0x00. 概述
在熟悉了Python基础知识后，我们已经可以做一些脚本开发，或者简单的程序。然而，当我们开发较为复杂的程序时，仅使用基础知识内容就会显得比较吃力。这时，了解Python中的一些高级特性会使我们的开发过程变得简单和快乐。
阅读本篇文章，笔者默认您已经掌握Python基础知识。如果您对Python还不了解，请参考Python笔记(一):基础知识
PS:本打算把几个高级特性都写到一篇文章里，但是后来想了想如果真这样的话文章就太长了，索性分开来讲，独自成文，也可以讲的更细一点。
0x01. 介绍
在数学和计算机科学中，高阶函数是至少满足下列一个条件的函数:
接受一个或多个函数作为输入
输出一个函数
——摘自百度百科
已经不记得数学中的高阶函数是个什么鬼了（请原谅我是个学渣~）。但是在Python中高阶函数几乎随处可见。最经典的莫过于map/reduce两个函数了，这两个函数后面讲，我们先看一个简单的例子：
def f(x):
return x * x
def h(func, x):
return func(x) * func(x)
print(h(f, 2)) # 打印结果是: 16
这段代码中函数h就是一个高阶函数，因为它的第一个参数是一个函数（即接受一个函数作为输入，满足高阶函数的第一个条件）。
再来看一个：
def m(x):
def n():
return x * x
return n
print(m(2)()) # 打印结果是: 4
是的，你没有看错！在函数m内部定义了一个子函数n，并且将该函数作为返回值返回。
当我们调用m(2)时，返回值是函数n，那么m(2)()就是对函数n的调用。
如果还不理解，可以将print(m(2)())拆成两行：
sub_func = m(2)
print(sub_func())
这里还涉及了一个知识点：
在Python中，对象和方法都是变量。
举例说明：
def say_hello(name):
print('Hello, %s' % name)
sh = say_hello # 将函数变量赋值给sh变量
sh('lovexiaov') # 打印结果是: Hello, lovexiaov
say_hello = 3 # 给函数变量赋值
say_hello('lovexiaov') # TypeError: 'int' object is not callable
闭包
说到高阶函数，就不得不提闭包，先来看一下Python中闭包的定义：
如果在一个内部函数里，对在外部作用域（但不是在全局作用域）的变量进行引用，那么内部函数就被认为是闭包（closure）。
我们还是举个例子：
def closure():
x = 5
def sub():
return x * x
return sub
如上，在内部函数sub中包含了对函数closure中局部变量x的引用，这就是闭包。
匿名函数/lambda
在介绍高阶函数的用处之前，还需要了解另一个概念，没错，就是匿名函数。Python语言支持使用�lambda 表达式作为匿名函数。
国际惯例，代码奉上：
def use_lambda():
return lambda x: x * x
print(use_lambda()(5)) # 打印结果是25
来看重点代码lambda x: x * x，这行代码就是一个完整的函数。使用lambda声明该行代码是一个lambda表达式，紧跟在后面的是函数的参数，多个参数用逗号,分割；然后使用冒号:分割开参数和函数体。该表达式拆解成普通的函数是这样的：
def func(x):
return x * x
怎么样，使用lambda表达式是不是让代码看起来整洁了许多，有强迫症的同学们？
map函数
前面举了很多高阶函数的例子，那么使用高阶函数到底有什么好处呢？是为了让自己显得高大上？这个问题可以先留着，等看完下面的例子后自己找答案。
map函数是Python中的内置函数，官方文档定义(Python 3.5版本，不适合2.x版本)为：
map(function, iterable, ...)
Return an iterator that applies function to every item of iterable, yielding the results.
咳咳，是时候展示我粗大的英语了。大致的意思是“function函数会作用于可迭代对象的每一个元素，生成结果，并返回一个迭代器”。至于yield，我们可以暂时形象的理解为噎住，下面会进行讲解。
现在假设我们要对一个数组中的每个元素求平方，并生成一个新数组返回，看代码：
iter = map(lambda x: x * x, [1, 2, 3, 4])
for i in iter:
print('i : %d' % i)
代码依然这么简洁，而且意思很明确，虽然我们可以自己写函数实现：
def get_square(l):
L = []
for i in l:
L.append(i * i)
return L
但是可读性就差很多了，在上一篇文章中我们就提到了Python的设计原则就是优雅，明确，简单，这里是不是一个很好的体现？
迭代器有一个特点，就是所有的迭代器对象都可以作为next()内置函数的参数调用，每调用一次，就按角标顺序返回一个值，还是用代码讲吧：
iter = map(lambda x: x * x, [1, 2, 3, 4])
print(next(iter)) # 打印值为：1
print(next(iter)) # 打印值为：4
print(next(iter)) # 打印值为：9
print(next(iter)) # 打印值为：16
print(next(iter)) # 抛出StopIteration 异常
怎么样，是不是有种被“噎住”的感觉啊，哈哈。
话说回来，我们的Python语言也是一个“明明可以靠脸吃饭，却偏要靠实力吃饭”的主，光优雅，明确，简单不够，还必须得实用。下面我们来个更高级的：
r = map(lambda x, y: x + y, [1, 2, 3, 4], [5, 6, 7, 8])
print(r) # 打印结果：[6, 8, 10, 12]
0x02. 总结
在Python内置函数和标准库中，有不少都是高阶函数，合理利用这些函数可以使我们更便捷的开发出功能强大的应用。同时，在我们的日常开发中，合理使用高阶函数会使我们的代码更易于维护和有更高的可读性。不要再犹豫了，开始体验把！
0x03. 参考资料
廖雪峰Python教程
高阶函数百科
闭包百科
lambda百科