函数式编程：高阶函数

1. 函数式编程

函数式是python内建支持的一种封装，我们通过大段代码拆成函数，通过一层一层的函数调用，就可以把复杂的任务分解成简单的任务，这种分解可以称为面向过程的程序设计。函数就是面向过程的程序设计的基本单元。

函数式编程中，函数可以作为其他函数的输入值，也可以作为返回值，被修改或者分配给一个变量。

函数式编程长期以来在学术界流行，但几乎没有工业应用。造成这种局面的主因是函数式编程常被认为严重耗费CPU和存储器资源[18] ，这是由于在早期实现函数式编程语言时并没有考虑过效率问题，而且面向函数式编程特性，如保证参照透明性等，要求独特的数据结构和算法。[19] -from Wikipedia

函数式编程就是一种抽象程度很高的编程范式，纯粹的函数式编程语言编写的函数没有变量，因此，任意一个函数，只要输入是确定的，输出就是确定的，这种纯函数我们称之为没有副作用。而允许使用变量的程序设计语言，由于函数内部的变量状态不确定，同样的输入，可能得到不同的输出，因此，这种函数是有副作用的。 — from 廖雪峰

2. 高阶函数

高阶函数指的是用函数作为参数传输的函数。

先说明几个背景

1、变量名字可以指向函数（意思是函数可以赋值给变量）

# 比如绝对值abs函数,赋值给变量func
func = abs()
# func可以作为函数来给其他的变量作用
>>func(-5)
5

2、函数可以指向变量（意思是可以将变量赋值给函数名）

不推荐这样做，这样相当于把原来函数的作用给覆盖掉了，只有变量的值。

3、传入函数

因为变量可以指向函数，函数的参数可以接收变量。那么把函数作为参数传入到另外一个函数，那么被传入的函数就是高阶函数。

举个例子

def add(x, y, func):
	return func(x)+func(y)

>>add(-2, 4, abs)
6

2.1 map/reduce

2.1.1 map()

map(func, iterable_data)输入两个参数，第一个参数为函数，第二个参数为可迭代（Iterable）的数据。map的作用是将数据iterable_data，一个一个的作为参数输入到func里面。

比如，把这个list所有数字转为字符串：

>>> list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
['1', '2', '3', '4', '5', '6', '7', '8', '9']

2.1.2 reduce()

reduce(func, list)，reduce把一个函数作用在一个序列[x1, x2, x3, ...]上，这个函数func必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算。

比方说对一个序列求和，就可以用reduce实现：

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

2.2 filter

filter和map的作用一样，主要是将一个一个元素输入到函数里面，不同的是filter根据结果是true或者false来决定是否保留或丢弃。

所以在设计输入到filter的函数时，需要考虑返回值是bool值

2.3 sorted

Python内置的sorted()函数就可以对list进行排序：

sorted()函数也是一个高阶函数，它还可以接收一个key函数来实现自定义的排序，例如按绝对值大小排序：

>>> sorted([36, 5, -12, 9, -21], key=abs)
[5, 9, -12, -21, 36]