Python中的高阶函数

        当一个函数接收另一个函数作为参数时，我们将其称为高阶函数。例如之前提到的装饰器，map，filter等。

        Python中有一个专门使用高阶函数的模块叫做functools，其中包含了很多实用的高阶函数和装饰器，以下是functools中的几个重点函数：

        1.reduce（）函数：将可迭代对象中的元素依次传递到第一个参数指定的函数中。

import functools

def add(a,b):
    return a+b

print(functools.reduce(add, [1,2,3,4,5,6]))
## 21

# 其本质类似于
# add(add(add(add(add(1,2),3),4),5),6)

        因此我们还可以将reduce函数第一个参数写成lambda表达式。

import functools

print(functools.reduce(lambda x,y:x*y , [1,2,3,4,5,6]))
## 720

# 同时，可迭代对象的形式也可以发生改变。
print(functools.reduce(lambda x,y:x*y , range(1,7)))
## 720

        2.偏函数：对指定的函数进行二次包装，通常是将现有的函数部分参数预先绑定，从而得到的新的函数。作用是将一个函数的多个参数给拆分，多次进行传递。

import functools

square = functools.partial(pow, exp=2)

print(square(2))
print(square(3))
## 4
## 9

cube = functools.partial(pow, exp=3)
print(cube(2))
print(cube(3))
## 8
## 27

        3.@wraps装饰器

对于常见的装饰器，我们通过对其自省，便可以发现

import time

def times(func):
    def call_func():
        print("开始运行该程序...")
        start = time.time()
        func()
        stop = time.time()
        print(f"一共耗费了{(stop - start) * 1000:.2f}ms")
    return call_func

@times
def myfun():
    time.sleep(2)
    print("I Love Cloud")

print(myfun.__name__)

## call_func

对于func函数，我们却得到了call_func这一个名称，为了解决这一问题，我们导入了@wraps装饰器。

import time
import functools

def times(func):
    @functools.wraps(func)
    def call_func():
        print("开始运行该程序...")
        start = time.time()
        func()
        stop = time.time()
        print(f"一共耗费了{(stop - start) * 1000:.2f}ms")
    return call_func

@times
def myfun():
    time.sleep(2)
    print("I Love Cloud")

print(myfun.__name__)

## myfun

调用functools库，找到函数闭包中真正调用的函数，在其上方使用wraps，便可以得到想要的结果。