一.高阶函数

高阶函数：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。

1. map/reduce

• 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。

>> list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
['1', '2', '3', '4', '5', '6', '7', '8', '9']

• 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.

---对一个序列求和，就可以用reduce实现：
>>> from functools import reduce
>>> def add(x, y):
...     return x + y

>>> reduce(add, [1, 3, 5, 7, 9])
25

2.filer()

和map()类似，filter()也接收一个函数和一个序列。和map()不同的是，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。

作用：筛选

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]

3.sorted

sorted() 函数也是一个高阶函数，它还可以接收一个key 函数来实现自定义的排序

--例如按绝对值大小排序：
>>> sorted([36, 5, -12, 9, -21], key=abs)
[5, 9, -12, -21, 36]

---字符串排序的例子
>>> sorted(['bob', 'about', 'Zoo', 'Credit'])
['Credit', 'Zoo', 'about', 'bob']

默认情况下，对字符串排序，是按照ASCII的大小比较的，由于'Z' < 'a' ，结果，大写字母Z 会排在小写字母a 的前面。

二.返回函数

概念：把函数作为结果返回(高阶函数)
衍生出的概念：闭包 装饰器

三.匿名函数

概念：不显示的定义函数,关键字lambda表示匿名函数

匿名函数lambda x: x * x 实际上就是：

def f(x):
    return x * x

冒号前面的x 表示函数参数
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。

四.装饰器

Decorator：在代码运行期间动态增加功能的方式(不改变原函数定义)，称之为“装饰器”。

def log(func):
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper

@log
def now():
    print('2015-3-25')

说明：

• 把@log放到now()函数的定义处，相当于执行了语句：now = log(now)
• 由于log()是一个decorator，返回一个函数，所以，原来的now()函数仍然存在，只是现在同名的now变量指向了新的函数，于是调用now()将执行新函数，即在log()函数中返回的wrapper()函数。

五.偏函数

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。

>>> import functools
>>> int2 = functools.partial(int, base=2)  ---int是int(),base是int()第二个参数进制数
>>> int2('1000000')
64
>>> int2('1010101')
85

注意到上面的新的int2 函数，仅仅是把base 参数重新设定默认值为2 ，但也可以在函数调用时传入其他值：

>>> int2('1000000', base=10)
1000000

适用场景： 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。