Python 高阶函数

变量可以指向函数

函数本身也可以赋值给变量， 即：变量可以指向函数。

>>> f = abs
>>> f(-10)
10

说明变量 f 现在已经指向了 abs 函数本身。 直接调用 abs() 函数和调用变量 f() 完全相同。

函数名也是变量

函数名其实就是指向函数的变量！对于 abs() 这个函数，
完全可以把函数名 abs 看成变量， 它指向一个可以计算绝对值的函数！
>>> abs = 10
>>> abs(-10)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'int' object is not callable
把 abs 指向 10 后， 就无法通过 abs(-10) 调用该函数了！因为 abs 这个变量
已经不指向求绝对值函数而是指向一个整数 10 ！

传入函数

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。
一个最简单的高阶函数：
def add(x, y, f):
    return f(x) + f(y)
>>> add(-5, 6, abs)
11
把函数作为参数传入， 这样的函数称为高阶函数， 函数式编程就是指这种高度抽象的编程范式。

map/reduce

Python内建了 map() 和 reduce() 函数。

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。

现在， 我们用Python代码实现：

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 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， 其效果就是：
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
比方说对一个序列求和， 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

写一个 prod() 函数， 可以接受一个list并利用 reduce() 求积：

def prod(L):
    from functools import reduce
    def subprod(x,y):
        return int(x) * int(y)
    return reduce(subprod,L)

>>>print('3*5*7:',prod([3,5,7]))

3*5*7: 105

filter

Python内建的 filter() 函数用于过滤序列 .

和 map() 类似， filter() 也接收一个函数和一个序列。 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。

例如， 在一个list中， 删掉偶数， 只保留奇数， 可以这么写：

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]
filter() 函数返回的是一个 Iterator ， 也就是一个惰性序列， 所以要 强 迫 filter() 完成 计 算 结 果， 需要用 list() 函数 获 得所有 结 果并返回 list 。

filter() 的作用是从一个序列中筛出符合条件的元素。 由于 filter() 使用了惰性计算， 所以只有在取 filter() 结果的时候， 才会真正筛选并每次返回下一个筛出的元素。

sorted ：排序算法

Python内置的 sorted() 函数就可以对list进行排序：

>>> sorted([36, 5, -12, 9, -21])
[-21, -12, 5, 9, 36]

我们给 sorted 传入key函数， 即可实现忽略大小写的排序： 

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]

我 们 再看一个字符串排序的例子：

>>> 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。

>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower)
['about', 'bob', 'Credit', 'Zoo']

要 进 行反向排序， 不必改 动 key 函数， 可以 传 入第三个参数 reverse=True ：

>>> sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)
['Zoo', 'Credit', 'bob', 'about']

用 sorted() 对列表分别按名字排序：

>>>L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]
>>>L2 = sorted(L)
>>>print(L2)
[('Adam', 92), ('Bart', 66), ('Bob', 75), ('Lisa', 88),]

用  sorted()  对 列表分 别 按成绩排序：

>>>L = [('Bob', 75), ('Adam', 92), ('Bart', 66), ('Lisa', 88)]
>>>sorted(L,key = lambda l:l[1])
>>>print(L2)
[('Bart', 66), ('Bob', 75), ('Lisa', 88), ('Adam', 92)]

def is_odd(n): return n % 2 == 1