从前面章节，我们知道 Python 函数是以对象的形式实现的，属于 一等对象 ( first-class object )。根据编程语言理论，一等对象必须满足以下条件：
- 可在运行时创建；
- 能赋值给变量或者某种数据结构；
- 能作为参数传递给函数；
- 能作为函数执行结果返回；
Python 函数同时满足这几个条件，因而也被称为 一等函数 。 高阶函数 则是指那些以函数为参数，或者将函数作为结果返回的函数。对高阶函数稍加利用，便能玩出很多花样来。本节从一些典型的案例入手，讲解 Python 函数高级用法。合理应用函数式编程技巧，不仅能让代码更加简洁优雅，还能提高开发效率和程序质量。
函数式编程技巧最适合用在数据处理场景，接下来以成绩单计算为例，展开讲解。原始数据如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
|
scores = [
{
'name': '小雪',
'chinese': 90,
'math': 75,
'english': 85,
},
{
'name': '小明',
'chinese': 70,
'math': 95,
'english': 80,
},
{
'name': '小丽',
'chinese': 85,
'math': 85,
'english': 90,
},
{
'name': '小宇',
'chinese': 85,
'math': 95,
'english': 90,
},
{
'name': '小刚',
'chinese': 65,
'math': 70,
'english': 55,
},
{
'name': '小新',
'chinese': 85,
'math': 85,
'english': 80,
},
]
|
sorted
排序是我们再熟悉不过的场景，如果待排序元素可以直接比较，调用 sorted 函数即可：
1
2
3
|
>>> numbers = [2, 8, 6, 9, 7, 0, 1, 7, 0, 3]
>>> sorted(numbers)
[0, 0, 1, 2, 3, 6, 7, 7, 8, 9]
|
对比较复杂的数据进行排序，则需要一些额外的工作。假如语文老师想对语文成绩进行排序，改如何进行呢？
sorted 支持指定一个自定义排序函数 key ，该函数以列表元素为参数，返回一个值决定该元素的次序。由于我们需要根据语文成绩对元素进行排序，因此需要实现一个函数将语文成绩提取出来作为比较基准：
1
2
|
def by_chinese(item):
return item['chinese']
|
现在只需要将 by_chinese 函数作为 key 参数传给 sorted 即可实现语文成绩排序：
1
2
3
4
5
6
7
8
9
|
>>> for item in sorted(scores, key=by_chinese):
... print(item['name'], item['chinese'])
...
小刚 65
小明 70
小丽 85
小宇 85
小新 85
小雪 90
|
自定义排序函数还可以控制升降序，如果需要按分数从高到底依次排序，可以返回成绩的负数作为排序基准：
1
2
|
def by_chinese_desc(item):
return -item['chinese']
|
1
2
3
4
5
6
7
8
9
|
>>> for item in sorted(scores, key=by_chinese_desc):
... print(item['name'], item['chinese'])
...
小雪 90
小丽 85
小宇 85
小新 85
小明 70
小刚 65
|
当然了，通过 sorted 函数 reverse 参数控制升降序，是一个更好的编程习惯，逻辑更清晰：
1
2
3
4
5
6
7
8
9
|
>>> for item in sorted(scores, key=by_chinese, reverse=True):
... print(item['name'], item['chinese'])
...
小雪 90
小丽 85
小宇 85
小新 85
小明 70
小刚 65
|
lambda
像 by_chinese 这样直接返回结果的极简函数，其实没有必要大动干戈，用 匿名函数 定义即可。Python 中的 lambda 关键字用于定义匿名函数，匿名函数只需给出参数列表以及一个表达式作为函数返回值：
这样一来，by_chinese 这个自定义排序函数，可以这样来定义：
1
|
by_chinese = lambda item: item['chinese']
|
相应地，我们实现语文成绩排序的代码编程这样子：
1
2
3
4
5
6
7
8
9
|
>>> for item in sorted(scores, key=lambda item: item['chinese']):
... print(item['name'], item['chinese'])
...
小刚 65
小明 70
小丽 85
小宇 85
小新 85
小雪 90
|
数学老师来了，也只需要改动一点点，就能实现数学成绩排序了：
1
2
3
4
5
6
7
8
9
|
>>> for item in sorted(scores, key=lambda item: item['math']):
... print(item['name'], item['math'])
...
小刚 70
小雪 75
小丽 85
小新 85
小明 95
小宇 95
|
函数式编程语言一般都会提供 map 、 filter 以及 reduce 这 3 个高阶函数，再复杂的数据统计处理任务都可以转换成这些算子的组合。因此，不少大数据平台，例如 Hadoop 等，都以 map 、 reduce 为基础算子。Python 内部也自带了这几个高阶函数，那么这几个高阶函数如何与基础算子组合，才能迸发巨大威力呢？点击“阅读原文”，获取更多详情！
到底如何才能提升我的 Python 开发水平，向更高一级的岗位迈进呢？
如果你有这些问题或者疑惑，请订阅我们的专栏 Python源码深度剖析 ，阅读更多章节：
【Python源码剖析】系列文章首发于公众号【小菜学编程】，敬请关注：
小菜学编程
