. makebold = wrap_in_tag ( 'b' ) # 根据 'b' 返回 makebold 生成器2.3. @makebold4. def hello ( name ):5. return 'hello %s' % name6.7. >>> hello ( 'world' )8. '<b>hello world</b>'
上面的形式也可以写得更加简洁:
1. @wrap_in_tag ( 'b' )2. def hello ( name ):3. return 'hello %s' % name
这就是带参数的装饰器,其实就是在装饰器外面多了一层包装,根据不同的参数返回不同的装饰器。
6.5 多个装饰器
现在,让我们来看看多个装饰器的例子,为了简单起见,下面的例子就不使用带参数的装饰器。
1. def makebold ( func ):2. def wrapped ():3. return '<b>' + func () + '</b>'4.5. return wrapped6.7. def makeitalic ( func ):8. def wrapped ():9. return '<i>' + func () + '</i>'10.11. return wrapped12.13. @makebold14. @makeitalic15. def hello ():16. return 'hello world'
上面定义了两个装饰器,对
hello
进行装饰,上面的最后几行代码相当于:
1. def hello ():2. return 'hello world'3.4. hello = makebold ( makeitalic ( hello ))
调用函数
hello
:
1. >>> hello ()2. '<b><i>hello world</i></b>'
6.6 基于类的装饰器
前面的装饰器都是一个函数,其实也可以基于类定义装饰器,看下面的例子:
1. class Bold ( object ):2. def __init__ ( self , func ):3. self . func = func4.5. def __call__ ( self , * args , ** kwargs ):6. return '<b>' + self . func (* args , ** kwargs ) + '</b>'7.8. @Bold9. def hello ( name ):10. return 'hello %s' % name11.12. >>> hello ( 'world' )13. '<b>hello world</b>'
可以看到,类
Bold
有两个方法:
__init__()
:它接收一个函数作为参数,也就是被装饰的函数
__call__()
:让类对象可调用,就像函数调用一样,在调用被装饰函数时被调用
还可以让类装饰器带参数:
1. class Tag ( object ):2. def __init__ ( self , tag ):3. self . tag = tag4.5. def __call__ ( self , func ):6. def wrapped (* args , ** kwargs ):7. return "<{tag}>{res}</{tag}>" . format (8. res = func (* args , ** kwargs ), tag = self . tag9. )10. return wrapped11.12. @Tag ( 'b' )13. def hello ( name ):14. return 'hello %s' % name
需要注意的是,如果类装饰器有参数,则
__init__
接收参数,而
__call__
接收
func
。
6.7 装饰器的副作用
前面提到,使用装饰器有一个瑕疵,就是被装饰的函数,它的函数名称已经不是原来的名称了,回到最开始的例子:
1. def makeitalic ( func ):2. def wrapped ():3. return "<i>" + func () + "</i>"4. return wrapped5.6. @makeitalic7. def hello ():8. return 'hello world'
函数
hello
被
makeitalic
装饰后,它的函数名称已经改变了:
1. >>> hello . __name__2. 'wrapped'
为了消除这样的副作用,
Python
中的
functools
包提供了一个
wraps
的装饰器:
1. from functools import wraps2.3. def makeitalic ( func ):4. @wraps ( func ) # 加上 wraps 装饰器5. def wrapped ():6. return "<i>" + func () + "</i>"7. return wrapped8.9. @makeitalic10. def hello ():11. return 'hello world'12.13. >>> hello . __name__14. 'hello'
6.8 小结
(1)本质上,装饰器就是一个返回函数的高阶函数。
(2)装饰器可以动态地修改一个类或函数的功能,通过在原有的类或者函数上包裹一层修饰类或修饰函数实现。
(3)事实上,装饰器就是闭包的一种应用,但它比较特别,接收被装饰函数为参数,并返回一个函
数,赋给被装饰函数,闭包则没这种限制。
7 partial
Python
提供了一个
functools
的模块,该模块为高阶函数提供支持,
partial
就是其中的一个
函数,该函数的形式如下:
1. functools . partial ( func [,* args ][, ** kwargs ])
这里先举个例子,看看它是怎么用的。
假设有如下函数:
1. def multiply ( x , y ):2. return x * y
现在,我们想返回某个数的双倍,即:
1. >>> multiply ( 3 , y = 2 )2. 63. >>> multiply ( 4 , y = 2 )4. 85. >>> multiply ( 5 , y = 2 )6. 10
上面的调用有点繁琐,每次都要传入
y=2
,我们想到可以定义一个新的函数,把
y=2
作为默
认值,即:
1. def double ( x , y = 2 ):2. return multiply ( x , y )
现在,我们可以这样调用了:
1. >>> double ( 3 )2. 63. >>> double ( 4 )4. 85. >>> double ( 5 )6. 10
事实上,我们可以不用自己定义
double
,利用
partial
,我们可以这样:
partial
函数
1. from functools import partial2.3. double = partial ( multiply , y = 2 )
partial
接收函数
multiply
作为参数,固定
multiply
的参数
y=2
,并返回一个新
的函数给
double
,这跟我们自己定义
double
函数的效果是一样的。
所以,简单而言,
partial
函数的功能就是:把一个函数的某些参数给固定住,返回一个新的函
数。
需要注意的是,我们上面是固定了
multiply
的关键字参数
y=2
,如果直接使用:
1. double = partial ( multiply , 2 )
则
2
是赋给了
multiply
最左边的参数
x
,不信?我们可以验证一下:
1. from functools import partial2.3. def subtraction ( x , y ):4. return x - y5.6. f = partial ( subtraction , 4 ) # 4 赋给了 x7. >>> f ( 10 ) # 4 - 108. - 6
(1)partial
的功能:固定函数参数,返回一个新的函数。
(2)当函数参数太多,需要固定某些参数时,可以使用
functools.partial
创建一个新的函数。
相关文章
- Python基础21-网络编程
- Python 编程 | 连载 17 - 高阶函数与装饰器
- Python 编程 | 连载 23 - 常用函数与高阶函数
- 哪些软件是python编写出来的_用Python编程需要什么软件?
- python整除和取余写法_Python的整除和取余[通俗易懂]
- Python入门系列(六)一篇学会python函数
- 初学者python详细安装步骤_编程工具
- python监控网页内容变化_使用Python监控文件内容变化代码实例
- 日拱一卒,一起来上伯克利的实验课,Python函数式编程入门
- python社交网络分析_python编程:从入门到实践
- 【干货】Python 函数式编程,看这一篇就够了!
- Python编程 列表的常用方法
- Python函数式编程:返回函数与匿名函数
- python udp编程_Python核心编程
- Python 冒泡排序_python
- Python:利用python代码编程实现将视频的avi格式转换为MP4格式
- python里面的缩进是什么意思_Python缩进规则(一看即懂)[通俗易懂]
- 关于python中lambda函数的描述_Python全局变量
- Python编程经典案例【考题】自由落体运动球的运动轨迹
- 【测试开发】python系列教程:Python 运算符
- 通过 for 循环,比较 Python 与 Ruby 编程思想的差别
- python高级线程编程-线程间通信(三)
- Python学习:6.python内置函数详解编程语言
- 使用Python编程连接MySQL数据库(python连mysql)
- 使用Python连接SQL Server数据库(python连接sqlserver数据库)
- 如何在Linux上将Python脚本设置为后台运行?(linux后台运行python)
- Python高效编程技巧
- 实例讲解python函数式编程
- python网络编程学习笔记(三):socket网络服务器