在第16天的文章提到了函式 Function，大概講過基本概念後知道了函式可以把程式碼封裝起來，讓邏輯更加模組化以及增加重複使用性，但 Python 中函式可不只有這樣，函式本身不僅能『執行』，還能夠『回傳』——這就是所謂的『高階函式』，它能夠讓我們以『函式當作變數』的方式來操作，實現簡潔、抽象化的程式設計。

高階函式

在 Python 中函式屬於一等公民，允許對函式進行以下操作：

• 函式作為參數傳入。
• 函式可作為輸出回傳。
• 函式可被修改。
• 函式可被賦值給變數。

舉個例子：
在這個例子中，apply()方法屬於高階函式，因為它接受函式func作為參數，而square()方法只是一個普通的函式，但當它被傳入apply()方法後，讓apply()可以套用不同的邏輯，這樣的設計可以應付各種邏輯，不必寫死在函式內部。

def apply(func, value):
    return func(value)

def square(x):
    return x * x

print(apply(square, 5))  # 25

函式當作變數

有提到函式可被賦值給變數，在 Python 中函式的本質上是『物件』，因此能像是變數一樣被儲存和傳遞。

def person(name):
    return f"我是{name}。"
hello = person
print(hello("小明")) # 我是小明

函式當作參數

當希望『方法』是彈性的時候，就可以把函式當作參數傳入。
從以下例子得知calculate()方法不需要具體的知道是加法或是乘法，只要接受一個函式即可。

def calculate(func, x, y):
    return func(x, y)

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

def mul(x, y):
    return x * y

print(calculate(add, 4, 3)) # 7
print(calculate(mul, 2, 4)) # 8

常見高階函式

以下來介紹幾個常見的高階函式：

1. map：map(func, iterable)將函式func套用到可迭代的物件每個元素上，並回傳新的結果。

numbers = [1, 2, 3]
squares = map(lambda x: x**2, numbers)
print(list(squares)) # [1, 4, 9]

2. filter：filter(func, iterable)根據條件函式func篩選符合條件的元素。

numbers = [1, 2, 3]
evens = filter(lambda x: x % 2 == 0, numbers)
print(list(evens))  [2]

3. reduce：reduce(func, iterable)需要做引入才能夠使用，將函式不斷做序列元素累積成單一結果。

from functools import reduce

numbers = [1, 2, 3]
product = reduce(lambda x, y: x * y, numbers)
print(product)  # 6

4. sorted：sorted(func, iterable)可接受函式key來當作排序依據。

words = ["tomato", "mango", "apple", "banana"]
print(sorted(words, key=len)) # ['mango', 'apple', 'tomato', 'banana']

那麼今天就介紹到這，明天見ㄅㄅ！