Python 简明教程 --- 16，Python 高阶函数
微信公众号：码农充电站pro
个人主页：https://codeshellme.github.io
对于那些快速算法，我们总是可以拿一些速度差不多但是更容易理解的算法来替代它们。
—— Douglas Jones
目录
高阶函数一般以函数为参数。
本节我们介绍Python 中三个方便的高阶函数，分别是：
- map
- reduce
- filter
如果你了解过分布式系统框架---Hadoop，你应该知道map/reduce 的概念。
Python 中的map/reduce 函数与Hadoop 中的map/reduce 基本类似。
1，map 函数
在Python2 中，map 是一个函数。在Python3 中，map 是一个类：
>>> map
<class 'map'>
作用：将函数
func作用于可迭代对象iterable中的每一个元素
原型：map(func, iterable) -> map object
参数 func：一个函数类型的参数，该函数接收一个参数，并返回一个值
参数 iterable：一个可迭代的对象
返回值：一个map对象，同时一个迭代器
示例：
>>> m = map(lambda x: x * x, [1, 3, 5])
>>> m
<map object at 0x7fe60bb1bf98>
>>> l = [i for i in m]
>>> l
[1, 9, 25]
参数func 可以是普通函数，也可以是匿名函数，我们这里使用了匿名函数lambda x: x * x，该函数接收一个参数，并返回该参数的平方。
可迭代对象是一个列表[1, 3, 5]，列表中的每个元素，都将传递到匿名函数中，并对每一个元素计算平方后，将结果存储到一个map 对象m 中。
为了查看m 中的值，我们使用列表推导式生成了一个列表l，可看到列表l 就是[1, 9, 25]，就是[1, 3, 5] 中每个元素的平方。
这就是python3 中map 的基本使用方法。
2，reduce 函数
在Python3 中，reduce 函数被放在functools 模块，使用时，要先从functools 模块引入：
>>> from functools import reduce
作用：将函数
func作用于序列seq中的元素，进行一系列的计算
原型：reduce(func, seq[, initial]) -> value
参数 func：这是一个函数类型的参数，该函数接收两个参数，并返回一个值
参数 seq：一个序列
参数 initial：当
initial存在时：reduce(func, [x1, x2, x3], initial) = func(func(func(initial, x1), x2), x3)
当initial不存在时：reduce(func, [x1, x2, x3]) = func(func(x1, x2), x3)返回值：返回计算结果
示例，当initial 存在时：
>>> reduce(lambda x, y : x * y, [1, 3, 5], 6)
90
# reduce(func, [1, 3, 5], 6)
# = func(func(func(6, 1), 3), 5)
# = ((6 * 1) * 3) * 5
# = 90
示例，当initial 不存在时：
>>> reduce(lambda x, y : x * y, [1, 3, 5])
15
# reduce(func, [1, 3, 5])
# = func(func(1, 3), 5)
# = (1 * 3) * 5
# = 15
3，filter 函数
在Python3 中，filter 是一个类：
>>> filter
<class 'filter'>
作用：filter 用于对
可迭代对象iterable进行过滤，iterable中的每一个元素会作为一个参数，传递到func中
原型：filter(func, iterable) --> filter object
参数 func：这是一个函数类型的参数，该函数接受一个参数，返回一个bool值当
func返回True时：对应的iterable中的元素，会放在结果集中
当func返回False时：对应的iterable中的元素，不会放在结果集中返回值：一个
filter对象，同时也是一个迭代器
示例：
>>> f = filter(lambda x: len(x) == 2, ['dsf', 'df', 'ad', 'dfas', 'as'])
>>> f # 一个 filter 对象
<filter object at 0x7f4dff484748>
>>> list(f) # 转化为列表，方便查看
['df', 'ad', 'as']
（完。）
推荐阅读：
Python 简明教程 --- 14，Python 数据结构进阶
欢迎关注作者公众号，获取更多技术干货。
