函数式编程functional之于函数好比计算之于计算机 支持高阶函数，无变量（Python中的高阶函数有变量） 支持闭包
高阶函数： 变量可以指向函数
f = abs f(-20) ==>20能接收函数作为参数的函数称为高阶函数
def add(x, y, f): return f(x) + f(y) add(-5, 9, abs) ==>14map函数： map()是一个高阶函数，接收一个函数f，和一个list，并把f作用在list的每个元素上，得到一个新的list并返回
def(x): return x * x map(f, [1, 2, 3, 4, 5])reduce函数： reduce()函数是一个高阶函数，接收一个函数f，和一个list，其中函数f必须接收两个参数，reduce对list的每个元素及其后的一个元素调用f
def f(x, y): return x+y reduce(f, [1, 2, 3, 4, 5]) ==>1+2+3+4+5==>15reduce还可以接收3个参数，最后一个参数作为计算初始值
filter函数： filter()函数是一个高阶函数，接收一个函数f，和一个list。 f的作用是对list中每个元素进行判断，返回True或False， 返回值判断为True的元素组成的新的list
#删除None或空字符串 def is_not_empty(s): return s and len(s.strip())>0 filter(is_not_empty, ['test', None, '', 'str', ' ', 'END']) ==>['test', 'str', 'END']自定义排序函数： python内置的sorted()可以作为高阶函数，对list进行排序 不接收函数f作为参数的情况下，进行默认排序
sorted([36, 5, 12, 9, 21]) ==>[5, 9, 12, 21, 36]sorted(list, f) 第二个参数f为可选参数，传入排序函数 倒序：
def reversed_cmp(x, y): if x>y: return =1 elif x<y: return 1 return 0 sorted([36, 5, 12, 9, 21], reversed_cmp) ==>[36, 21, 12, 9, 5]返回函数：
def f(): print 'call f()...' #定义函数g def g(): print 'call g()...' #返回函数g return g x = f() ==>call f()... x ==><function g at 0xa334f235> x() ==>call g()...闭包： 先来一个函数：
def calc_sum(lst): def lazy_sum(): return sum(lst) return lazy_sum注意：没法把lazy_sum移到calc_sum的外部，因为它引用了calc_sum的参数lst 像这种内层函数引用外层函数的变量（参数），然后返回内层函数的情况，称为闭包
闭包的特点： 返回的函数引用了外部函数的局部变量或参数
要正确使用闭包，就要保证引用的局部变量在函数返回后不能变
错误的例子： 希望一次返回3个函数，分别计算1*1， 2*2， 3*3
def count(): fs = [] for i in range(1, 4): fef f(): return i * i fs.append(f) return fs f1, f2, f3 = count() #现在调用f1 f1() ==>9 f2() ==>9外？ 原因是当count函数返回3个函数时，变量i已经变成了3， 返回后，f1才被调用，故 所以，返回函数不要引用任何循环变量，或后续会发生变化的变量
匿名函数： 高阶函数接收函数作为参数，可用匿名函数作为参数 以map()为例：
map(lambda x: x*x, [1, 2, 3, 4]) ==>[1, 4, 9, 16]其中lambda x: x*x实际上就是
def f(x): return x*x关键字lambda表示匿名函数，冒号前的x表示函数参数
匿名函数有个限制就是：只能有一个表达式，不能写return . 返回值就是表达式的结果
变量指向函数时也可以使用匿名函数
myabs = lambda x: -x if x<0 else x myabs(-1) ==> 1 myags(1) == 1decorator装饰器： 问题：想在已定义好的函数中动态地添加功能（如日志记录），怎么办 答：编写一个高阶函数将原函数传入高阶函数并调用。 这个高阶函数就成为 装饰器函数
python中内置@语法，就是为了简化装饰器调用
@new_fn def f(x): def f(x): ==> return x*2 return x*2 f = new_fn(f)装饰器的作用： 可以极大地简化代码，避免每个函数编写重复性代码 打印日志：@log 检测性能：@performance 数据库事务：@transaction URL路由：@post(‘/register’)
无参decorator： 无参，是指高阶函数，除了接受一个函数f，不再接收其他参数
def log(f): def fn(x): print 'call', f.__name__, '()...' return f(x) return fn @log def factorial(n): return reduce(lambda x,y: x*y, range(1,n+1)) print factorial(10) ==>call factorial()... ==>3628800但是
@log def add(x, y): return x+y print add(1,2) ==> TypeError:fn() takes exactly 1 argument(2 given) #因为add()函数传入了两个参数，而，上边`return f(x)`写死了，内层函数只能有一个参数要让@log自适应任何参数定义的函数，可以利用Python的 *args 和 **kw 保证任意个数参数总能正常调用：
def log(f): def fn(*args, **kw): print 'call', f.__name__, '()...' return f(*args, **kw) return fn带参数decorator： 如果有的函数希望log打印出’[Info] call xxx()’, 有的函数希望log打印’[DEBUG] call xxx()’ 这时候log函数本身就需要传入’INFO’ 或’DEBUG’，如下：
@log('DEBUG') def my_func(): pass 相当于======>翻译成高阶 my_func = log('DEBUG')(my_func) #再展开 log_decorator = log('DEBUG') my_func = log_decorator(my_func) #也相当于 log_decorator = log('DEBUG') @log_deocrator def my_func(): passpython完善decorator：
偏函数： 还记得int(x, base=10)吗，调用int(x)就默认base=10 其实，int2(x, base=2)就可以默认为二进制了，但是这样也很麻烦去造函数 functools.partial 帮助我们创建偏函数
import functools int2 = functools.partial(int, base=2) int2('10000') ==>16