支援函式式程式設計，函式式程式設計的特點
@偏向於計算，而非指令，把計算視為函式而非指令
@不需要變數，無***，測試簡單
@支援高階函式，**簡潔
python函式式程式設計的特點：
@不是純函式式程式設計，可以有變數
@支援高階函式，允許函式作為變數傳入
@允許閉包，有了閉包就有返回函式
@有限度的支援匿名函式
@變數可以指向函式
@函式的引數可以接收變數
@乙個函式可以接收另乙個函式作為引數
@能接收函式作引數就是高階引數
#demo
#自定義乙個加法函式
defadd
(a, b, f):
return f(a) +f(b)
defsqrt
(a):
return pow(a,0.5) #平方根
print(add(-5, 9, abs))
print(add(25, 9, sqrt))
#map函式，對單個引數進行處理
l = list(range(10))
print(list(map(lambda x : x*x, l)))
#在python 3裡,reduce()函式已經被從全域性名字空間裡移除了,它現在被放置在fucntools模組裡用的話要 先引入：對兩個引數進行處理
from functools import reduce
print (reduce(lambda x,y: x-y, [1,2,3,4,5]))
#filter()函式：過濾函式，返回符合條件的新的列表
defis_odd
(x):
return x % 2 == 1
filter(is_odd, [1, 4, 6, 7, 9, 12, 17])
@map()是 python 內建的高階函式，它接收乙個函式 f 和乙個 list，並通過把函式 f 依次作用在 list 的每個元素上，得到乙個新的 list並返回。
@reduce函式輸出：-13
@reduce()函式也是python內建的乙個高階函式。reduce()函式接收的引數和 map()類似，乙個函式 f，乙個list，但行為和 map()不同，reduce()傳入的函式 f 必須接收兩個引數，reduce()對list的每個元素反覆呼叫函式f，並返回最終結果值。
@filter函式輸出：[1, 7, 9, 17]
@filter()函式是 python 內建的另乙個有用的高階函式，filter()函式接收乙個函式 f 和乙個list，這個函式 f 的作用是對每個元素進行判斷，返回 true或 false，filter()根據判斷結果自動過濾掉不符合條件的元素，返回由符合條件元素組成的新list。
#reverse——sorted函式
defreversed_cmp
(x, y):
if x > y:
return -1
if x < y:
return
1return
0sorted([36, 5, 12, 9, 21], reversed_cmp)
@sorted()也是乙個高階函式，它可以接收乙個比較函式來實現自定義排序，比較函式的定義是，傳入兩個待比較的元素 x, y，如果 x 應該排在 y 的前面，返回 -1，如果 x 應該排在 y 的後面，返回 1。如果 x 和 y 相等，返回 0。
#匿名函式，上面其實早就用過了，下面描述一下
print(list(map(lambda x : x*x, l)))
python高階 高階函式總結
將函式作為引數傳入，這樣的函式就叫做高階函式。通俗點說，就是乙個函式可以作為另乙個函式的引數和返回值 map 高階函式 接收乙個函式 f 和乙個 list，並通過把函式 f 依次作用在 list 的每個元素上，得到乙個新的 list 並返回。假設使用者輸入的英文名字不規範，沒有按照首字母大寫，後續字...
Python高階知識（2）
a.程序能實現多工，但是資源占用太多，是資源分配的單位，只有在計算密集型程式用多程序，計算密集型就是例如乙個程式要計算1 1億之間的每個數的立方和。b.執行緒是作業系統的排程的單位，占用資源很少，只有在io密集型程式下使用多執行緒，io密集型就是相當於乙個程式是tcp伺服器，大部分時間都是在等待客戶...
python 高階知識點 Python 高階知識點
filter 函式 filter 函式用於過濾序列，過濾掉不符合條件的元素，返回由符合條件元素組成的新列表。filter function,iterable 引數 function 判斷函式，返回布林值。iterable 可迭代物件。a 12a,234 dgb b list filter str.i...