什么是高阶函数？
把函数作为参数传入，这样的函数称为高阶函数，函数式编程就是指这种高度抽象的编程范式。
map()函数
map()函数接收两个参数，一个是函数，一个是Iterable，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Iterator返回。
举例：
my_list = [2, 3, 5, 7, 9]
def f(x):
return x * x
print(list(map(f, my_list)))
# 输出：[4, 9, 25, 49, 81]
map()作为高阶函数，事实上它把运算规则抽象了，因此，我们不但可以计算简单的f(x)=x2，还可以计算任意复杂的函数，比如，把这个list所有数字转为字符串：
my_list = [2, 3, 5, 7, 9]
print(list(map(str, my_list)))
# 输出['2', '3', '5', '7', '9']
reduce()函数
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：
from functools import reduce
my_list = [2, 3, 5, 7, 9]
def f(x, y):
return x * 10 + y
print(reduce(f, my_list))
# 输出：23579
filter()函数
filter()函数用于过滤序列。
和map()类似，filter()也接收一个函数和一个序列。和map()不同的是，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。
例如，在一个list中，删掉偶数，只保留奇数，可以这么写：
def is_odd(n):
return n % 2 == 1
list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
# 结果: [1, 5, 9, 15]
把一个序列中的空字符串删掉，可以这么写：
def not_empty(s):
return s and s.strip()
list(filter(not_empty, ['A', '', 'B', None, 'C', ' ']))
# 结果: ['A', 'B', 'C']
可见用filter()这个高阶函数，关键在于正确实现一个“筛选”函数。
注意到filter()函数返回的是一个Iterator，也就是一个惰性序列，所以要强迫filter()完成计算结果，需要用list()函数获得所有结果并返回list。
sorted()函数
sorted()函数也是一个高阶函数，它还可以接收一个key函数来实现自定义的排序，例如按绝对值大小排序
print(sorted([36, 5, -12, 9, -21], key=abs))
# 输出:[5, 9, -12, -21, 36]
key指定的函数将作用于list的每一个元素上，并根据key函数返回的结果进行排序。对比原始的list和经过key=abs处理过的list：
list = [36, 5, -12, 9, -21]
keys = [36, 5, 12, 9, 21]
自定义函数实现排序：
jpg_list = ["dsf345-4.jpg", "s345-2.jpg", "345-9.jpg", "sf345-6.jpg"]
print(sorted(jpg_list))
jpg_list.sort(key=lambda info: info[-5:].split(".")[0])
# jpg_list.sort(key=lambda info: info[-5:-4])
print(jpg_list)
# 输出
#['345-9.jpg', 'dsf345-4.jpg', 's345-2.jpg', 'sf345-6.jpg']
#['s345-2.jpg', 'dsf345-4.jpg', 'sf345-6.jpg', '345-9.jpg']
