函数式编程

了解

首先，函数式编程是一种编程范式即编写程序的方法。在编程的过程中，可以在函数传参时传入一函数、赋值给变量、也可以在函数返回时返回一个函数。
在使用时需要注意：

• 尽量值产生需要的值不改变全局变量的值
• 不依赖于外部变量或"状态"，只依赖输入的参数，任何时候只要参数相同，引用函数所得到的返回值相同的
• 使用传入的参数来保存状态

优点：

• 减少代码的重复，开发快
• 易于理解
• 每个函数独立、单元测试更加简单
• 不用考虑死锁，因为不修改变量，存结果也只是存到参数中【易于实现并发

看起来类似于C++中的函数指针，只是函数式编程更加灵活、函数可能会有变化

函数指针是一种特殊的指针,它指向函数的入口

高阶函数

map：
传入一函数及一个可迭代对象，将函数应用到可迭代对象中的每个数据上：

def f(x):
	return x*x

m=map(f,[1,2,3,4,5,6,7,8,9])
list(m)
print(m)
print(list(m))

在使用后注意输出的形式


这里使用for循环也可以完成这一功能，但明显map更加明了。

reduce:
将函数作用在序列上，将结果从序列第一个往后做一个累计。eg：reduce(f,[a,b,c,d])---->f(f(f(a,b),c),d)
如将序列转化为一个整数：

from functools import reduce
def f(x, y):
    return x * 10 + y
reduce(f,[5,6,2,3,4,5,7])

上面两个函数结合实现将字符串转化为整型：

from functools import reduce
def f(x,y):
	return x*10+y
def char2num(s):
	digits=['0':0,'1':1,'2':2,'3':3,'4':4,'5':5,'6':6,'7':7,'8':8,'9':9]
	return digits[s]
reduce(f,char2num('5623457'))

filter:
接收一函数与序列，与map不同的是filter根据函数返回值是True或False来决定是否丢弃该元素，所以filter主要用于过滤序列。
eg：删除掉序列中的空字符

def not_empty(s):
    return s and s.strip()
list(filter(not_empty, ['A', '', 'B', None, 'C', '  ']))

sorted:
可以直接对list中数字进行比较——作为普通函数；

sorted([7,21,-18,16])
#-18,7,16,21

接收一个key函数实现自定义的函数——作为高阶函数；

sorted([7,21,-18,16,9,-13],key=abs)
#7,9,-13,16,-18,21

字符串实现忽略大小写的反向排序：

sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower，reverse=True)
['about', 'bob', 'Credit', 'Zoo']

返回函数

在使用函数返回时，在直接调用函数名时func，返回的是函数而非函数值。只有调用函数：func()时，才返回函数计算结果
同一函数，即使调用相同的参数，返回的仍然是新的函数，且相互之间不会影响
闭包：函数返回一个函数后，该函数的局部变量仍然被新的函数引用。
使用时注意：返回函数不要用循环变量或后面可能改变的变量，如果一定要用可以加一个函数使用参数对变量进行绑定

匿名函数

lambda表示匿名函数，eg：lambda x : x * x这里冒号前面的x为参数，lambda只能有一个表达式，该函数结果为返回值
用匿名函数有一个好处，不必但心命名冲突，且匿名函数也可作为返回值

装饰器

函数对象有一__name__属性，查看函数的名字(给变量复制的函数，变量取该属性仍然为该函数名)
装饰器【decorator】：在代码运行期间，动态增加函数功能的方式。

函数定义的上一行有@functionName的修饰，当解释器读到@的这样的修饰符之后，会先解析@后的内容，直接就把@下一行的函数或者类作为@后边的函数的参数，然后将返回值赋值给下一行修饰的函数对象
eg:@log
def fun():
相当于log(fun)
这里的log若为装饰器，将返回一个新的函数，此时虽然fun()函数依然存在，但fun却指向了新的函数。

偏函数

通过设定参数的默认值，降低使用难度。
functools.partial可以创建一个偏函数的，不需要自己定义，可以直接用函数=functools.partial(int, base=。。。)