


Article détaillé sur les techniques de programmation fonctionnelle Python
Cet article fournit une introduction simple à la technologie de programmation fonctionnelle en Python.
Fonctions de première classe
En Python, les fonctions sont des "citoyens de première classe". Autrement dit, les fonctions sont sur un pied d'égalité avec d'autres types de données tels que int.
Ainsi, nous pouvons attribuer des fonctions à des variables, les transmettre comme arguments à d'autres fonctions, les stocker dans d'autres structures de données (telles que des dicts) et les utiliser comme valeurs de retour d'autres fonctions.
Traitez les fonctions comme des objets
Étant donné que d'autres types de données (tels que string, list et int) sont des objets, alors les fonctions sont également des objets en Python. Regardons l'exemple de fonction foo, qui affiche son propre nom :
def foo(): print("foo")
Puisque les fonctions sont des objets, nous pouvons attribuer la fonction foo à n'importe quelle variable, puis appeler cette variable. Par exemple, on peut affecter une fonction à la variable bar :
bar = foo bar() #will print "foo" to the console
L'instruction bar = foo assigne l'objet référencé par la fonction foo à la variable bar.
Traitez les objets comme des fonctions
Lorsque les objets sont appelables, ils sont identiques aux fonctions, telles que object(). Ceci est réalisé grâce à la méthode d’appel.
L'exemple est le suivant :
class Greeter: def __init__(self, greeting): self.greeting = greeting def __call__(self, name): return self.greeting + " " + name
Chaque fois que nous configurons un objet de la classe Greeter, nous créerons un nouvel objet, qui est un nouveau nom qui peut être crié lors du salut. Comme indiqué ci-dessous :
morning = Greeter("good morning") #creates the callable object morning("john") # calling the object #prints "good morning john" to the console
La raison pour laquelle nous pouvons appeler l'objet matin est que nous avons utilisé la méthode call dans la définition de la classe. Pour vérifier si un objet est appelable, nous utilisons la fonction intégrée callable :
callable(morning) #true callable(145) #false. int is not callable.
Fonctions à l'intérieur des structures de données
Les fonctions, comme les autres objets, peuvent être stockées dans des structures de données. Par exemple, nous pouvons créer un dictionnaire de int à func. Cela s'avère pratique lorsqu'un int est un raccourci pour l'étape à effectuer.
# store in dictionary mapping = { 0 : foo, 1 : bar } x = input() #get integer value from user mapping[x]() #call the func returned by dictionary access
De même, les fonctions peuvent être stockées dans diverses autres structures de données.
Utiliser des fonctions comme paramètres et valeurs de retour
Les fonctions peuvent également être utilisées comme paramètres et valeurs de retour d'autres fonctions. Les fonctions qui acceptent des fonctions comme fonctions d'entrée ou de retour sont appelées fonctions d'ordre supérieur et constituent une partie importante de la programmation fonctionnelle.
Les fonctions d'ordre supérieur ont des capacités puissantes. Comme expliqué dans "Eloquent JavaScript" :
"Les fonctions d'ordre supérieur nous permettent d'abstraire des actions, pas seulement des valeurs abstraites."
Regardons un exemple. Supposons que nous souhaitions parcourir une liste d’éléments et les imprimer dans l’ordre. Nous pouvons facilement créer une fonction itérer :
def iterate(list_of_items): for item in list_of_items: print(item)
Cela a l'air cool, mais ce n'est qu'une abstraction de premier niveau. Et si nous voulons faire autre chose qu’imprimer en parcourant la liste ?
C'est le sens de l'existence de fonctions d'ordre supérieur. Nous pouvons créer une fonction iterate_custom, où la liste à parcourir et la fonction à appliquer à chaque élément sont les entrées de la fonction iterate_custom :
def iterate_custom(list_of_items, custom_func): for item in list_of_items: custom_func(item)
Cela peut sembler trivial, mais c'est en fait très puissant.
Nous avons élevé le niveau d'abstraction pour rendre le code plus réutilisable. Désormais, non seulement nous pouvons appeler cette fonction lors de l'impression d'une liste, mais nous pouvons également effectuer des opérations arbitraires sur la liste impliquant une itération de séquence.
Les fonctions peuvent également être renvoyées, ce qui rend les choses encore plus simples. Tout comme nous stockons des fonctions dans un dict, nous pouvons également utiliser des fonctions comme instructions de contrôle pour déterminer la fonction appropriée. Par exemple :
def add(x, y): return x + y def sub(x, y): return x - y def mult(x, y): return x * y def calculator(opcode): if opcode == 1: return add elif opcode == 2: return sub else: return mult my_calc = calculator(2) #my calc is a subtractor my_calc(5, 4) #returns 5 - 4 = 1 my_calc = calculator(9) #my calc is now a multiplier my_calc(5, 4) #returns 5 x 4 = 20.
Fonctions imbriquées
Les fonctions peuvent également être à l'intérieur d'autres fonctions. Il s'agit d'une "fonction interne". Les fonctions intrinsèques sont utiles lors de la création de fonctions d'assistance, de petites fonctions réutilisables qui servent de sous-modules pour prendre en charge la fonction principale.
Nous pouvons utiliser des fonctions d'assistance lorsque le problème nécessite une définition de fonction spécifique (type ou ordre de paramètre). Cette approche non traditionnelle rend la résolution de problèmes beaucoup plus simple, pour un exemple voir :
http://www-inst.eecs.berkeley.edu/~cs61a/sp12/lectures/lect4-2x3.pdf.
Supposons que vous souhaitiez définir une fonction de Fibonacci fib(n), qui n'a qu'un seul paramètre n, et que nous devons renvoyer le nième nombre de Fibonacci.
Une façon possible de définir une telle fonction est d'utiliser une fonction d'assistance pour suivre les deux premiers termes de la séquence de Fibonacci (puisque le nombre de Fibonacci est la somme des deux premiers nombres).
def fib(n): def fib_helper(fk1, fk, k): if n == k: return fk else: return fib_helper(fk, fk1+fk, k+1) if n <= 1: return n else: return fib_helper(0, 1, 1)
Déplacer ce calcul du corps de la fonction vers les paramètres de la fonction est très puissant. Parce que cela réduit les calculs redondants pouvant survenir dans les méthodes récursives.
Fonction d'expression unique (expression Lambda)
Que devons-nous faire si nous voulons écrire une fonction avant de lui donner un nom ? Que se passe-t-il si nous voulons écrire une courte fonction sur une ligne (comme la fonction foo ou mult dans l'exemple ci-dessus) ?
我们可以在 Python 中使用 lambda 关键字来定义此类函数。示例如下:
mult = lambda x, y: x * y mult(1, 2) #returns 2
该 mult 函数的行为与使用传统 def 关键字定义函数的行为相同。
注意:lambda 函数必须为单行,且不能包含程序员写的返回语句。
事实上,它们通常具备隐式的返回语句(在上面的示例中,函数想表达 return x * y,不过我们省略了 lambda 函数中的显式返回语句)。
lambda 函数更加强大和精准,因为我们还可以构建匿名函数(即没有名称的函数):
(lambda x, y: x * y)(9, 10) #returns 90
当我们只需要一次性使用某函数时,这种方法非常方便。例如,当我们想填充字典时:
import collections pre_fill = collections.defaultdict(lambda: (0, 0)) #all dictionary keys and values are set to 0
接下来我们来看 Map、Filter 和 Reduce,以更多地了解 lambda。
Map、Filter 和 Reduce
Map
map 函数基于指定过程(函数)将输入集转换为另一个集合。这类似于上文提到的 iterate_custom 函数。例如:
def multiply_by_four(x): return x * 4 scores = [3, 6, 8, 3, 5, 7] modified_scores = list(map(multiply_by_four, scores)) #modified scores is now [12, 24, 32, 12, 20, 28]
在 Python 3 中,map 函数返回的 map 对象可被类型转换为 list,以方便使用。现在,我们无需显式地定义 multiply_by_four 函数,而是定义 lambda 表达式:
modified_scores = list(map(lambda x: 4 * x, scores))
当我们想对集合内的所有值执行某项操作时,map 函数很有用。
Filter
就像名称所显示的那样,filter 函数可以帮助筛除不想要的项。例如,我们想要去除 scores 中的奇数,那么我们可以使用 filter:
even_scores = list(filter(lambda x: True if (x % 2 == 0) else False, scores)) #even_scores = [6, 8]
由于提供给 filter 的函数是逐个决定是否接受每一个项的,因此该函数必须返回 bool 值,且该函数必须是一元函数(即只使用一个输入参数)。
Reduce
reduce 函数用于「总结」或「概述」数据集。例如,如果我们想要计算所有分数的总和,就可以使用 reduce:
sum_scores = reduce((lambda x, y: x + y), scores) #sum_scores = 32
这要比写循环语句简单多了。注意:提供给 reduce 的函数需要两个参数:一个表示正在接受检查的项,另一个表示所用运算的累积结果。
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

PHP et Python ont leurs propres avantages et inconvénients, et le choix dépend des besoins du projet et des préférences personnelles. 1.Php convient au développement rapide et à la maintenance des applications Web à grande échelle. 2. Python domine le domaine de la science des données et de l'apprentissage automatique.

Activer l'accélération du GPU Pytorch sur le système CentOS nécessite l'installation de versions CUDA, CUDNN et GPU de Pytorch. Les étapes suivantes vous guideront tout au long du processus: CUDA et CUDNN Installation détermineront la compatibilité de la version CUDA: utilisez la commande NVIDIA-SMI pour afficher la version CUDA prise en charge par votre carte graphique NVIDIA. Par exemple, votre carte graphique MX450 peut prendre en charge CUDA11.1 ou plus. Téléchargez et installez Cudatoolkit: visitez le site officiel de Nvidiacudatoolkit et téléchargez et installez la version correspondante selon la version CUDA la plus élevée prise en charge par votre carte graphique. Installez la bibliothèque CUDNN:

Python et JavaScript ont leurs propres avantages et inconvénients en termes de communauté, de bibliothèques et de ressources. 1) La communauté Python est amicale et adaptée aux débutants, mais les ressources de développement frontal ne sont pas aussi riches que JavaScript. 2) Python est puissant dans les bibliothèques de science des données et d'apprentissage automatique, tandis que JavaScript est meilleur dans les bibliothèques et les cadres de développement frontaux. 3) Les deux ont des ressources d'apprentissage riches, mais Python convient pour commencer par des documents officiels, tandis que JavaScript est meilleur avec MDNWEBDOCS. Le choix doit être basé sur les besoins du projet et les intérêts personnels.

Docker utilise les fonctionnalités du noyau Linux pour fournir un environnement de fonctionnement d'application efficace et isolé. Son principe de travail est le suivant: 1. Le miroir est utilisé comme modèle en lecture seule, qui contient tout ce dont vous avez besoin pour exécuter l'application; 2. Le Système de fichiers Union (UnionFS) empile plusieurs systèmes de fichiers, ne stockant que les différences, l'économie d'espace et l'accélération; 3. Le démon gère les miroirs et les conteneurs, et le client les utilise pour l'interaction; 4. Les espaces de noms et les CGROUP implémentent l'isolement des conteneurs et les limitations de ressources; 5. Modes de réseau multiples prennent en charge l'interconnexion du conteneur. Ce n'est qu'en comprenant ces concepts principaux que vous pouvez mieux utiliser Docker.

Minio Object Storage: Déploiement haute performance dans le système Centos System Minio est un système de stockage d'objets distribué haute performance développé sur la base du langage Go, compatible avec Amazons3. Il prend en charge une variété de langages clients, notamment Java, Python, JavaScript et GO. Cet article introduira brièvement l'installation et la compatibilité de Minio sur les systèmes CentOS. Compatibilité de la version CentOS Minio a été vérifiée sur plusieurs versions CentOS, y compris, mais sans s'y limiter: CentOS7.9: fournit un guide d'installation complet couvrant la configuration du cluster, la préparation de l'environnement, les paramètres de fichiers de configuration, le partitionnement du disque et la mini

La formation distribuée par Pytorch sur le système CentOS nécessite les étapes suivantes: Installation de Pytorch: La prémisse est que Python et PIP sont installés dans le système CentOS. Selon votre version CUDA, obtenez la commande d'installation appropriée sur le site officiel de Pytorch. Pour la formation du processeur uniquement, vous pouvez utiliser la commande suivante: pipinstalltorchtorchVisionTorChaudio Si vous avez besoin d'une prise en charge du GPU, assurez-vous que la version correspondante de CUDA et CUDNN est installée et utilise la version Pytorch correspondante pour l'installation. Configuration de l'environnement distribué: la formation distribuée nécessite généralement plusieurs machines ou des GPU multiples uniques. Lieu

Lors de l'installation de Pytorch sur le système CentOS, vous devez sélectionner soigneusement la version appropriée et considérer les facteurs clés suivants: 1. Compatibilité de l'environnement du système: Système d'exploitation: Il est recommandé d'utiliser CentOS7 ou plus. CUDA et CUDNN: La version Pytorch et la version CUDA sont étroitement liées. Par exemple, Pytorch1.9.0 nécessite CUDA11.1, tandis que Pytorch2.0.1 nécessite CUDA11.3. La version CUDNN doit également correspondre à la version CUDA. Avant de sélectionner la version Pytorch, assurez-vous de confirmer que des versions compatibles CUDA et CUDNN ont été installées. Version Python: branche officielle de Pytorch

La mise à jour de Pytorch vers la dernière version sur CentOS peut suivre les étapes suivantes: Méthode 1: Mise à jour de PIP avec PIP: Assurez-vous d'abord que votre PIP est la dernière version, car les anciennes versions de PIP peuvent ne pas être en mesure d'installer correctement la dernière version de Pytorch. pipinstall-upradepip désinstalle ancienne version de Pytorch (si installé): PipuninstallTorchtorchVisiontorchaudio installation dernier
