7.4高阶函数
1.lambda与map
前面提到了，函数能像一个普通对象一样应用，从而成为其他函数的参数和返回值
能接收其他函数作为参数的函数，被称为高阶函数(high-order function)
前面介绍的装饰器，本质上就是高阶函数
高阶函数是函数式编程的一个重要组成部分
下面介绍最具有代表性的高阶函数：map()，filter()和reduce()
首先引入一种新的定义函数的方式，我们已经见过很多用def来定义函数的例子
除了def，还可以用lambda语法来定义匿名函数，例如：
lambda_sum = lambda x,y: x + y
print(lambda_sum(3,4))
通过lambda，我们创建了一个匿名的函数对象，借着赋值语句
这个匿名函数赋予给函数名lambda_sum，函数的参数为x,y
返回值为x和y的和，函数lambda_sum()的调用与正常函数一样
这种用lambda来产生匿名函数的方式适用于简短函数的定义
现在我们来看高阶函数，所谓高阶函数，就是能处理函数的函数
在前面，我们就已经见过了函数对象参数
接收函数对象为参数的函数，就是高阶函数
py中提供了很多有用的高阶函数，我们从map()开始介绍
函数map()是py的内置函数，它的第一个参数就是一个函数对象
函数map()把这一个函数对象作用于多个元素：
data_list = [1,3,5,6]
result = map(lambda x: x+3,data_list)
函数map()的第二个参数是一个可循环对象，对于data_list的每个元素
lambda函数都会调用一次，那个元素会成为lambda函数的参数
换个角度说，map()把接收到的函数对象依次作用于每个元素
最终，map()会返回一个迭代器，迭代器中的元素
就是多次调用lambda函数的结果，因此上面的代码相当于：
def equivalent_generator(func,iter):
for item in iter:
yield func(item)
data_list = [1,3,5,6]
result = map(lambda x:x+3,data_list)
上面的lambda函数只有一个参数，这个函数也可以是一个多参数的函数
这个时候，map()的参数列表中就需要提供相应数目的可循环对象
def square_sum(x,y):
return x**2 + y**2
data_list1 = [1,3,5,7]
data_list2 = [2,4,6,8]
result = map(square_sum,data_list1,data_list2)
这里，map()接收了square_sum()作为第一个参数
函数square_sum()要求有两个参数
因此，map()调用时需要两个可循环对象
第一个循环对象提供了square_sum()中对应于x的参数
第二个循环对象提供了square_sum()中对应于y的参数
关系如图所示：
一定程度上，map()函数能替代循环的功能
用map()函数写出的程序，看起来也相当简洁
从另一个角度来说，map()看起来像是对多个目标“各个击破”
在并行运算中，Map是一个很重要的过程
通过Map这一步，一个大问题可以拆分成很多小问题
从而能交给不同的主机处理
例如在图像处理中，就可以把一张大图分拆成许多张小图
每张小图分配给一台主机处理
