filter

Python内建的filter()
函数用于过滤序列。
map()
类似，filter()
也接收一个函数和一个序列。和map()
不同的是，filter()
把传入的函数依次作用于每个元素，然后根据返回值是True
还是False
决定保留还是丢弃该元素。

用filter()
这个高阶函数，关键在于正确实现一个“筛选”函数。

注意到filter()
函数返回的是一个Iterator
，也就是一个惰性序列，所以要强迫filter()
完成计算结果，需要用list()
函数获得所有结果并返回list。

得到所有的素数。

def _odd_iter(): n = 1 while True: n = n + 2 yield n
定义一个筛选函数：
def _not_divisible(n): return lambda x: x % n > 0

定义一个生成器，不断返回下一个素数：
def primes(): yield 2 it = _odd_iter() # 初始序列 while True: n = next(it) # 返回序列的第一个数 yield n it = filter(_not_divisible(n), it) # 构造新序列

这个生成器先返回第一个素数2
，然后，利用filter()
不断产生筛选后的新的序列。
由于primes()
也是一个无限序列，所以调用时需要设置一个退出循环的条件：

打印1000以内的素数:for n in primes(): if n < 1000: print(n) else: break

注意到Iterator
是惰性计算的序列，所以我们可以用Python表示“全体自然数”，“全体素数”这样的序列，而代码非常简洁。

我这里没有做相关的实验

sorted

sorted()
函数也是一个高阶函数，它还可以接收一个key
函数来实现自定义的排序，例如按绝对值大小排序：
sorted([36, 5, -12, 9, -21], key=abs) [5, 9, -12, -21, 36]

sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower)

进行反向排序，不必改动key函数，可以传入第三个参数reverse=True
：
sorted(['bob', 'about', 'Zoo', 'Credit'], key=str.lower, reverse=True)

返回函数

def lazy_sum(*args):
def sum():
ax = 0
for n in args:
ax = ax + n
return ax
return sum

f1 = lazy_sum(1, 3, 5, 7, 9)
f2 = lazy_sum(1, 3, 5, 7, 9)
f1==f2
[图片上传中。。。（1）]
函数名 与 调用函数 f1（）

匿名函数

匿名函数有个好处，因为函数没有名字，不必担心函数名冲突。此外，匿名函数也是一个函数对象，也可以把匿名函数赋值给一个变量，再利用变量来调用该函数：
f = lambda x: x * x f(5)
list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))
匿名函数有个限制，就是只能有一个表达式
可以把匿名函数作为返回值返回
def build(x, y): return lambda: x * x + y * y

装饰器 **kw 什么意思？

http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/0014318435599930270c0381a3b44db991cd6d858064ac0000

装饰器

函数对象有一个name
属性，可以拿到函数的名字：
在函数调用前后自动打印日志，但又不希望修改now()
函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。
def log(func): def wrapper(*args, **kw): print('call %s():' % func.__name__) return func(*args, **kw) return wrapper
log
，因为它是一个decorator，所以接受一个函数作为参数，并返回一个函数。我们要借助Python的@语法，把decorator置于函数的定义处：
@logdef now(): print('2015-3-25')

把@log放到now()函数的定义处，相当于执行了语句：now = log(now)
一个完整的decorator的写法如下：
import functoolsdef log(func): @functools.wraps(func) def wrapper(*args, *kw): print('call %s():' % func.name) return func(args, **kw) return wrapper

或

import functoolsdef log(text): def decorator(func): @functools.wraps(func) def wrapper(*args, *kw): print('%s %s():' % (text, func.name)) return func(args, **kw) return wrapper return decorator

import functools
是导入functools
模块。模块的概念稍候讲解。现在，只需记住在定义wrapper()
的前面加上@functools.wraps(func)
即可。