生成器（Generators）
首先得了解三个概念
- 可迭代对象(Iterable)
- 迭代器(Iterator)
- 迭代(Iteration)
可迭代对象(Iterable)
Python中任意的对象，只要它定义了可以返回一个迭代器的__iter__方法，或者定义了可以支持下标索引的__getitem__方法(这些双下划线方法会在其他章节中全面解释)，那么它就是一个可迭代对象。简单说，可迭代对象就是能提供迭代器的任意对象。
迭代器(Iterator)
任意对象，只要定义了next(Python2) 或者__next__方法，它就是一个迭代器。
迭代(Iteration)
用简单的话讲，它就是从某个地方（比如一个列表）取出一个元素的过程。当我们使用一个循环来遍历某个东西时，这个过程本身就叫迭代。
生成器(Generators)
生成器也是一种迭代器，但是你只能对其迭代一次。这是因为它们并没有把所有的值存在内存中，而是在运行时生成值。你通过遍历来使用它们，要么用一个for循环，要么将它们传递给任意可以进行迭代的函数和结构。大多数时候生成器是以函数来实现的。然而，它们并不返回一个值，而是yield(暂且译作生出)一个值
def generator_function():
for i in xrange(10):
yield i
for i in generator_function():
print i
许多Python2里的标准库函数都会返回列表，而Python3都修改成了返回生成器，因为生成器占用更少的资源。
下面写一个斐波拉契的的函数，使用生成器。
def fb(n):
a,b = 0,1
for i in xrange(n):
yield a
a,b = b, a + b
print fb(10)
那么Python中的那些数据类型支持迭代呢？我们看一下str
some_str = "hello world"
next(some_str)
你就会发现直接报错，因为str不是一个迭代器，而是一个迭代对象。所以它支持迭代，但不支持迭代操作。有个内置函数：iter，可以式str变成一个迭代器。
str_iter = iter(some_str)
next(str_iter)
函数编程
高阶函数
在函数式编程中，我们可以将函数当作变量一样自由使用。一个函数接收另一个函数作为参数，这种函数称之为高阶函数（Higher-order Functions）。
def func(f, arr):
return [f(x) for x in arr]
上面的代码中，func 是一个高阶函数，它接收两个参数，第 1 个参数是函数，第 2 个参数是数组，func 的功能是将函数 g 逐个作用于数组 arr 上，并返回一个新的数组，比如，我们可以这样用：
def double(x):
return 2 * x
def square(x):
return x * x
arr1 = func(double, [1, 2, 3, 4])
arr2 = func(square, [1, 2, 3, 4])
匿名函数(lambda)
lambda 参数: 表达式
关键字lambda说明它是一个匿名函数，冒号:前面的变量是该匿名函数的参数，冒号后面是函数的返回值，注意这里不需使用return关键字。
square = lambda x:x*x
print square(10)
lambda的使用场景，函数一般适用于创建一些临时性的，小巧的函数。
map/reduce/filter
map函数
map(function, sequence)
对sequence中的item依次执行function(item)，并将结果组成一个List返回，也就是：
[function(item1), function(item2), function(item3), ...]
def square(n):
return n*n
print map(square,[1,2,3,4])
reduce
reduce(function, sequence[, initial])
先将sequence的前两个item传给function，即function(item1, item2)，函数的返回值和sequence的下一个item再传给function，即function(function(item1, item2), item3)，如此迭代，直到sequence没有元素，如果有initial，则作为初始值调用。
reduece(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
reduce(lambda x, y: x * y, [1, 2, 3, 4]) # 相当于 ((1 * 2) * 3) * 4
reduce(lambda x, y: x * y, [1, 2, 3, 4], 5) # ((((5 * 1) * 2) * 3)) * 4
filter
filter(function, sequnce)
将function依次作用于sequnce的每个item，即function(item)，将返回值为Tru 的 item 组成一个List/String/Tuple(取决于sequnce的类型，python3统一返回迭代器) 返回。
even_num = list(filter(lambda x: x % 2 == 0, [1, 2, 3, 4, 5, 6]))
filter(lambda x: x < 'g', 'hijack')
装饰器(Decorator)
在Python中
- 函数可以被赋值给其他变量
- 函数可以被删除
- 可以在函数里面再定义函数
- 函数可以作为参数传递给另外一个函数
- 函数可以作为另一个函数的返回
简而言之，函数就是一个对象。
对一个简单的函数进行装饰
def hello():
return 'hello world'
def makeitalic(func):
def wrapped():
return "<i>" + func() + "</i>"
return wrapped
hello = makeitalic(hello)
print hello()
在上面，我们将hello函数传给makeitalic，再将返回赋给hello，此时调用hello()就得到了我们想要的结果。
事实上，makeitalic就是一个装饰器(decorator)，我们可以使用@来简化上面的写法。
def makeitalic(func):
def wrapped():
return "<i>" + func() + "</i>"
return wrapped
@makeitalic
def hello():
return 'hello world'
像上面的情况，可以动态修改函数（或类）功能的函数就是装饰器。本质上，它是一个高阶函数，以被装饰的函数（比如上面的 hello）为参数，并返回一个包装后的函数（比如上面的 wrapped）给被装饰函数（hello）。
装饰器的副作用
使用装饰器有一个瑕疵，就是被装饰的函数，它的函数名称已经不是原来的名称了，回到最开始的例子：
def makeitalic(func):
def wrapped():
return "<i>" + func() + "</i>"
return wrapped
@makeitalic
def hello():
return 'hello world'
函数hello被makeitalic装饰后，它的函数名称已经改变了：
>>> hello.__name__
'wrapped'
为了消除这样的副作用，Python 中的functool包提供了一个wraps的装饰器：
from functools import wraps
def makeitalic(func):
@wraps(func) # 加上 wraps 装饰器
def wrapped():
return "<i>" + func() + "</i>"
return wrapped
@makeitalic
def hello():
return 'hello world'
>>> hello.__name__
'hello'