Python 高阶函数

高阶函数是 Python 函数式编程的核心特性，下面我们一起来看看吧！

1. 引入高阶函数概念

前面我们说各种数据类型可以赋值给变量，其实函数也可以赋值给变量，赋值以后可以用新的变量来调用函数了。所以函数也可以作为参数传递给函数。

>>> def add(a, b):
...     return a + b
... 
>>> add(4, 5)
9
>>> 
>>> add
<function add at 0x105083240>
>>> 
>>> func = add
>>> 
>>> func
<function add at 0x105083240>
>>> 
>>> func(4, 5)
9

2. 如何定义高阶函数

高阶函数的定义与普通函数类似，使用def关键字，但其参数或返回值包含函数。函数在 Python 中是一等公民，可以像变量一样传递、赋值或返回。

示例：定义接受函数作为参数的高阶函数

def apply_operation(func, x, y):
    return func(x, y)

def add(a, b):
    return a + b

result = apply_operation(add, 3, 5)
print(result)  # 输出: 8

在这个例子中，apply_operation是一个高阶函数，接受函数func作为参数，并将其应用于x和y。

在调用 apply_operation 的时候，会将 add 函数赋值给 func ，3 赋值给 x ，5 赋值给 y 。然后在 apply_operation 内部计算完成后返回结果。

3. 使用高阶函数

高阶函数可以通过内置函数或自定义函数实现。Python 内置的高阶函数包括map()、filter()和reduce() 等等（在functools模块中）。后续我们会详细介绍这些常用的内置 高阶 函数。

示例：使用map()将函数应用于序列。

map() 函数接收2个参数，第一个参数是一个函数f、第二个参数是一个序列numbers（可以是列表、元组等等），在 map() 函数内部将 numbers 序列的每个元素都传递给 f 函数得到一组新的值序列c，然后返回c。

def f(num):
    return num * num

numbers = [1, 2, 3, 4]
result = list(map(f, numbers))
print(result)  # 输出: [1, 4, 9, 16]

map()将f函数应用于numbers中的每个元素，返回一个map对象（需转换为列表）。

示例：使用filter()筛选数据

def is_even(num):
    return num % 2 == 0

numbers = [1, 2, 3, 4, 5, 6]
result = list(filter(is_even, numbers))
print(result)  # 输出: [2, 4, 6]

filter()使用is_even函数筛选出numbers中的偶数。

4. 传入函数

高阶函数的核心是能够将函数作为参数传递。这允许动态选择行为，增强代码灵活性。

示例：动态选择操作

def multiply(a, b):
    return a * b

def divide(a, b):
    return a / b if b != 0 else "Cannot divide by zero"

def compute(operation, x, y):
    return operation(x, y)

print(compute(multiply, 4, 5))  # 输出: 20
print(compute(divide, 10, 2))   # 输出: 5.0

compute函数接受不同的操作函数（multiply或divide），并根据传入的函数执行计算。

5. 使用lambda匿名函数

lambda函数是匿名函数（也就是没有具体的函数名），常用于高阶函数中简化代码。语法为：lambda 参数: 表达式。

示例：结合map()和lambda

numbers = [1, 2, 3, 4]
result = list(map(lambda x: x * x, numbers))
print(result)  # 输出: [1, 4, 9, 16]

# lambda x: x * x
# 完全等效于
# def f(num):
#     return num * num

lambda x: x * x替代了定义单独的f函数，简洁且功能相同。

6. 注意事项

• 函数纯度：高阶函数在函数式编程中应尽量保持纯函数特性（相同的输入产生相同的输出，无副作用）。
• 可读性：避免过度使用lambda函数，复杂的逻辑应定义为命名函数以提高可读性。
• 性能：高阶函数（如map和filter）可能比列表推导式稍慢，但在某些场景下更具表达力。
• 异常处理：确保传入的函数参数正确，必要时添加类型检查或异常处理。

示例：带异常处理的高阶函数

def safe_apply(func, x, y):
    try:
        return func(x, y)
    except Exception as e:
        return f"Error: {e}"

def divide(a, b):
    return a / b

print(safe_apply(divide, 10, 2))  # 输出: 5.0
print(safe_apply(divide, 10, 0))  # 输出: Error: division by zero