高阶函数
- map/reduce
- filter
结果: [1, 5, 9, 15]
- 匿名函数
- 装饰器
相当于

💡 函数就是面向过程的程序设计的基本单元，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，输入是确定的输出就是确定的
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

高阶函数
函数名其实就是指向函数的变量，变量可以指向函数，函数的参数能接收便来金
一个函数接收另一个函数作为参数，这种函数就称之为高阶函数

map/reduce

map
map()函数接收两个参数，一个是函数，一个是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

map()作为高阶函数，事实上把运算规则抽象了，可以计算任意复杂的函数

def f(x):
  return x * x
r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
list(r) #[1, 4, 9, 16, 25, 36, 49, 64, 81]

reduce

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reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

filter
filter()也接收一个函数和一个序列，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
注意到filter()函数返回的也是一个Iterator，也就是一个惰性序列，所以只有在取filter()结果的时候，才会真正筛选并返回下一个筛出的元素，需要用list()函数获得所有结果并返回list ```python def is_odd(n): return n % 2 == 1

list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))

结果: [1, 5, 9, 15]

<a name="bHtOm"></a>
#### sorted
- `sorted()`可以对list进行排序，是一个高阶函数，可以接收一个`key`函数来实现自定义的排序，第三个参数是`reverse=True`
<a name="M5otG"></a>
### 返回函数
```python
def lazy_sum(*args):
    def sum():
        ax = 0
        for n in args:
            ax = ax + n
        return ax
    return sum

在函数lazy_sum中又定义了函数sum，并且sum可以引用外部函数的参数和局部变量，当lazy_sum返回函数sum时，相关参数和变量都保存在返回的函数中，这种称为“闭包（Closure）”
每次调用都会返回一个新函数，即使传入相同的参数，用==判断则返回False ```python def count(): fs = [] for i in range(1, 4):
```
  def f():
       return i*i
  fs.append(f)
```
return fs

f1, f2, f3 = count() f1() #9 f2() #9 f3() #9

def count(): def f(j): def g(): return j*j return g fs = [] for i in range(1, 4): fs.append(f(i)) # f(i)立刻被执行，因此i的当前值被传入f() return fs f1() #1 f2() #4 f3() #9


- 💡 返回闭包时要牢记，返回函数不要引用任何循环变量，或者后续会发生变化的变量。如果一定要引用，则**再创建一个函数并用该函数的参数绑定循环变量当前的值**
- 💡 使用闭包时，对外层变量赋值前，需要先使用`nonlocal`声明该变量不是当前函数的局部变量
```python
def createCounter():
    x = 0
    def counter():
        nonlocal x
        x = x + 1
        return x
    return counter
# 测试:
counterA = createCounter()
print(counterA(), counterA(), counterA(), counterA(), counterA()) # 1 2 3 4 5
counterB = createCounter()
if [counterB(), counterB(), counterB(), counterB()] == [1, 2, 3, 4]:
    print('测试通过!')
else:
    print('测试失败!')

匿名函数

匿名函数lambda x: x * x，冒号前面的x表示函数参数，只能有一个表达式，不用写return。因为函数没有名字，不必担心函数名冲突

装饰器
在代码运行期间动态增加功能的方式称之为“装饰器”，本质上，decorator就是一个返回函数的高阶函数

如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数 ```python import functools def log(text): def decorator(func):

  @functools.wraps(func) #将func的函数名绑定为wrapper函数名
  def wrapper(*args, **kw):
      print('%s %s():' % (text, func.__name__))
      return func(*args, **kw)
  return wrapper

return decorator

@log(‘execute’) def now(): print(‘2015-3-25’)

相当于

now = log(‘execute’)(now)

<a name="RpBGY"></a>
### 偏函数
- `functools.partial`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
- 创建偏函数时，实际上可以接收函数对象、`*args`和`**kw`这三个参数
```python
int2 = functools.partial(int, base=2)
int2('10010')
#相当于
kw = { 'base': 2 }
int('10010', **kw)

函数式编程

高阶函数

map/reduce

filter

结果: [1, 5, 9, 15]

匿名函数

装饰器

相当于