Python3 【高阶函数】项目实战：5 个学习案例

Python3 【高阶函数】项目实战：5 个学习案例

本文包含 5 个关于“高阶函数”的综合应用项目，每个项目都包含完整的程序代码、测试案例和执行结果。具体项目是：

1. 成绩统计分析
2. 单词统计工具
3. 简易计算器工厂
4. 任务调度器
5. 数据管道处理

---

项目 1：成绩统计分析

功能描述：

• 使用 map 和 filter 对学生成绩进行转换和筛选。
• 计算平均成绩并使用 reduce 实现。

代码：

from functools import reduce# 学生成绩数据
students = [{"name": "Alice", "score": 85},{"name": "Bob", "score": 90},{"name": "Charlie", "score": 78},{"name": "David", "score": 92},
]# 1. 使用 map 提取所有成绩
scores = list(map(lambda x: x["score"], students))
print("所有成绩:", scores)# 2. 使用 filter 筛选出及格的学生（假设及格线为 80）
passed_students = list(filter(lambda x: x["score"] >= 80, students))
print("及格学生:", passed_students)# 3. 使用 reduce 计算平均成绩
average_score = reduce(lambda x, y: x + y, scores) / len(scores)
print("平均成绩:", average_score)

输出：

所有成绩: [85, 90, 78, 92]
及格学生: [{'name': 'Alice', 'score': 85}, {'name': 'Bob', 'score': 90}, {'name': 'David', 'score': 92}]
平均成绩: 86.25

---

项目 2：单词统计工具

功能描述：

• 使用 map 和 filter 对文本中的单词进行处理。
• 统计单词长度分布。

代码：

# 示例文本
text = "Python is a powerful programming language. Python is easy to learn."# 1. 使用 map 将文本拆分为单词并转换为小写
words = list(map(lambda x: x.lower(), text.split()))
print("单词列表:", words)# 2. 使用 filter 筛选出长度大于 4 的单词
long_words = list(filter(lambda x: len(x) > 4, words))
print("长度大于 4 的单词:", long_words)# 3. 统计单词长度分布
from collections import defaultdict
word_length_count = defaultdict(int)
for word in words:word_length_count[len(word)] += 1
print("单词长度分布:", dict(word_length_count))

输出：

单词列表: ['python', 'is', 'a', 'powerful', 'programming', 'language.', 'python', 'is', 'easy', 'to', 'learn.']
长度大于 4 的单词: ['python', 'powerful', 'programming', 'language.', 'python', 'learn.']
单词长度分布: {6: 3, 2: 3, 1: 1, 8: 1, 11: 1, 9: 1, 4: 1} 

---

项目 3：简易计算器工厂

功能描述：

• 使用高阶函数创建加减乘除的计算器函数。

代码：

# 计算器工厂函数
def create_calculator(operation):if operation == "add":return lambda x, y: x + yelif operation == "subtract":return lambda x, y: x - yelif operation == "multiply":return lambda x, y: x * yelif operation == "divide":return lambda x, y: x / y if y != 0 else "Error: Division by zero"else:return lambda x, y: "Invalid operation"# 创建计算器
add = create_calculator("add")
subtract = create_calculator("subtract")
multiply = create_calculator("multiply")
divide = create_calculator("divide")# 测试计算器
print("10 + 5 =", add(10, 5))
print("10 - 5 =", subtract(10, 5))
print("10 * 5 =", multiply(10, 5))
print("10 / 5 =", divide(10, 5))
print("10 / 0 =", divide(10, 0))

输出：

10 + 5 = 15
10 - 5 = 5
10 * 5 = 50
10 / 5 = 2.0
10 / 0 = Error: Division by zero

---

项目 4：任务调度器

功能描述：

• 使用高阶函数实现任务调度，支持添加任务和执行任务。

代码：

# 任务调度器
class TaskScheduler:def __init__(self):self.tasks = []# 添加任务def add_task(self, task):self.tasks.append(task)# 执行所有任务def run_tasks(self):for task in self.tasks:task()# 示例任务
def task1():print("执行任务 1")def task2():print("执行任务 2")# 创建调度器并添加任务
scheduler = TaskScheduler()
scheduler.add_task(task1)
scheduler.add_task(task2)# 执行任务
scheduler.run_tasks()

输出：

执行任务 1
执行任务 2

---

项目 5：数据管道处理

功能描述：

• 使用高阶函数实现数据管道，支持链式处理数据。

代码：

# 数据管道类
class DataPipeline:def __init__(self, data):self.data = data# 添加处理步骤def add_step(self, step):self.data = list(map(step, self.data))return self# 获取结果def get_result(self):return self.data# 示例数据
data = [1, 2, 3, 4, 5]# 创建管道并添加处理步骤
pipeline = DataPipeline(data)
result = pipeline.add_step(lambda x: x * 2) \.add_step(lambda x: x + 1) \.get_result()print("处理结果:", result)

输出：

处理结果: [3, 5, 7, 9, 11]

---

总结

以上 5 个迷你项目展示了高阶函数在实际开发中的应用，通过这些项目，可以更好地理解高阶函数的作用和优势。