1.概念：
函数式编程就是一种抽象程度很http://i.cnblogs.com/EditPosts.aspx?opt=1高的编程范式，纯粹的函数式编程语言编写的函数没有变量，因此，任意一个函数，只要输入是确定的，输出就是确定的，这种纯函数我们称之为没有副作用。而允许使用变量的程序设计语言，由于函数内部的变量状态不确定，同样的输入，可能得到不同的输出，因此，这种函数是有副作 用的。
函数式编程的一个特点就是，允许把函数本身作为参数传入另一个函数，还允许返回一个函数！Python对函数式编程提供部分支持。由于Python允许使用变量，因此，Python不是纯函数式编程语言。
2.高阶函数：一个函数可以接收另一个函数作为参数，这种函数就称之为高阶函数。
1）变量可以指向函数：函数本身也可以赋值给变量，即：变量可以指向函数
f = abs
>>> f(-10)
2）函数名也是变量：
abs = 10
>>> abs(-10)出错
把abs指向10后，就无法通过abs(-10)调用该函数了！因为abs这个变量已经不指向求绝对值函数了！
3）传入函数：
def add(x, y, f):
return f(x) + f(y)
4）map/reduce：
map()函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回。map()作为高阶函数，它把运算规则抽象了。
实例：实现x*x
def f(x):
return x * x
>>>map(f,[1,2,3,4,5])
[1, 4, 9, 16, 25]
reduce()把一个函数作用在一个序列[x1, x2, x3...]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算。
即reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
def fn(x, y):
return x * 10 + y
>>>reduce(fn, [1, 3, 5, 7, 9])
13579
5）filter：
filter()函数用于过滤序列，filter()也接收一个函数和一个序列，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。
def is_odd(n):
return n % 2 == 1
>>>filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])
[1, 5, 9, 15]
6）sorted：
def reversed_cmp(x, y):
if x > y:
return -1
if x < y:
return 1
return 0
>>>sorted([36, 5, 12, 9, 21], reversed_cmp)
3.返回函数：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。
1）函数作为返回值：
def lazy_sum(*args):
def sum():
ax = 0
for n in args:
ax = ax + n
return ax
return sum
2）闭包：
返回的函数在其定义内部引用了局部变量args，所以，当一个函数返回了一个函数后，其内部的局部变量还被新函数引用。返回闭包时牢记的一点就是：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。
4.lambda:
lambda表示匿名函数，冒号前面的x表示函数参数,就是只能有一个表达式，不用写return，返回值就是该表达式的结果。
>>>map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9])
5.装饰器：假设我们要增强某个函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改原函数的定义，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 now():
print '2013-12-25'
>>>now.__name__ #可以获得函数名
def log(func):
def wrapper(*args, **kw):
print 'call %s():' % func.__name__
return func(*args, **kw)
return wrapper
@log
def now():
print '2013-12-25'
6.偏函数：
functools.partial（）：把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，调用这个新函数会更简单。