先介绍一个名词：函数式编程
#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。
函数式编程的一个特点就是，允许把函数本身作为参数传入另一个函数，还允许返回一个函数！
#Python 对函数式编程提供部分支持。由于 Python 允许使用变量，因此，Python 不是纯函数式编程语言
#高阶函数 Higher-order function
#函数本身也可以赋值给变量，即：变量可以指向函数
比如求一个绝对值
x = abs(-100)#函数赋值给变量
y = abs#函数本身赋值给变量
print(x,y)#打印结果 10 <built-in function abs>
#如果一个变量指向了一个函数，那么，可否通过该变量来调用这个函数
print(y(-10))#打印结果：10
打印结果：
100 <built-in function abs>
10
#说明变量 y 现在已经指向了 abs 函数本身。直接调用 abs() 函数和调用变量 y() 完全相同
#函数名也是变量
#那么函数名是什么呢？
#函数名其实就是指向函数的变量！对于 abs() 这个函数，
#完全可以把函数名 abs 看成变量，它指向一个可以计算绝对值的函数！
#传入函数
#既然变量可以指向函数，函数的参数能接收变量，那么一个函数就可以接收另一个函数作为参数，
这种函数就称之为高阶函数
#比如
def add(a,b,y):
return y(a)+y(b)
print(add(-1,-1,abs))#abs作为一个一个参数传入
#编写高阶函数，就是让函数的参数能够接收别的函数。
打印结果：
2
#python内置函数 map() reduce()和filter()
#map() 函数接收两个参数，一个是函数，一个是 Iterable ，map 将传入的函数依次作用到序列的每个元素，
并把结果作为新的Iterator 返回,比如我们有一个函数 f(x)=x^2 ，要把这个函数作用在一个
list=[1,2, 3, 4, 5, 6, 7, 8, 9] 上，就可以用 map()
def f(x):
return x*x
y= map(f,[1,2, 3, 4, 5, 6, 7, 8, 9])
print(y)
print(list(y))
打印结果：
<map object at 0x0000024777A265C0>
[1, 4, 9, 16, 25, 36, 49, 64, 81]
#map() 传入的第一个参数是f，即函数对象本身。由于结果y是一个Iterator,Iterator是惰性序列，
因此通过list()函数让它把整个序列都计算出来并返回一个 list
#再比如把一个list都转成字符串
print(list(map(str,[1,2,3,4,5,6,7,8,9])))
打印结果：
['1', '2', '3', '4', '5', '6', '7', '8', '9']
#map() 作为高阶函数，事实上它把运算规则抽象了
#reduce()
#reduce() 把一个函数作用在一个序列 [x1, x2, x3, …]
#上，这个函数必须接收两个参数， reduce 把结果继续和序列的下一个元
#素做累积计算，其效果就是：
#reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
#可以用于队列求和
from functools import reduce
def add(x,y):
return x+y
def fn(x,y):
return x*10+y
def normalize(name):
return name.capitalize()
def pord(x,y):
return x*y
print(reduce(add,[1,2,3,4,5,6,7,8,9]))#list
print(reduce(add,(1,2,3,4,5,6,7,8,9)))#tuple
print(reduce(fn,[1,3,5,7,9]))
L1 = ['AdmIn','anny','LUCY','sandY','wILl']
print(list(map(normalize,L1)))
print('3*5*7*9=',reduce(pord,[3,5,7,9]))
打印结果：
45
45
13579
['Admin', 'Anny', 'Lucy', 'Sandy', 'Will']
3*5*7*9= 945
#filter
#用于过滤序列 接收一个函数一个序列
def is_odd(n):
return n%2==1
def is_empty(s):
return s and s.strip()
print(list(filter(is_odd,[1,2,3,4,5,6,7,8,9])))#返回一个奇数序列
print(list(filter(is_empty,['A', '', 'B', None, 'C', ' '])))
打印结果：
[1, 3, 5, 7, 9]
['A', 'B', 'C']
#排序也是在程序中经常用到的算法。无论使用冒泡排序还是快速排序，排序的核心是比较两个元素的大小。
如果是数字，我们可以直接比较，但如果是字符串或者两个 dict 呢？
直接比较数学上的大小是没有意义的，因此，比较的过程必须通过函数抽象出来。
通常规定，对于两个元素 x 和 y ，如果认为 x < y ，则返回 -1 ，
如果认为 x == y ，则返回 0 ，如果认为 x > y ，则返回 1 ，
这样，排序算法就不用关心具体的比较过程，而是根据比较结果直接排序。
Python 内置的 sorted() 函数就可以对 list 进行排序
l1 = sorted([36, 5, -12, 9, -21])
l2 = sorted([36, 5, -12, 9, -21], key=abs)#接收一个 key 函数来实现自定义的排序
l3 = sorted(['bob', 'about', 'Zoo', 'Credit'])
#key 指定的函数将作用于 list 的每一个元素上，并根据 key 函数返回的结果进行排序
l4 = sorted(['bob', 'about', 'Zoo', 'Credit'],key=str.lower)
#要进行反向排序，不必改动key函数，可以传入第三个参数 reverse=True
l5 = sorted(['bob', 'about', 'Zoo', 'Credit'],key=str.lower,reverse=True)
l6 = sorted([36, 5, -12, 9, -21], key=abs,reverse=True)
print(l1)
print(l2)
print(l3)
print(l4)
print(l5)
print(l6)
打印结果：
[-21, -12, 5, 9, 36]
[5, 9, -12, -21, 36]
['Credit', 'Zoo', 'about', 'bob']
['about', 'bob', 'Credit', 'Zoo']
['Zoo', 'Credit', 'bob', 'about']
[36, -21, -12, 9, 5]
#sorted() 也是一个高阶函数。用 sorted() 排序的关键在于实现一个映射函数
python高阶函数之map()、reduce()、filter()、sorted()