函数就是面向过程的程序设计的基本单元。
只要输入是确定的，输出就是确定的，这种纯函数我们称之为没有副作用
函数式编程的一个特点就是，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Higher-order function

  • 函数本身也可以赋值给变量，即：变量可以指向函数。
  • 函数名其实就是指向函数的变量
  • 既然变量可以指向函数，函数的参数能接收变量，那么一个函数就可以接收另一个函数作为参数，这种函数就称之为高阶函数
  • 编写高阶函数，就是让函数的参数能够接收别的函数。

    map/reduce

    map()函数接收两个参数，一个是函数，一个是序列，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list返回。
    再看reduce的用法。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
    def regName(s):
    1. return s[0].upper()+s[1:].lower()
    lambda函数

    filter

    Python内建的filter()函数用于过滤序列
    和map()不同的时，filter()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决定保留还是丢弃该元素

    sorted

    通常规定，对于两个元素x和y，如果认为x < y，则返回-1，如果认为x == y，则返回0，如果认为x > y，则返回1，这样，排序算法就不用关心具体的比较过程，而是根据比较结果直接排序。

    返回函数

    高阶函数除了可以接受函数作为参数外，还可以把函数作为结果值返回
    这种称为“闭包（Closure）”的程序结构拥有极大的威力
    返回闭包时牢记的一点就是：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
    我说下我个人的理解吧，不一定对~：从网上看来的资料说，闭包 = 函数 + 引用环境，也就是说，当形成一个闭包之后，放进闭包的并不是具体的值。 以这一节的例子来看，闭包中应该只包含变量i的地址，告诉程序当他被调用时这个i应该从哪里找，此时并不涉及i的值。
    只有当真正调用时，才根据此时i的值算出最终结果，而此时在返回3个函数之后，i的值已经成为3了，所以当我们开始调用函数时，返回的值就都是9了

    匿名函数

    lambda
    匿名函数有个限制，就是只能有一个表达式，不用写return，返回值就是该表达式的结果
    匿名函数也是一个函数对象，也可以把匿名函数赋值给一个变量，再利用变量来调用该函数
    把匿名函数作为返回值返回
    lambda 定义了一个匿名函数
    lambda 并不会带来程序运行效率的提高，只会使代码更简洁。
    如果可以使用for…in…if来完成的，坚决不用lambda。
    如果使用lambda，lambda内不要包含循环，如果有，我宁愿定义函数来完成，使代码获得可重用性和更好的可读性。

    装饰器

    本质上，decorator就是一个返回函数的高阶函数。
    这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）
    import functools是导入functools模块。模块的概念稍候讲解。现在，只需记住在定义wrapper()的前面加上@functools.wraps(func)即可。
    二层嵌套now = log(now)
    三层嵌套now = log(‘execute’)(now)

    偏函数

    Partial function
    简单总结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。
    当函数的参数个数太多，需要简化时，使用functools.partial可以创建一个新的函数，这个新函数可以固定住原函数的部分参数，从而在调用时更简单。