1.什么是高阶函数

在讲高阶函数之前，还是要说一下什么是一等对象。编程语言理论把一等对象定义为满足以下条件的程序实体：

在运行时创建
能赋值给变量或数据结构中的元素
能作为参数传给函数
能作为函数的返回结果

在python中，函数是一等对象，与其他数据类型处于平等的地位，我们可以将函数赋给变量，也可以将其作为参数传入其他函数，还可以将它存储在其他数据结构中，当然也可以将它们作为其他函数的返回值。
「在python中函数可以作为其他函数的参数和返回值，接受函数作为输入或者返回函数的函数称作高阶函数。」
Python有四个经典的高阶函数：map、filter、reduce、sorted。如果你能熟练使用它们，我相信Python能在你的手上发挥更大的威力！

2. map函数

map(function，iterable…)会根据提供的函数对指定序列做映射。map函数接收两个参数，第一个参数是函数名，第二个参数是iterable。需要注意的是，我们可以传入一个或多个序列进去，但是在Python3中map函数会「返回一个迭代器」。

这么说可能很难把map函数给讲清楚，下面我会给出一些例子来帮助你了解这个函数：

将列表中的数据转为string类型

def mapTest():
    nums = [1,2,3,4,5,6]
    string = map(str,nums) # return an iterator
    print(list(string))
mapTest()  # 打印['1', '2', '3', '4', '5', '6']

对列表中的数据开方

import math
def mapTest():
    nums = [1,2,3,4,5,6]
    results = map(math.sqrt,nums) # return an iterator
    print(list(results))
mapTest()  # 打印[1.0, 1.4142135623730951, 1.7320508075688772, 2.0, 2.23606797749979, 2.449489742783178]

map函数与lambda函数结合对list中的数做平方运算

def mapTest():
    nums = [1,2,3,4,5,6]
    results = map(lambda x : x**2, nums) # return an iterator
    print(list(results))
mapTest()  # 打印[1, 4, 9, 16, 25, 36]

map函数传入两个序列

def mapTest():
    nums1 = [1,2,3,4,5,6]
    nums2 = [2,4,6,8,10,12]
    results = map(lambda x,y : x+y, nums1, nums2) # return an iterator
    print(list(results))
mapTest()  # 打印[3, 6, 9, 12, 15, 18]

一般情况下，我们很喜欢将lambda函数与map函数混合使用，如果序列不等长时，那就会返回序列的长度将会是最短序列的长度。

3. reduce函数

reduce函数和map函数类似，函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给 reduce 中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果。

不过在Python3中，reduce 函数已经被从全局名字空间里移除了，现在被放置在 functools 模块里，如果想要使用它，则需要通过引入 functools 模块来调用。

该函数的语法如下：

reduce(function, iterable[, initializer])

function — 函数，有两个参数
iterable — 可迭代对象
initializer — 可选，初始参数

返回值：一个数值

光说不举例其实很难理解reduce函数有啥用，所以我来举几个例子吧：

from functools import reduce
def reduceTest():
    nums = [1,2,3,4]
    results = reduce(lambda x,y:x+y, nums)
    print(results) # 打印10 
reduceTest()

reduce的运算原理如下图所示。首先，reduce会计算列表中第一个和第二个元素的和，然后把这个结果和第三个元素相加，然后再把新的这个计算结果和第四个元素相加，每一次都是上一次计算的结果和下一个元素相加，所以这样就实现了求和运算。

如果你想继续深究reduce函数的内部原理，还需要再看一个例子：

def func(x,y):
    print(x,y)
def reduceTest():
    nums = [1,2,3,4]
    results = reduce(func, nums)
    print(results)
reduceTest()

执行该代码你会得到以下结果：

1 2
None 3
None 4
None

原理剖析： 在第一次计算中，x和y被赋予了列表中的第一个和第二个元素；第二次计算值x=func(1,2)，y=3，由于func(1,2)没有返回值，所以只能输出一个None。

同理可得如果我们设置初始值为10，那么第一次计算的x=10，y=1！

def func(x,y):
    print(x,y)
def reduceTest():
    nums = [1,2,3,4]
    results = reduce(func, nums,1)
    print(results)
reduceTest()

它的运行结果如下所示：

1 1
None 2
None 3
None 4
None

reduce的应用远远不止这一些，看看下面的例子你将会理解它的真正实力：

# 计算列表中所有元素的乘积
functools.reduce(lambda x, y: x*y, [1,2,3,4])

# 计算列表中所有元素的最大值
functools.reduce(lambda x,y: x if x>y else y, [1,2,3,4])

# 我们有一个列表，里面存了一个数的各位数字，比如[3, 5, 8, 1]对应的是3581的每一个数字，我们要从这个列表计算出原来的数，我们可以这样做
functools.reduce(lambda x,y: x * 10 + y, [3, 5, 8, 1])

4. filter函数

filter() 函数用于过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表。它接收两个参数，第一个为函数，第二个为序列，「序列的每个元素作为参数传递给函数进行判断，然后返回 True 或 False」，最后将返回 True 的元素放到新列表中。

它的语法如下：

filter(function, iterable)

function — 判断函数。
iterable — 可迭代对象。

返回值：一个迭代器

这里值得注意的是第一个参数是一个返回布尔值的函数，它用来过滤不符合条件的元素。我们还是举个例子吧！

筛选出是序列中是偶数的数值

def filterTest():
    nums = [1,3,5,7,10]
    results = filter(lambda x : x % 2 == 0, nums)
    print(list(results)) # 打印[10]

filterTest()

当然细心的同学会发现，我们也可以用列表表达式来实现这个功能！

print([i for i in [1,3,5,7,10] if i % 2 == 0])

5. sorted函数

sorted()函数对所有可迭代的对象进行排序操作。值得注意的是：这里的sorted函数和我们的sort函数是不一样的！

sort 是应用在 list 上的方法，sorted 可以对所有可迭代的对象进行排序操作。
list 的 sort 方法返回的是对已经存在的列表进行操作，无返回值，而内建函数 sorted 方法返回的是一个新的 list，而不是在原来的基础上进行的操作。

sorted函数的语法如下：

sorted(iterable, key=None, reverse=False)

iterable — 可迭代对象。
key — 主要是用来进行比较的元素，只有一个参数，具体的函数的参数就是取自于可迭代对象中，指定可迭代对象中的一个元素来进行排序。
reverse — 排序规则，reverse = True 降序， reverse = False 升序（默认）。

返回值：一个列表（这里不同于map和filter函数）

下面我们还是举个例子吧！

根据年龄顺序排列

def sortedTest():
    data = [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
    print(sorted(data,key=lambda x : x[2]))
sortedTest() #打印[('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]

如果要先按照年龄降序排序，相同年龄的按照名字升序排序：

def sortedTest():
    data = [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10), ('make', 'B', 15)]
    print(sorted(data,key=lambda x : (-x[2],x[0])))
sortedTest() #打印[('john', 'A', 15), ('make', 'B', 15), ('jane', 'B', 12), ('dave', 'B', 10)]