一、前向引用
def foo():
print('from foo')
bar()
foo() #name 'bar' is not defined
def bar():
print('from bar')
在定义foo（）函数之后bar（）函数定义之前会报错，因为调用foo（）函数的时候bar还未定义。
def foo():
print('from foo')
bar()
def bar():
print('from bar')
foo()
在定义foo（）和bar（）之后调用foo（），虽然foo（）定义在bar（）之前，且调用了bar（），但是在python中，若不执行函数，函数并不会执行，且在调用之前已经定义了bar（），所以不会报错，这就是前向引用。
二、递归
在函数中调用自身的方式叫做递归。
递归特性：
1.必须有一个明确的结束条件
2.每次进入更深一层递归的时候，问题规模相比于上次递归都应有所减少。
3.递归效率不高，递归层数过多会导致溢出（在计算机中，函数调用时通过栈实现的，每进入一个函数调用，栈就会再加一层，每当函数返回或结束，栈就会减少一层，由于栈的大小并不是无限的，所以，调用次数过多会导致堆栈溢出。）
#递归
def calc(n):
print(n)
if int(n / 2) == 0:
return n
return calc(n / 2)
calc(10)
三、变量的作用域
def a():
name = 'a'
def b():
name = 'b'
def c():
print(name)
return c
return b
var = a()
var()()
#定义域：name输出的b，输出的变量会向上一级寻找，直到找到相同名字的变量。
python中，变量的作用域为当前函数或者当前函数所包含的函数范围，调用某个变量时，若该变量所处的函数没有定义此变量，则会向该函数的上一层函数寻找，知道找到该变量为止。
四、函数式编程
通俗的说，函数式就是编程语言去实现数学函数，这种函数内，对象是永恒不变的，要么参数是函数，要么返回值是函数，没有for和while的循环，所有的循环都由递归实现，无变量的赋值。
def cal(x):
return 2 * x + 1
五、匿名函数（lambda）
def calc(x):
return x + 1
res = calc(10)
print(res)
#相当于
print(lambda x : x + 1)#打印的为内存地址<function <lambda> at 0x02AE4660>
func = lambda x : x + 1
print(func(10))
#这种用法只适合于lambada独立存在时候使用，适合于简单的计算。
name = 'a'#a改成ab
f = lambda x : x + "b"
print(f(name))
python中，在某种程度上来说，函数也可被被当做一种变量。
def foo(n):
print(n)
def bar():
print("bar()")
return 1
def test():
return bar
foo(bar)#打印是bar函数的内存地址
foo(bar())#打印的是bar的返回值。
foo(test()())#打印的是1
#test()将bar的内存地址返回，加上()后悔执行bar(),foo()会将bar的返回值1打印出来
高阶函数：
满足如下两个特性则为高阶函数。
1.函数的传入参数是一个函数名。
2.函数的返回值是一个函数名。
匿名函数的部分使用：
1.map
num = [1,2,3]
def map_test(func,array):
ret = []
for i in num:
res = func(i)
ret.append(res)
return ret
print(map_test(lambda x:x+1,num))
#相当于
map(lambda x:x+1,num)#返回值是列表所存放的内存地址
map会对序列中的每个元素进行处理，返回的是列表的内存地址，在改地址中存放的元素顺序和原来的一模一样。
2.filter
def filter_t(func,array):
ret = []
for p in array:
if not func(p):
ret.append(p)
return ret
filter_t(lambda n : n.startswith('a'),ab)
#相当于
filter(lambda n : n.startswith('a'),ab)
filter遍历序列中的每个元素，按照条件判断每个元素是否符合，若结果为True则保留，最后返回的和map的返回一样。
3.reduce
num_l = [1,2,3,100]
def reduce_t(func,array,init = None):
if init is None:
res = array.pop(0)
else:
res = init
for num in array:
res = func(res,num)
return res
reduce(lambda x,y:x + y ,num_l)
#相当于
reduce_t(lambda x,y:x*y,num_l)reduce是对序列中的元素进行累加等处理，最后返回的为一个值。