Python高阶函数是什么？怎么用？

　　初次了解的小伙伴可能有些疑惑，对于“高阶”不明白，或者高阶函数和函数两者之间有什么关系?要怎么使用呢?有这些疑惑的小伙伴可以看下面内容~

　　举一个最简单的高阶函数

　　def foo(x, y, f): # f 是一个函数

　　"""

　　把 x, y 分别作为参数传递给 f, 最后返回他们的和

　　:param x:

　　:param y:

　　:param f:

　　:return:

　　"""

　　return f(x) + f(y)

　　def foo1(x):

　　"""

　　返回参数的 x 的 3次方

　　:param x:

　　:return:

　　"""

　　return x ** 3

　　r = foo(4, 2, foo1)

　　print(r) # 72

　　说明:

　　1、这里的 foo 就是高阶函数, 因为他接收了一个函数作为参数.

　　2、foo1作为参数传递给了foo, 而且foo中的局部变量f接收了foo传递过来的数据, 那么最终是foo和f同时指向了同一个对象。

　　总结

　　编写高阶函数，就是让函数的参数能够接收其他的函数。

　　把函数作为参数传入，这样的函数称为高阶函数，函数式编程就是指这种高度抽象的编程范式。

　　高阶函数另一种形式：把函数作为返回值

　　高阶函数除了可以接受函数作为参数外，还可以把函数作为结果值返回。

　　def foo():

　　x = 10

　　def temp():

　　nonlocal x

　　x += 10 #x=x+10

　　return x

　　return temp

　　f = foo()

　　print(f())

　　print(f())

　　输出结果：

　　说明:

　　调用foo()得到的一个函数, 然后把函数赋值给变量f, 这个时候f和 foo内部的temp其实指向了同一个函数对象。

　　返回的函数每调用一次都会把foo 的局部变量x增加 10 .所以两次调用分别得到 20 和 30。

　　返回访问了外部函数的局部变量或者全局变量的函数,这种函数就是闭包。

　　内置高阶函数

　　高阶函数在函数式编程语言中使用非常的广泛。

　　本节简单介绍几个常用的高阶函数。

　　列表的排序, map/reduce, filter等。

　　map()和filter()

　　函数编程语言通常都会提供map, filter, reduce三个高阶函数.

　　在python3中, map和filter仍然是内置函数, 但是由于引入了列表推导和生成器表达式, 他们变得没有那么重要了。

　　列表推导和生成器表达式具有了map和filter两个函数的功能, 而且更易于阅读。

　　代码展示：

　　a = map(lambda x: x ** 2, [10, 20, 30, 40])

　　print(list(a))

　　print(type(a))

　　输出结果：

　　说明：

　　1、map函数是利用已有的函数和可迭代对象生成一个新的可迭代类型:map类型。

　　2、map的参数1是一个函数, 参数2是一个可迭代类型的数据. map会获取迭代类型的每个数据, 传递给参数1的函数, 然后函数的返回值组成新的迭代类型的每个元素。

　　3、也可以有多个迭代器, 则参数1的函数的参数个数也会增加。

　　4、新生成的迭代器类型的元素的个数, 会和最短的那个迭代器的元素的个数保持一致。

　　a = map(lambda x, y: x + y, [10, 20, 30, 40], [100, 200])

　　print(list(a))

　　输出结果：

　　使用列表推倒实现上面的功能

　　使用列表比map优雅了很多, 而且也避免了参数1的函数

　　list1 = [10, 20, 30, 40]

　　list3 = [x ** 2 for x in list1]

　　print(list3)

　　输出结果：

　　list1 = [10, 20, 30, 40]

　　list2 = [100, 200]

　　# 注意:列表推倒中这里是使用的笛卡尔积

　　list3 = [x + y for x in list1 for y in list2]

　　print(list3)

　　输出结果：