函数式编程: 更抽象, 更脱离指令（计算机）, 更贴近计算（数学）.
- 不需要变量 （python允许有变量, 所以python非纯函数式）
- 高阶函数
- 闭包: 返回函数
- 匿名函数
高阶函数
- 变量可以指向函数
f=abs; f（-10） - 函数名: 就是指向函数的变量
abs=len - 高阶函数: 接收函数作为参数的函数def add（x,y,f）:
return f（x）+f（y）
add（-5, 9, abs）
map（）
map（）是 Python 内置的高阶函数，它接收一个函数 f 和一个 list，并通过把函数 f 依次作用在 list 的每个元素上，得到一个新的 list 并返回。map（）函数不改变原有的 list，而是返回一个新的 list。def format_name（s）:return s.title（）print map（format_name, ["adam", "LISA", "barT"]）
reduce（）
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。
reduce（function, iterable[, initializer]）
Apply function of two arguments cumulatively to the items of iterable, from left to right, so as to reduce the iterable to a single value. If the optional initializer is present, it is placed before the items of the iterable in the calculation, and serves as a default when the iterable is empty. If initializer is not given and iterable contains only one item, the first item is returned.
filter（）
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。
自定义sorted（）
sorted（）也是一个高阶函数，它可以接收一个比较函数
cmp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。
返回函数
在函数内部定义一个函数 然后返回这个内部定义的函数.
返回函数可以把一些计算延迟执行def calc_sum（lst）:def lazy_sum（）:return sum（lst）return lazy_sum调用
calc_sum（）并没有计算出结果，而是返回函数:>>> f = calc_sum（[1, 2, 3, 4]）>>> f<function lazy_sum at 0x1037bfaa0>对返回的函数进行调用时，才计算出结果:>>> f（）10
闭包
函数
f内部定义的函数
g无法被外部访问 → 可以防止其他代码调用
g.def calc_sum（lst）:def lazy_sum（）:return sum（lst）return lazy_sum注意: 发现没法把
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。
ex:# 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*ifs.append（f）return fsf1, f2, f3 = count（）以为调用f1（），f2（）和f3（）结果应该是1，4，9，但实际结果全部都是 9 ！ 原因就是当count（）函数返回了3个函数时，这3个函数所引用的变量 i 的值已经变成了3。
函数只在执行时才去获取外层参数i, 由于f1、f2、f3并没有被调用，所以，此时他们并未计算 i*i，当 f1 被调用时i已经变为3...
上面的正确写法是:def count（）:fs = []for i in range（1, 4）:def f（j=i）: return j*jfs.append（f）return fsf1, f2, f3 = count（）print f1（）, f2（）, f3（）
因此，返回函数不要引用任何循环变量，或者后续会发生变化的变量。匿名函数
Python中，对匿名函数提供了有限支持。
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。map（lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]）myabs = lambda x: -x if x < 0 else x >>> myabs（-1）1
装饰器
问题: 定义了函数, 想在运行时增加函数功能同时不改动函数代码.
ex. 希望函数调用时打印调用日志
⇒ 方法: 高阶函数:
接收要修改的函数, 进行包装后返回包装过的新函数.def new_f（f）:def fn（x）:print "call %s（）" % f.__name__return f（x）return fn函数
new_fn就是所谓装饰器函数. python的@语法可以简化装饰器调用:
（注意: 右边代码, 原本未装饰的f1函数已经被彻底隐藏了. ）
优点: 极大简化代码.
无参数decorator
上面例子里面的
new_fn函数只能装饰接收一个参数x的函数, 想要处理接收任意参数的函数 ⇒ 利用Python的
*args 和
**kwdef log（f）:
def fn（*args,
kw）:
print "call %s（） in %s"%（ f.name, time.ctime（） ）
return f（*args, kw）
return fn
带参数decorator
接上面的log函数, 如果有的函数非常重要，希望打印出"[INFO] call xxx（）..."，有的函数不太重要，希望打印出"[DEBUG] call xxx（）..."，这时，log函数本身就需要传入"INFO"或"DEBUG"这样的参数，类似这样：@log（"DEBUG"）def my_func（）:pass把上面的定义翻译成高阶函数的调用，就是：
my_func = log（"DEBUG"）（my_func）再展开一下：log_decorator = log（"DEBUG"）my_func = log_decorator（my_func）相当于:log_decorator = log（"DEBUG"）@log_decoratordef my_func（）:pass所以，带参数的log函数
首先返回一个decorator函数，再让这个decorator函数接收my_func并返回新函数：def log（prefix）:def log_decorator（f）:def wrapper（*args, **kw）:print "[%s] %s（）..." % （prefix, f.__name__）return f（*args, **kw）return wrapperreturn log_decorator@log（"DEBUG"）def test（）:passprint test（）这里用到了闭包: 最里层wrapper函数（即修饰过个函数）用到了prefix参数.
完善decorator
上面的decorator会修改函数名:
- 在没有decorator的情况下，打印函数名：def f1（x）:passprint f1.__name__
⇒ 输出： f1
- 有decorator的情况下，再打印函数名：def log（f）:def wrapper（*args, **kw）:print "call..."return f（*args, **kw）return wrapper@logdef f2（x）:passprint f2.__name__
⇒ 输出： wrapper这对于那些依赖函数名的代码就会失效。decorator还改变了函数的
__doc__等其它属性。如果要让调用者看不出一个函数经过了@decorator的“改造”，就需要
把原函数的一些属性复制到新函数中：def log（f）:def wrapper（*args, **kw）:print "call..."return f（*args, **kw）wrapper.__name__ = f.__name__wrapper.__doc__ = f.__doc__return wrapper这样写很不方便, Python内置的
functools可以用来自动化完成这个“复制”的任务：import functoolsdef log（f）:@functools.wraps（f）def wrapper（*args, **kw）:print "call..."return f（*args, **kw）return wrapper
functools.wraps（f）是一个装饰器函数, 目的是为了把最后返回的函数再次装饰（复制f的属性进去）... 所以对于带参数的装饰器, 应该在最里面返回的wrapper函数前加上
@functools.wraps（f）import time, functoolsdef performance（unit）:def perf_decorator（f）:@functools.wraps（f）def wrapper（*args, **kw）:print "call %s（） in %s %s"%（ f.__name__, time.time（）, unit ） #closurereturn f（*args, **kw）return wrapperreturn perf_decorator@performance（"ms"）def factorial（n）:return reduce（lambda x,y: x*y, range（1, n+1））print factorial.__name__
偏函数
假设要转换大量的二进制字符串，每次都传入
int（x, base=2）非常麻烦，于是，我们想到，可以定义一个int2（）的函数，默认把base=2传进去：def int2（x, base=2）:return int（x, base）
functools.partial可以把一个参数多的函数变成一个参数少的新函数，少的参数需要在创建时指定默认值，这样，新函数调用的难度就降低了。
functools.partial（func[,*args][, **keywords]）
Return a new partial object which when called will behave like func called with the positional arguments args and keyword arguments keywords.
import functoolsint2 = functools.partial（int, base=2）>>> int2（"1000000"）64>>> int2（"1010101"）85sorted_ignore_case = functools.partial（sorted, key=lambda s:s.lower（））print sorted_ignore_case（["bob", "about", "Zoo", "Credit"]）CentOS上源码安装Python3.4 http://www.linuxidc.com/Linux/2015-01/111870.htm《Python核心编程 第二版》.（Wesley J. Chun ）.[高清PDF中文版] http://www.linuxidc.com/Linux/2013-06/85425.htm
《Python开发技术详解》.（ 周伟,宗杰）.[高清PDF扫描版+随书视频+代码] http://www.linuxidc.com/Linux/2013-11/92693.htmPython脚本获取Linux系统信息 http://www.linuxidc.com/Linux/2013-08/88531.htm在Ubuntu下用Python搭建桌面算法交易研究环境 http://www.linuxidc.com/Linux/2013-11/92534.htmPython 语言的发展简史 http://www.linuxidc.com/Linux/2014-09/107206.htm
Python 的详细介绍：请点这里
Python 的下载地址：请点这里
本文永久更新链接地址：http://www.linuxidc.com/Linux/2016-05/131608.htm
易网时代-编程资源站