python函数式编程

笔记整理自：

1. https://blog.csdn.net/Solo95/article/details/78834041

2. https://www.liaoxuefeng.com/wiki/1016959663602400/1017329367486080
   高阶函数：可以把函数作为参数传入，变量可以指向函数，eg. f=abs；传入函数

   def add(x, y, f):
    return f(x)+f(y)

   Map

   惰性序列：Python的惰性序列多数指Iterator，意思是表达式和变量绑定(比如：调用iter()得到了一个iterator并赋值给一个变量)后不会立即进行求值，而是当你用到其中某些元素的时候才去求某元素对的值(比如next()访问到某元素才去实际计算某元素的值)。你不主动去遍历它，就不会计算其中元素的值。
   意义：

3. 可以实现无限序列的表示，且不需要再内存中计算出所有的自然数

4. 在大规模数据处理中起到延迟计算的作用，把计算步骤延迟到了要实际使用该数据的时候
   map传入两个参数，map(函数，Iterale)，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Iterator返回。

   Reduce

   reduce(函数, Iterable)中传入的函数对参数学列中的元素进行累计

   reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

练习：

1. 利用map()函数，把用户输入的不规范的英文名字，变为首字母大写，其他小写的规范名字

   def normalize(name):
    name = name[0].upper()+name[1:].lower()
    return name
   
   # 测试:
   L1 = ['adam', 'LISA', 'barT']
   L2 = list(map(normalize, L1))
   print(L2)

2. 利用map和reduce编写一个str2float函数，把字符串'123.456'转换成浮点数123.456：

   def str2float(s):
    index = s.index('.')
    return reduce(lambda x, y:x*10+y, map(lambda x:int(x), s[:index]))+reduce(lambda x, y:x*0.1+y, map(lambda x:int(x), reduce(lambda x, y: y+x, s[index+1:])))*0.1