1.函数式编程（functional programming）
是一种编程方法，或者说是编程模式，它将电脑运算视为函数的计算、不需要变量因而不会产生副作用、支持高阶函数（可以接受函数作为参数）。
Python并不是纯的函数式编程，它允许有变量，支持闭包，有限的支持匿名函数。
与以前的C++不同的是python的变量是可以指向函数的，而函数名其实也是一个指向函数的变量。
可以看看下面的例子：
f = abs
f(-10)
当然我们可以想到指向函数的变量其实也可以作为函数参数，这就相当于函数作为参数，就是我们说的高阶函数。
看下面的例子：
def add(x, y, f):
return f(x) + f(y)
add(-5, 6, abs)
2.几个python内置的高阶函数
map():
接受一个函数f和一个list，list里的元素依次通过f的处理，然后生成一个新的list。
看这个例子：
def format_name(s):
return s[0].upper()+s[1:].lower()
print map(format_name, ['sam', 'LIly', 'TOM'])
输出：['Sam', 'Lily', 'Tom']
reduce():
接受一个函数f和一个list，f必须接受两个参数，取list中前两个元素用f处理，结果再作为参数和后面的元素一起用f处理，依次类推。
看下面的例子：
from functools import reduce
def add(x, y):
return x + y
reduce(add, [1, 3, 5, 7, 9])
输出：25
filter()：
用于过滤序列，接受一个函数f和一个list，函数f对list中每个元素进行判断，返回True或False，过滤掉不符合条件的元素，生成由符合条件的元素组成的序列。
例如下面这个过滤偶数的例子:
def is_odd(x):
return x % 2 == 1
filter(is_odd, [1, 4, 6, 7, 9, 12, 17])
sorted():
用于对list进行排序，第二个参数可以省略也可以传入一个函数cmp，来定义排序的规则：顺序的返回-1，逆序返回1，相等返回0。第三个参数如果设为reverse=True可以在原来的基础上逆序排序。
看下面的例子：
def cmp_ignore_case(s1, s2):
if s1.upper()<s2.upper():
return -1
else:
return 1
print sorted(['bob', 'about', 'Zoo', 'Credit'], key=cmp_ignore_case, reverse=True)
结果：['Zoo', 'Credit', 'bob', 'about']
3.返回函数与闭包
返回函数：
Python可以返回函数，但有一点需要注意的：
看这个例子：
def calc_prod(lst):
def prod(x1, x2):
return x1 * x2
def c_prod():
return reduce(prod, lst)
return c_prod
f = calc_prod([1, 2, 3, 4])
print f()
输出：24
这里返回函数的时候并不会执行，再调用f()的时候才会执行。
闭包：
先简单的下个定义：内层函数引用了外层函数的变量（参数也算变量），然后返回内层函数的情况，称为闭包（Closure）。
但是为什么要这样子做呢？我们结合下面这个例子来理解一下：
def line_conf(a, b):
def line(x):
return ax + b
return line
line1 = line_conf(1, 1)
line2 = line_conf(4, 5)
print(line1(5), line2(5))
显然如果我们只是定义一个接受a、b、x三个参数的函数也是可以的，但这样我们每次就需要传入三个参数，显然麻烦很多，特别是当a、b两个参数较少改变的时候，上面代码使用闭包的简便性就体现出来了。这就是说闭包能提高程序的复用性。
一个需要注意的点：返回函数不要引用任何循环变量，或者后续会发生变化的变量。这个可以看看廖雪峰老师慕课网上的python进阶教程深入了解。
4.匿名函数
Python匿名函数的使用比Java的简单得多：用关键字lambda且只能有一个表达式。
看下面的例子：
print filter(lambda s:s and len(s.strip()) > 0, ['test', None, '', 'str', ' ', 'END'])
这个例子的功能是过滤空字符串，冒号前面的x是参数，后面是表达式。
5.装饰器
装饰器（Decorator）用于增强函数的功能。本质上就是一个高阶函数，它接收一个函数作为参数，然后，返回一个新函数。
我们可以用@语句简化像f = decorate(f)这样的代码。
看下面的例子：
def log(f):
def fn(x):
print 'call ' + f.__name__ + '()...'
return f(x)
return fn
@log
def factorial(n):
return reduce(lambda x,y: x*y, range(1, n+1))
print factorial(10)
输出：
call factorial()...
3628800
但是，我们发现log()函数只适用于一个参数的函数。为了让它适用各种参数数量，我们需要做一些修改：
def log(f):
def fn(*args, **kw):
print 'call ' + f.__name__ + '()...'
return f(*args, **kw)
return fn
然后有时，我们需要log()函数打印不同的语句，这就需要我们对装饰器传入参数。
思路是这个样子的：带参数的log函数首先返回一个decorator函数，再让这个decorator函数接收my_func并返回新函数。
看下面的例子：
def log(prefix):
def log_decorator(f):
def wrapper(*args, **kw):
print '[%s] %s()...' % (prefix, f.__name__)
return f(*args, **kw)
return wrapper
return log_decorator
@log('DEBUG')
def test():
pass
print test()
输出：
[DEBUG] test()...
None
装饰器有时会改变函数的一些属性，比如函数名等，为了保存原有的函数信息，我们可以在参数为原函数的函数下加一句 @functools.wraps(f)。
6.偏函数
我们可以用 functools.partial() 减少原函数参数的数量，创建一个新函数。
看下面的例子：
int2 = functools.partial(int, base=2)
Int函数默认第二个参数为10，表示进制，我们也可以改变第二个参数，例子的int2表示一个二进制的类型转换函数。