1. 函数式编程
1）概念
函数式编程是一种编程模型，他将计算机运算看做是数学中函数的计算，并且避免了状态以及变量的概念。wiki
我们知道，对象是面向对象的第一型，那么函数式编程也是一样，函数是函数式编程的第一型。在面向对象编程中，我们把对象传来传去，那在函数式编程中，我们要做的是把函数传来传去,而这个，说成术语，我们把他叫做高阶函数。飞林沙
2）特点
- 计算视为视为函数而非指令
- 纯函数式编程：不需变量，无副作用，测试简单（每次的执行结果是一样的）
- 支持高阶函数，代码简洁
2. python支持函数式编程
- 不是纯函数式编程：允许有变量
- 支持高阶函数：函数也可以作为参数（变量）传入
- 支持闭包：有了闭包就能返回函数
- 有限度的支持匿名函数
3. python中的高阶函数
1）自定义高阶函数（函数作为参数）
import math
def add(x, y, f):
return f(x) + f(y)
print add(25, 9, math.sqrt)
2）内置高阶函数
- map函数
格式：map(f, lst)
f为函数名称，可以是内置函数，也可以是自定义的函数
lst为待处理的序列，类型可以是list，tuple 以及 string等，序列就可以
功能：lst中的每个元素执行f函数的操作
例如：假设用户输入的英文名字不规范，没有按照首字母大写，后续字母小写的规则，请利用map()函数，把一个list（包含若干不规范的英文名字）变成一个包含规范英文名字的list：输入：['adam', 'LISA', 'barT'] 输出：['Adam', 'Lisa', 'Bart']
def format_name(s):
return s[0].upper()+s[1:].lower() print map(format_name, ['adam', 'LISA', 'barT'])
- 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。
例如：Python内置了求和函数sum()，但没有求积的函数，请利用recude()来求积：
输入：[2, 4, 5, 7, 12]
输出：2*4*5*7*12的结果
def prod(x, y):
return x*y
print reduce(prod, [2, 4, 5, 7, 12])
- 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：请利用filter()过滤出1~100中平方根是整数的数，即结果应该是：[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
import math def is_sqr(x):
if math.sqrt(x)%1.0 == 0:
return True
#r = int(math.sqrt(x))
#return r*r==x
print filter(is_sqr, range(1, 101))
- sorted函数以及自定义的排序函数
Python内置的 sorted()函数可对list进行排序：
>>>sorted([36, 5, 12, 9, 21])
[5, 9, 12, 21, 36]
但 sorted()也是一个高阶函数，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。
因此，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 >>> sorted([36, 5, 12, 9, 21], reversed_cmp)
[36, 21, 12, 9, 5]
对字符串排序时，有时候忽略大小写排序更符合习惯。请利用sorted()高阶函数，实现忽略大小写排序的算法。
输入：['bob', 'about', 'Zoo', 'Credit']
输出：['about', 'bob', 'Credit', 'Zoo']
def cmp_ignore_case(s1, s2):
if s1.upper()[0] > s2.upper()[0]:
return 1
if s1.upper()[0] < s2.upper()[0]:
return -1
return 0 print sorted(['bob', 'about', 'Zoo', 'Credit'], cmp_ignore_case)
4. Python中返回函数
Python的函数不但可以返回int、str、list、dict等数据类型，还可以返回函数！
def f():
print 'call f()...'
# 定义函数g:
def g():
print 'call g()...'
# 返回函数g:
return g
仔细观察上面的函数定义，我们在函数 f 内部又定义了一个函数 g。由于函数 g 也是一个对象，函数名 g 就是指向函数 g 的变量，所以，最外层函数 f 可以返回变量 g，也就是函数 g 本身。
5. Python中的闭包
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（Closure）。
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。举例如下：
# 希望一次返回3个函数，分别计算1x1,2x2,3x3:
def count():
fs = []
for i in range(1, 4):
def f():
return i*i
fs.append(f)
return fs f1, f2, f3 = count()
你可能认为调用f1()，f2()和f3()结果应该是1，4，9，但实际结果全部都是 9（请自己动手验证）。
返回闭包不能引用循环变量，请改写count()函数，让它正确返回能计算1x1、2x2、3x3的函数。
def count():
fs = []
for i in range(1, 4):
def f(j):
def g():
return j*j
return g
r = f(i)
fs.append(r)
return fs f1, f2, f3 = count()
print f1(), f2(), f3()
6. 匿名函数
高阶函数可以接收函数做参数，有些时候，我们不需要显式地定义函数，直接传入匿名函数更方便。
在Python中，对匿名函数提供了有限支持。还是以map()函数为例，计算 f(x)=x2 时，除了定义一个f(x)的函数外，还可以直接传入匿名函数：
>>> map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9])
[1, 4, 9, 16, 25, 36, 49, 64, 81]
关键字lambda 表示匿名函数，冒号前面的 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，不写return，返回值就是该表达式的结果。
>>> sorted([1, 3, 9, 5, 0], lambda x,y: -cmp(x,y))
[9, 5, 3, 1, 0]
7. 装饰器
解决问题：定义的函数想在运行时增加功能，又不想改变函数本身代码