本篇文章我们来介绍下Python函数式编程的知识。最主要的一点，Python中的函数是对象，可以复制给变量！好了，我们来介绍几个Python函数式编程中的要点，包括高阶函数、匿名函数、装饰器、偏函数等等。精彩内容，不容错过！
1、高阶函数
函数本身也可以赋值给变量，即：变量可以指向函数。如果一个变量指向了一个函数，那么，可以通过该变量来调用这个函数。
f = abs
f(-10) # 10
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。
def add_abs(x,y,f):
return f(x) + f(y)
f = abs
add_abs(-5,6,f) # 11
接下来，我们介绍几个重点的高阶函数。
map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。我们之前介绍过了，Iterator是惰性序列，需要通过list()函数让它把返回结果变为list。
def f(x):
return x * x
r = list(map(f,[1,2,3,4,5,6,7,8,9,10]))
r
输出结果为：
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
reduce函数
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：
def f(x,y):
return x + y
reduce(f,[1,2,3,4,5]) # 15
filter函数
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。filter()函数返回的是一个Iterator，也就是一个惰性序列，同样需要通过list()函数让它把返回结果变为list。
def is_odd(n):
return n%2==1
list(filter(is_odd,[1,2,3,4,5,6,7,8,9]))
结果为：
[1, 3, 5, 7, 9]
sorted函数
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或者按照小写字母顺序进行排序：
print(sorted([36,5,-12,9,-21],key=abs))
print(sorted(['bob', 'about', 'Zoo', 'Credit'],key=str.lower))
结果为：
[5, 9, -12, -21, 36]
['about', 'bob', 'Credit', 'Zoo']
2、函数作为返回值
高阶函数除了可以接受函数作为参数外，还可以把函数作为结果值返回。
我们来实现一个可变参数的求和,如果不需要立刻求和，而是在后面的代码中，根据需要再计算怎么办？可以不返回求和的结果，而是返回求和的函数：
def lazy_sum(*args):
def sum():
res = 0
for n in args:
res += n
return res
return sum
f = lazy_sum(1,3,5,7,9)
f()
在这个例子中，我们在函数lazy_sum中又定义了函数sum，
并且，内部函数sum可以引用外部函数lazy_sum的参数和局部变量，
当lazy_sum返回函数sum时，相关参数和变量都保存在返回的函数中，
这种称为“闭包（Closure）”的程序结构拥有极大的威力。
请再注意一点，当我们调用lazy_sum()时，每次调用都会返回一个新的函数，即使传入相同的参数：
f1 = lazy_sum(1,3,5,7,9)
f2 = lazy_sum(1,3,5,7,9)
f1 == f2 # False
另一个需要注意的问题是，返回的函数并没有立刻执行，而是直到调用了f()才执行。我们来看一个例子：
def count():
fs = []
for i in range(1,4):
def f():
return i * i
fs.append(f)
return fs
f1,f2,f3 = count()
print(f1())
print(f2())
print(f3())
输出结果为：
9
9
9
全部都是9！原因就在于返回的函数引用了变量i，但它并非立刻执行。等到3个函数都返回时，它们所引用的变量i已经变成了3，因此最终结果为9。如果一定要引用循环变量怎么办？方法是再创建一个函数，用该函数的参数绑定循环变量当前的值，无论该循环变量后续如何更改，已绑定到函数参数的值不变：
def count():
fs = []
def sub(j):
def f():
return j * j
return f
for i in range(1,4):
fs.append(sub(i))
return fs
f1,f2,f3 = count()
print(f1())
print(f2())
print(f3()
结果为：
1
4
9
3、匿名函数lambda
当我们在传入函数时，有些时候，不需要显式地定义函数，直接传入匿名函数更方便。相信大家对于匿名函数一定不陌生，其实就是我们常说的lambda函数：
list(map(lambda x:x * x,[1,2,3,4,5,6,7,8,9]))
def build(x,y):
return lambda:x * x + y * y
reduce(lambda x,y:x + y,[1,2,3,4,5,6,7,8,9])
4、装饰器
在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。
本质上，decorator就是一个返回函数的高阶函数。
所以，假设我们要定义一个能够打印当前函数名的decorator：
def log(func):
def wrapper(*args,**kwargs):
print('call %s()' % func.__name__)
return func(*args,**kwargs)
return wrapper
@log
def helloworld():
print('hello world')
helloworld()
执行结果为：
call helloworld()
hello world
下面的例子中，正是由于wrapper中把 func(args,*kwargs)进行return，因此函数得以执行。
如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本：
def log(text):
def decorator(func):
def wrapper(*args,**kwargs):
print('%s %s():' % (text,func.__name__))
return func(*args,**kwargs)
return wrapper
return decorator
@log('execute')
def helloworld():
print('hello world')
helloworld()
上面代码的执行过程相当于helloworld = log('execute')(helloworld)
我们讲了函数也是对象，它有name等属性，但你去看经过decorator装饰之后的函数，它们的name已经从原来的'helloworld'变成了'wrapper'：
helloworld.__name__ #'wrapper'
如果需要把原始函数的name等属性复制到wrapper()函数中，使用Python内置的functools.wraps函数，代码如下：
import functools
def log(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
@log
def helloworld():
print('hello world')
helloworld.__name__
此时的输出就变为了'helloworld'
5、偏函数
一般的函数有许多需要定义的参数，假设我们想要固定其中的某些参数，返回一些新的函数，我们就可以使用functools.partial帮助我们创建一个偏函数，从而使得调用变得简单
import functools
int2 = functools.partial(int, base=2)
int2('10010') # 18
当然我们也可以穿入一个函数字典：
kw = { 'base': 2 }
int('10010', **kw)
当传入的参数没有对应的key时，它默认时作为*args的一部分自动加到左边，因此下面的函数相当于比较max(10,5,6,7)，返回10:
max2 = functools.partial(max, 10)
max2(5, 6, 7)
