什么是高阶函数：一个函数可以作为参数传给另外一个函数(一个函数可以用来接收另一个函数作为参数)，或者一个函数的返回值为另外一个函数（若返回值为该函数本身，则为递归），满足其一则为高阶函数。函数的形参位置必须接受一个函数对象。
代码理解高阶函数的含义：
1 '''函数当做参数被传递到另个函数是什么样的。把abs()函数赋值给了f变量，接下来就可以像使用abs()函数本身那样使用f变量了,区别只是换了个名字而已''' 2 3 f = abs # 将求绝对值的abs函数赋值给f变量 4 f(-123) # f变量等同于abs函数的功能和性质,区别只是换了个别名 5 print(f(-123)) # 输出结果 123 6 print(type(f)) # <builtin_function_or_method> 查看下这个f变量的类型,显示为内置函数,因为它的真身就是内置abs()函数 7
8 '''这说明变量可以指向函数，既然变量可以指向函数，而我们知道函数的参数可以接收变量。也就是说一个函数可以接收另一个函数作为参数，一起来看看下面这个例子''' 9 def add_(a, b, f_): 10 return f_(a) + f_(b) # 在本例中等同于 abs(a) + abs(b) 11 12 result = add_(-10, -20, abs) # 这里把python内置函数abs作为参数传递给add_ 13 print(result) # 30
代码演示高阶函数两种场景：
1 # 高阶函数之 ---》参数为函数 2 def bar(): 3 print("in the bar..") 4 def foo(func): 5 func() 6 print("in the foo..") 7 8 foo(bar) 9 10 11 # 高阶函数之 ---》返回值为函数 12 def bar(): 13 print("in the bar..") 14 def foo(func): 15 print("in the foo..") 16 return bar 17 res=foo(bar) 18 res() 19 20 '''以上两个示例中,函数foo()为高阶函数。示例一中函数bar作为foo的参数传入；示例二中函数bar作为foo的返回值。
注意：函数名（例如bar 、foo）-->其为该函数的内存地址；函数名+括号（例如 bar()、foo() )-->调用该函数'''
python里的高阶函数有 filter、map、reduce、sorted、匿名函数lambda，递归函数等。
1). map函数
功能：map函数接收的是两个参数，接收一个函数 f 和一个或多个序列list，其功能是将序列中的值处理再依次返回至新列表内，其返回值为一个迭代器对象。
语法格式：map(function, iterable,[iterable1, ...iterablen])：
参数：(1).function： 函数对象 ；(2).iterable：序列(可迭代)对象 (字符串、列表、range...)
返回值：得到的这个map对象是一个迭代器对象，属于惰性序列的范畴。
代码演示map实现原理：
1 # 需求：将lt = ['1','2','3','4','5'] 转换成 [1,2,3,4,5] 2 3 # 代码实现一：使用传统技术来实现 4 lt = ['1','2','3','4','5','6'] 5 lt1 = [] 6 for i in lt: 7 num = int(i) 8 lt1.append(num) 9 print(lt1) # [1, 2, 3, 4, 5, 6] 由于列表属于非惰性序列范畴，即可以直接打印看效果 10 11 12 # 代码实现二：使用新技术来实现 13 # 思路步骤一：定义一个函数，功能：将str数据 --> int数据 14 import collections 15 lt = ['1','2','3','4','5','6']
16 def chr2Int(chr): 17 return int(chr) 18 19 mo = map(chr2Int,lt) # 这里的chr2Int后面不能加(),也不能传参***** 20 print(map,type(mo)) # <class 'map'> <class 'map'> 21 print(isinstance(mo,collections.Iterator)) # True,验证是否是迭代器对象,True才能使用next 22 print(next(mo)) # 1 23 print(list(mo)) # [2, 3, 4, 5, 6] 将map对象(惰性的)转换为list对象(非惰性的) 24 25 26 #代码实现三：终极操作 27 print(list(map(chr2Int,lt))) #[1, 2, 3, 4, 5, 6] 28 print(list(map(int,lt)) #[1, 2, 3, 4, 5, 6] 29 30 '''map(int,lt)：执行过程如下： 31 1).lt --> 取出第一个元素：'1'当做实际参数传递给int函数的形参位置 --> int('1'),将转换以后的结果：1保留到map对象的第一个元素位置 32 2).lt --> 取出第二个元素：'2'当做实际参数传递给int函数的形参位置 --> int('2'),将转换以后的结果：2保留到map对象的第二个元素位置 33 以此类推... 34 直到map函数执行完了，整个map对象才真正成型了...'''
代码演示示例：
1 # 实例1： lt = [1,2,3,4,5] --> 得到：['1','2','3','4','5'] 2 3 lt = [1,2,3,4,5] 4 5 # 自定义函数：从int --》 str 6 def int2Str(i): 7 return str(i) 8 9 print(list(map(int2Str,lt))) # ['1', '2', '3', '4', '5'] 10 print(list(map(str,lt))) # ['1', '2', '3', '4', '5'] 11 print(list(map(lambda x: str(x),lt))) # ['1', '2', '3', '4', '5'] 12 13 14 # 实例2：lt = [1,2,3,4,5] --> 得到：[1,4,9,16,25] 15 16 lt = [1,2,3,4,5] 17 18 # 自定义函数：目标实现开方操作 19 def kaifang(num): 20 return num ** 2 21 22 print(list(map(kaifang,lt))) # [1, 4, 9, 16, 25] 23 print(list(map(lambda x: x ** 2,lt))) # [1, 4, 9, 16, 25]，map结合匿名函数使用，用的比较多
2).reduce函数
功能：reduce函数也是一个参数为函数，一个为可迭代(序列)对象的高阶函数，但reduce()传入的函数必须接收两个参数，reduce()对list的每个元素反复调用函数function。所以reduce()函数接收的参数和 map()类似，但是行为不同。reduce() 函数会对参数序列中元素进行累积，其返回值为一个值而不是迭代器对象，故其常用与叠加、叠乘等。
语法格式：reduce(function, iterable[, iterable1,...,iterablen] [, initializer])
参数：function -- 函数，有两个参数。iterable -- 可迭代对象。initializer -- 可选，初始参数
返回值：为一个值，而不是迭代器对象
【注意】：reduce函数属于functools模块中的函数，所以需要显示的先导入functools模块再使用from functools import reduce
代码演示reduce实现原理：
1 from functools import reduce 2 3 '''当调用reduce(f,[1,3,5,7,9])时，reduce函数将做如下计算：由于f这个函数的功能是计算两个元素的值，所以先计算头两个元素：f(1,3)， 4 结果为4；再把结果和第3个元素计算：f(4,5)，结果为9；再把结果和第4个元素计算：f(9,7)，结果为16； 5 再把结果和第5个元素计算：f(16,9)，结果为25；由于没有更多的元素了，计算结束，返回结果25。''' 6 def f(x, y): 7 return x + y 8 9 result = reduce(f, [1, 3, 5, 7, 9]) 10 print(result) # 25 11 12 13 '''reduce()**还可以接收第3个可选参数，作为计算的初始值。如果把初始值设为100，如计算：结果将变为125，
因为第一轮计算是：计算初始值和第一个元素：f(100, 1)，结果为101。''' 14 reduce(f, [1, 3, 5, 7, 9], 100) 15 16 17 # 使用 lambda 匿名函数 18 reduce(lambda x, y: x+y, [1,3,5,7,9])
1 '''reduce函数执行顺序：先将lsd中的第一和第二个元素传入到fn中参与运算，运算后得到结果，再和第三个元素传入到fn中参与运算，以此类推...''' 2 3 # 需求：得到元祖tp = (1,2,3,4)中元素的和值 4 5 '''首先自定义函数 --> add作用：对列表中的元素进行求和操作 def add(x,y） 6 然后使用reduce函数执行过程如下： 7 第一次：add(1,2) 8 第二次：add(add(1,2),3) 9 第三次：add(add(add(1,2),3),4)''' 10 11 # 代码实现一：递归的思想来实现 12 tp = (1,2,3,4) 13 def mySum(num): 14 if num == 1: 15 return 1 16 return num + mySum(num - 1) 17 18 print(mySum(4)) 19 20 21 # 代码实现二：reduce函数实现 22 from functools import reduce 23 def add(x,y): 24 return x + y 25 26 res = reduce(add,tp) 27 28 print(res,type(res)) # 10 <class 'int'> 29 print(reduce(lambda x,y: x + y,tp)) # 10 30 print(sum(tp)) # 10 直接使用内置函数sum（）了
代码演示示例：
1 # 实例1：lt = [1,2,3,4] 得到其中元素的乘积 2 3 lt = [1,2,3,4] 4 print(reduce(lambda x,y: x * y,lt)) 5 6 # 实例2：从键盘读入一个整数字符串数据，例如：'12345'，将其转换为12345； 7 '''注意：不能直接使用int()来实现.思路：使用map和reduce配合来实现 8 步骤一：'12345' --》拆分为散装数据：1 2 3 4 5 可以使用map来实现 9 步骤二：将map对象中的数据 1 2 3 4 5 组合成为 --> 12345 可以使用reduce来实现 10 ''' 11 from functools import reduce 12 13 str1 = '12345' 14 def chr2Int(str): 15 return int(str) 16 17 def zuhe(x,y): 18 return x * 10 + y 19 20 mo = map(chr2Int,str1) 21 num = reduce(zuhe,mo) 22 print(num,type(num)) #12345 <class 'int'> 23 24 25 #终极版： 26 print(reduce(lambda x,y: x * 10 + y,map(int,str1))) #12345
3).filter函数
功能：filter()函数也是接收两个参数，接收一个函数和一个序列的高阶函数，其主要功能是过滤，过滤掉不符合条件的元素，序列的每个元素作为参数传递给函数进行判，然后返回 True 或 False，最后将返回 True 的元素放到新序列中。filter的意思：在计算机领域中我们都称为过滤器。
语法格式：filter(function, iterable)
参数：和map、reduce一样理解，function：判断函数，iterable ：可迭代对象。
返回值：一个惰性序列对象(filter对象，迭代器对象)，例如列表
代码演示示例：
1 # 示例1：lt = [1,2,3,4,5,6,7,8] --> 得到：[2,4,6,8] 2 3 lt = [1,2,3,4,5,6,7,8] 4 #代码实现一：老技术 5 lt1 = [] 6 for i in lt: 7 if i % 2 == 0: 8 lt1.append(i) 9 10 print(lt1) 11 12 13 #代码实现二：新技术(filter) 14 def func(o): 15 if o % 2 == 0: 16 return True 17 return False 18 19 fo =filter(func,lt) 20 21 print(fo,type(fo)) #<filter object at 0x0000000001E8F710> <class 'filter'> 22 print(list(filter(func,lt))) #[2, 4, 6, 8] 23 print(isinstance(fo,collections.Iterator)) #Ture 24 print(isinstance(fo,collections.Iterable)) #Ture 25 print(next(fo)) #2 26 print(next(fo)) #4 27 print(list(fo)) #[6, 8] 28 29 30 # 终极版： 31 print(list(filter(lambda x:x % 2 == 0,lt))) #[2, 4, 6, 8] 32 33 34 # 示例2：lt = [345,0,'abcde',1.2,0,3.14,0.0,'haha','hehe',True,False,[],(),{},{1,2,3},[10,20,30],{'name':'zs','age':30}，None] 35 得到如下效果：lt = [345,'abcde',1.2,3.14,'haha','hehe',True,{1,2,3},[10,20,30],{'name':'zs','age':30}] 36 37 lt = [345,0,'abcde',1.2,0,3.14,0.0,'haha','hehe',True,False,[] 38 ,(),{},{1,2,3},[10,20,30],{'name':'zs','age':30},None] 39 40 print(list(filter(lambda x: bool(x),lt))) 41 #或者 42 print(list(filter(bool,lt))) 43 44 45 # 示例3：lt1 = ['aaaaaaaa','bbbbb','cccccc','ddd']得到如下效果：['aaaaaaaa','cccccc'] 46 47 lt1 = ['aaaaaaaa','bbbbb','cccccc','ddd'] 48 49 print(list(filter(lambda x: len(x) > 5,lt1)))
高阶函数以及匿名函数之间的配合使用（练习）：
1 '''模板一：lambda和filter的配合使用''' 2 # 需求：lt = [1,2,3,4,5,6,7,8,9] --> 得到[3,6,9] 3 4 print(list(filter(lambda x: x % 3 == 0,lt))) 5 6 7 '''模板二：lambda 和map的配合使用''' 8 # 需求：演示开平方操作 --> 容器对象：range 9 10 mo = map(lambda x: x ** 2,range(5)) 11 print(list(mo)) 12 13 14 '''模板三：在模板二的基础上进行功能扩展：range(10)，过滤以后保留的数据范围大小为：(5,50)之间''' 15 16 mo = map(lambda x: x ** 2,range(10)) 17 fo = filter(lambda x: x > 5 and x < 50,mo) 18 print(list(fo)) 19 20 21 '''模板四：lambda 和reduce配合使用''' 22 # 求和值 23 import functools 24 25 lt = [1,2,3,4,5] 26 27 my_sum = functools.reduce(lambda x,y: x + y,lt) 28 print(my_sum) 29 30 31 '''模板五：求两个列表对象中元素的和，返回新列表: 32 lt1 = [1,2,3,4], lt2 = [5,6,7,8], 结果：lt3 = [6,8,10,12]''' 33 34 mo = map(lambda x,y: x + y,lt1,lt2) 35 print(list(mo)) 36 37 38 '''模板六：求字符串中每个单词的长度content = "welcome to shanghai", 结果：[7,2,8]''' 40 # 使用切割的思想：切完之后得到一个列表对象，内部元素["welcome","to","shanghai"] 41 words_list = content.split() 42 mo = map(len,words_list) 43 print(list(mo))