python进阶篇函数式方程之疑难点

高阶函数：把函数作为参数：例如：def add(x,y,f)：       return f(x)+f(y)f是函数，可以作为参数传入定义的函数中。

1，map()函数：map()是 Python 内置的高阶函数，它接收一个函数 f 和一个 list，并通过把函数 f 依次作用在 list 的每个元素上，得到一个新的 list 并返回。例如：def f(x):           return x*x print map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])输出结果：[1, 4, 9, 10, 25, 36, 49, 64, 81]2，reduce()函数:reduce()函数也是Python内置的一个高阶函数。reduce()函数接收的参数和 map()类似，一个函数 f，一个list，但行为和 map()不同，reduce()传入的函数 f 必须接收两个参数，reduce()对list的每个元素反复调用函数f，并返回最终结果值。reduce()还可以接收第3个可选参数，作为计算的初始值。如果把初始值设为100，计算：reduce(f, [1, 3, 5, 7, 9], 100)3，filter()函数：filter()函数是 Python 内置的另一个有用的高阶函数，filter()函数接收一个函数 f 和一个list，这个函数 f 的作用是对每个元素进行判断，返回 True或 False，filter()根据判断结果自动过滤掉不符合条件的元素，返回由符合条件元素组成的新list。例如：要从一个list [1, 4, 6, 7, 9, 12, 17]中删除偶数，保留奇数，首先，要编写一个判断奇数的函数：def is_odd(x):           return x % 2 == 1然后，利用filter()过滤掉偶数：filter(is_odd, [1, 4, 6, 7, 9, 12, 17])返回的结果是：[1, 7, 9, 17]利用filter()，可以完成很多有用的功能，例如，删除 None 或者空字符串：def is_not_empty(s):           return s and len(s.strip()) > 0 filter(is_not_empty, ['test', None, '', 'str', '  ', 'END'])结果：['test', 'str', 'END']注意: s.strip(rm) 删除 s 字符串中开头、结尾处的 rm 序列的字符。当rm为空时，默认删除空白符（包括'\n', '\r', '\t', ' ')，如下：a = '     123' a.strip()结果： '123'a='\t\t123\r\n' a.strip()结果：'123'

自定义排序函数：python的内置高阶函数sorted()可对list进行排序.它可以接收一个比较函数来实现自定义排序，比较函数的定义是，传入两个待比较的元素 x, y，如果 x 应该排在 y 的前面，返回 -1，如果 x 应该排在 y 的后面，返回 1。如果 x 和 y 相等，返回 0。如果我们要实现倒序排序，只需要编写一个reversed_cmp函数：def reversed_cmp(x, y):          if x > y:                    return -1          if x < y:                    return 1          return 0这样，调用 sorted() 并传入 reversed_cmp 就可以实现倒序排序：>>> sorted([36, 5, 12, 9, 21], reversed_cmp) 结果是：[36, 21, 12, 9, 5]sorted()也可以对字符串进行排序，字符串默认按照ASCII大小来比较：>>> sorted(['bob', 'about', 'Zoo', 'Credit']) 结果是：['Credit', 'Zoo', 'about', 'bob']'Zoo'排在'about'之前是因为'Z'的ASCII码比'a'小。

闭包：内层函数引用了外层函数的变量（参数也算变量），然后返回内层函数的情况，称为闭包。闭包的特点是返回的函数还引用了外层函数的局部变量，所以，要正确使用闭包，就要确保引用的局部变量在函数返回后不能变。例如：def calc_sum(lst):          def lazy_sum():                    return sum(lst)           return lazy_sum注意: 发现没法把 lazy_sum 移到 calc_sum 的外部，因为它引用了 calc_sum 的参数 lst。

匿名函数：匿名函数有个限制，就是只能有一个表达式，不写return，返回值就是该表达式的结果。使用匿名函数，可以不必定义函数名，直接创建一个函数对象，很多时候可以简化代码：>>> sorted([1, 3, 9, 5, 0], lambda x,y: -cmp(x,y)) （注释：关键字lambda 表示匿名函数，冒号前面的 x,y 表示函数参数。）结果是：[9, 5, 3, 1, 0]

装饰器：Python的 decorator 本质上就是一个高阶函数，它接收一个函数作为参数，然后，返回一个新函数。使用 decorator 用Python提供的 @ 语法，这样可以避免手动编写 f = decorate(f) 这样的代码。编写无参数decorator：def log(f):          def fn(x):                    print 'call ' + f.__name__ + '()...'                    return f(x)           return fn如果先前你已经编写定义了上面的函数，后面需要用到，为避免不必要的重复，可以直接使用装饰器的@语法就可简化。@log两者之间是等价的。但是如果@log需要传入两个或者多个参数，那么可以利用Python的 *args 和 **kw，保证任意个数的参数总是能正常调用：例如：def log(f):          def fn(*args, **kw):                     print 'call ' + f.__name__ + '()...'                     return f(*args, **kw)           return fn编写带参数decorator：例如：带参数的log函数首先返回一个decorator函数，再让这个decorator函数接收my_func并返回新函数：def log(prefix):          def log_decorator(f):                    def wrapper(*args, **kw):                               print '[%s] %s()...' % (prefix, f.__name__)                               return f(*args, **kw)                     return wrapper            return log_decorator @log('DEBUG') def test():          pass print test()执行结果：[DEBUG] test()... None（注意：因为函数没有return，因此是空即None）完善decorator：@decorator可以动态实现函数功能的增加，但是，经过@decorator“改造”后的函数，和原函数相比，除了功能多一点外，由decorator返回的新函数函数名已经不是原函数名，而是@log内部定义的返回的函数的名字。然而，如果想返回的是原函数的名字，那么可以使用Python内置的functools来实现。import functools def log(f):          @functools.wraps(f)          def wrapper(*args, **kw):                    print 'call...'                    return f(*args, **kw)           return wrapper偏函数：（多多理解）functools.partial就是帮助我们创建一个偏函数的，不需要我们自己定义int2()，可以直接使用下面的代码创建一个新的函数int2：>>> import functools>>> int2 = functools.partial(int, base=2)>>> int2('1000000') 64 >>> int2('1010101') 85所以，functools.partial可以把一个参数多的函数变成一个参数少的新函数，少的参数需要在创建时指定默认值，这样，新函数调用的难度就降低了。