▲函数式编程Function Programming
函数时Python内建支持的一种封装。我们通过把大段代码拆成函数，通过一层一层的函数调用，就可以把复杂任务分解成简单的任务，这种分解可以称之为面向过程的程序设计。函数就是面向过程的程序设计的基本单元。
函数式编程也可以归结到面向过程的程序设计，但它的思想更接近数学计算。
函数式编程就是一种抽象度很高的编程范式，纯粹的函数式编程语言编写的函数没有变量。
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，还允许返回另一个函数。
Python对函数式编程提供部分支持。由于Python允许使用变量，因此Python不是纯函数式编程语言。
▲高阶函数Higher-order function
变量可以指向函数。函数名也是变量，其实就是指向函数的变量。
变量可以指向函数，函数的参数也能接受变量。那么一个函数就可以接收另一个函数作为参数，这种函数就称为高阶函数。
如果把Python内置的函数名指向其他对象，就无法通过变量名调用函数而出错。示例代码如下：
>>> abs(-10) 10 >>> abs <built-in function abs> >>> f = abs >>> f(-12) 12 >>> f <built-in function abs> >>> def add(x, y, f): ... return f(x) + f(y) ... >>> add(-10, 12, abs) 22
▲map/reduce
map()函数接收两个参数，一个function和一个list。map将传入的function依次作用到list的每个元素，并把结果作为新的list返回。示例代码如下：
>>> def f(x): ... return x * x ... >>> map(f, list(range(1,11))) <map object at 0x017C0ED0> >>> list(map(f, list(range(1, 11)))) [1, 4, 9, 16, 25, 36, 49, 64, 81, 100] >>> list(map(str, list(range(1, 11)))) [‘1‘, ‘2‘, ‘3‘, ‘4‘, ‘5‘, ‘6‘, ‘7‘, ‘8‘, ‘9‘, ‘10‘]
reduce把一个函数作用在一个list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计计算。示例代码如下：
>>> def f(x, y):
... return x * 10 + y
...
>>> import functools
>>> functools.reduce(f, [1, 3, 5, 7, 9])
13579
#将char转换为int类型
>>> def chartoint(s):
... return {‘0‘:0, ‘1‘:1, ‘2‘:2, ‘3‘:3, ‘4‘:4, ‘5‘:5, ‘6‘:6, ‘7‘:7, ‘8‘:8, ‘9‘:9}[s]
...
>>> functools.reduce(f, map(chartoint, ‘13579‘))
13579
▲filter
Python内建的filter()函数用于过滤序列。filter也接收一个函数和一个序列。和map()不同的是，filter()根据函数作用于每个元素的返回值是true还是false来决定保留还是丢弃该元素。示例代码如下：
>>> def is_odd(n): ... return n % 2 == 1 ... >>> filter(is_odd, list(range(20))) <filter object at 0x017C0F70> >>> list(filter(is_odd, list(range(20)))) [1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
▲sorted
对于数字，我们可以直接比较大小。但对于，字符串或者dict，直接比较数学上的大小无意义。因此，比较的过程必须通过函数抽象出来。通常规定，x<y返回-1,x=y返回0，x>y返回1。
对字符串排序，默认按照ASCII的大小比较。
示例代码如下：
>>> sorted([12, 23, 4, 34, 6]) [4, 6, 12, 23, 34] >>> sorted([‘wddoer‘, ‘IBM‘, ‘apple‘, ‘MIUI‘]) [‘IBM‘, ‘MIUI‘, ‘apple‘, ‘wddoer‘] #不区分大小写排序 >>> sorted([‘wddoer‘, ‘IBM‘, ‘apple‘, ‘MIUI‘], key = str.lower) [‘apple‘, ‘IBM‘, ‘MIUI‘, ‘wddoer‘]
▲返回函数
高阶函数除了可以接受函数作为参数传递外，还可以把函数作为结果值返回。示例代码如下：
>>> def lazy_sum(*args): ... def sum(): ... i = 0 ... for n in args: ... i = i + n ... return i ... return sum ... >>> f = lazy_sum(1, 2, 3, 4, 5) >>> f <function lazy_sum.<locals>.sum at 0x017C43D8> >>> f() 15
▲匿名函数lambda
匿名函数有个限制，就是只能有一个表达式，不用谢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。示例代码如下：
>>> map(lambda x : x * x, list(range(1, 11))) <map object at 0x017CA090> >>> list(map(lambda x : x * x, list(range(1, 11)))) [1, 4, 9, 16, 25, 36, 49, 64, 81, 100] >>> f = lambda x : x * x >>> f <function <lambda> at 0x01808B28>
▲装饰器Decorator
在代码运行期间动态增加功能的方式，就是decorator。Python除了能支持面向对象（OOP）的decorator外，直接从语法层次支持decorator。Python的decorator可以用函数来实现，也可以用类来实现。
函数对象有一个__name__属性，可以拿到函数名
借助Python的@语法，我们可以把decorator至于函数的定义外
示例代码如下：
>>> def now(): ... print(‘2015-1-28‘) ... >>> now() 2015-1-28 >>> f = now >>> f() 2015-1-28 >>> f.__name__ ‘now‘ #定义一个能打印日志的decorator >>> def log(func): ... def wrapper(*args, **kw): ... print(‘call %s()：‘ % func.__name__) ... return func(*args, **kw) ... return wrapper ... #用@语法将decorator至于函数的定义之外 >>> @log ... def now(): ... print(‘2015-01-28‘) ... >>> now() call now()： 2015-01-28 >>> log(now) <function log.<locals>.wrapper at 0x01808A50> >>> now.__name__ ‘wrapper‘
▲偏函数Partial function
Python的functools模块提供了很多有用的功能，其中一个就是偏函数。
偏函数的作用就是，把一个函数的某些参数固定住（设默认值），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，实际上可以接受函数对象，*args，**kw（keywords）这三个参数。
示例代码如下：
#将字符串做二进制转换 >>> int(‘1111‘, base=2) 15 >>> int(‘1111‘, base=8) 585 >>> int(‘1111‘, base=10) 1111 >>> int(‘1111‘, base=16) 4369 #导入functools模块 >>> import functools #定义一个偏函数int2，将传入的字符串参数按二进制转换 >>> int2 = functools.partial(int, base = 2) >>> int2(‘1111‘) 15