Python函数式编程（把函数作为参数传入）

map:接受两个参数（函数，Iterable），map将传入的函数依次作用于Iterable的每个元素，并且返回新的Iterable

def f(x):
    return x*x
r = map(f,[1,2,3,4])    #此时的r为惰性求值——可用next()和for...in取值
#通过list()返回全部
print(list(r))  #[1, 4, 9, 16]

reduce:接受两个参数（函数，序列）,reduce把一个函数作用于序列上，返回的结果继续和序列的下一个元素做累积计算,其效果为：reduce(f,[x,y,z])=>f(f(x,y),z)

from functools import reduce
def add(x,y):
    return x+y
reduce(add,[1,3,5,7,9]) #25

filter:过滤序列。接受两个参数（函数，序列），filter把函数作用于序列上，根据返回值是否为True，决定是否放弃该元素

def is_odd(x):
    return x%2==1
list(filter(is_odd,[1,2,3,4,5,6,7,8,9]))    #filter惰性求值[1, 3, 5, 7, 9]

sorted:排序，可排序对象包括数字list、字符串list、dict等，可接受三个参数，后两个为可选

# sorted([],key=express,reverse=True) key：对每个元素的处理方法   reverse：是否反向排序
sorted([0,1,-2,-1,6,3,8],key=abs,reverse=True) #[8, 6, 3, -2, 1, -1, 0]

匿名函数 lambda:匿名函数关键字 ：前的元素表示匿名函数的参数 匿名函数不用谢return表达式，返回值就是该表达式的值

m = list(map(lambda x: x*x,[1,2,3,4]))
print(m)    #[1, 4, 9, 16]

装饰器：代码运行期间动态增加功能

#在now函数运行前自动打印日志
import functools
def log(func):
    @functools.wraps(func)
    def wrpper(*args,**kw):
        print("call %s()" % func.__name__)
        return func(*args,**kw)
    return wrpper
# 调用装饰器
@log
def now():
    print("hello")

now()   #call now() hello

偏函数：functools.partial 把函数的某些参数固定住，返回一个新的函数，使调用更简单

import functools
int2 = functools.partial(int,base=2)
print(int2("1000000"))  #64