谈到python，我们就不得不说python里面的一些黑魔法，例如我们的高阶函数就是黑魔法其中之一。

高阶函数是什么？

简而言之就是将一个函数作为参数传到另一个函数A中，那么这个函数A就是高阶函数。（可接收其他函数作为参数的函数称为高阶函数）

我们来看一个简单的小例子：

def func(a, list):
return [a(x) for x in list]


def double(x):
return 2 * x


print(func(double, [1, 3, 5, 7]))

上面的代码中，func 是一个高阶函数，它接收两个参数，第 1 个参数是函数，也就是我们定义的double函数，第 2 个参数是list，func 的功能是将函数 a 逐个作用于list上，生成一个新的数组。 

我们在使用func函数的时候传入的第一个参数是函数的名字，不需要括号和其他的东西，只传函数名即可。

下面我们来看看，python自带了一些高阶函数，他们分别是map，reduce，filter。除此之外还有一个很特别的函数叫匿名函数lambda。

在了解内置高阶函数之前，我们先来看看lambda是个怎么样的东西。

就拿我们刚刚定义的double函数来说，它的功能是将传入的参数整体乘2，对于这么简单的功能，我们可能都不需要用def来定义函数，这个时候我们使用lambda来快捷定义函数即可：

double = lambda x: 2 * x
print(double(3))

代码形式：

lambda 参数: 表达式
  

主要看来其实就是定义的时候换了一种方式，类似于定义一个表达式这样，可以对这个表达式直接进行赋值。调用的时候还是一样，函数的名字就是赋值的变量名。

当然，我们也可以在定义的时候直接调用，也能运算结果：

print((lambda x: 2 * x)(3))

lambda定义与使用如此方便就决定了它的使用场景会特别的多，一般的：当我们需要创建一些临时的、小巧的函数时，就会使用lambda了。一般的，当我们使用高阶函数的时候会经常和lambda函数一起联用。

对于上面的高阶函数我们可以使用lambda改写：

a = func(lambda x: 2 * x, [1, 3, 5, 7])
print(a)

Tips：

• 匿名函数本质上是一个函数，没有函数名称，因此使用匿名函数不用担心函数名冲突；

• 匿名函数一般适用于创建一些临时性的，小巧的函数；

map函数

下面我们来看看MAP函数：

map函数的使用形式如下：

map(function, sequence)
  

function就是传入的函数名，sequence就是需要被function函数处理元素组成的序列。 整个过程可以理解成如下：

sequence = [item1, item2, item3, item4, item5]
for i in sequence:
 function(i)

我们来看看几个例子：

map(lambda x: x**2, [1, 2, 3])

这是一个map对象（迭代器），我们可以通过将它结果输出：

for i in map(lambda x: x**2, [1, 2, 3]):
print(i)

当然，我们也可以将map的结果直接转化成list：

list(map(lambda x: x**2, [1, 2, 3]))

reduce函数

python3版本的reduce函数已经不再是内置函数了，它需要在functools模块中导入：

from functools import reduce

reduce函数的使用形式如下：

reduce(function, sequence[, initial])
  

先将 sequence 的前两个 item 传给 function，即 function(item1, item2)，函数的返回值和 sequence 的下一个 item 再传给 function，即 function(function(item1, item2), item3)，如此迭代，直到 sequence 没有元素，如果有 initial，则作为初始值调用。

reduece(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
  

a = reduce(lambda x, y: x*y, [1, 2, 3, 4, 5, 6])
print(a)

有一点需要注意的是reduce的传入函数需要传入两个参数，例如上面的例子：我们先选取list中的前两个元素进行lambda函数相乘，然后将相乘的结果再与第三个元素相乘，如此继续下去，一直到整个list元素都被读取为止。

reduce(lambda x, y: x * y, [1, 2, 3, 4])  # 相当于 ((1 * 2) * 3) * 4
reduce(lambda x, y: x * y, [1, 2, 3, 4], 5) # ((((5 * 1) * 2) * 3)) * 4
reduce(lambda x, y: x / y, [2, 3, 4], 72)  #  (((72 / 2) / 3)) / 4
reduce(lambda x, y: x + y, [1, 2, 3, 4], 5)  # ((((5 + 1) + 2) + 3)) + 4
reduce(lambda x, y: x - y, [8, 5, 1], 20)  # ((20 - 8) - 5) - 1
f = lambda a, b: a if (a > b) else b   # 两两比较，取最大值
reduce(f, [5, 8, 1, 10])

filter函数

filter 函数用于过滤元素，它的使用形式如下：

filter(function, sequnce)
  

解释：将 function 依次作用于 sequnce 的每个 item，即 function(item)，将返回值为 True 的 item 组成一个 List/String/Tuple (取决于 sequnce 的类型，python3 统一返回迭代器, 和map一样) 返回。

其实简单来说filter就是一个过滤器，筛选sequnce里面有用的元素。整个过程类似如下：

sequence = [item1, item2, item3, item4, item5]
sequence2 = []
for i in sequence:
if function(i)==True:
 sequence2.append(i)
print(sequence2)

我们来看一个例子：

def odd(x):
return x % 2
number = filter(odd,range(10))
print(number)

            <filter object at 0x0000000002F58D68>


number = list(filter(odd,range(10)))
print(number)

            [1, 3, 5, 7, 9]

换成lambda：

number = list(filter(lambda x: x%2,range(10)))
print(number)

            [1, 3, 5, 7, 9]

以上就是我们在python3中常用也不常用的高阶函数了，他们为函数式编程提供了不少便利，可使代码变得更简洁，如果有需要用到的地方大家以后可以尽量去使用哦！

“扫一扫，走遍天下都不怕”