这节没看懂

def performance(unit):#创建带参数的decorator,其中unit为参数的形参    def perf_decorator(f):#定义装饰器函数         @functools.wraps(f)#将原函数f的所有属性复制到新函数wrapper              def wrapper(*args, **kw):#定义装饰函数             t1 = time.time()#记录函数开始时间                      r = f(*args, **kw)#运行函数f                         t2 = time.time()#记录函数结束时间                         t = (t2 - t1) * 1000 if unit=='ms' else (t2 - t1)#计算函数f的运行时间                         print 'call %s() in %f %s' % (f.__name__, t, unit)#打印函数f的名称，运行时间以及所带参数的实参                         return r#调用原函数f         return wrapper#返回装饰函数    return perf_decorator#返回装饰器函数

def log(prefix):

    def log_decorator(f):

        def wrapper(*args,**kw):

            print '[%s] %s()...' % (prefix,f.__name__)

            return f(*args,**kw)

        return wrapper

    return log_decorator

@log('DEBUG')

def test():

    pass

print test()

import time

def performance(unit):

    def perf_decorator(f):

        def wrapper(*args,**kw):

            t1 = time.time()

            r = f(*args,**kw)

            t2 = time.time()

            t = (t2 - t1) * 1000 if unit=='ms' else (t2 - t1)

            print 'call %s() in %f %s' %(f.__name__,t,unit)

            return r

        return wrapper

    return perf_decorator

@performance('ms')

def factorial(n):

    return reduce(lambda x,y: x*y, range(1, n+1))

print factorial(10)

def log(f):

    def fn(x):

        print 'call' + f.__name__ + '()...'

        return f(x)

    return fn

@log

def factorial(n):

    return reduce(lambda x,y: x*y,range(1,n+1))

print factorial(10)

def log(f):

    def fn(*args,**kw):

        print 'call' + f.__name__+ '()...'

        return f(*args,**kw)

    return fn

@log

def add(x,y):

    return x + y

print add(1,2)

import time

def performance(f):

    def fn(*args,**kw):

        t1 = time.time()

        r = f(*args,**kw)

        t2 = time.time()

        print 'call %s() in %fs' %(f.__name__,(t2 - t1))

        return r

    return fn

@performance

def factorial(n):

    return reduce(lambda x,y: x*y,

range(1,n+1))

print factorial(10)

def log(f):

    def fn(x):

        print 'call' + f.__name__ + '()...'

        return f(x)

    return fn

@log

def factorial(n):

    return reduce(lambda x,y: x*y,range(1,n+1))

print factorial(10)

def log(f):

    def fn(*args,**kw):

        print 'call' + f.__name__+ '()...'

        return f(*args,**kw)

    return fn

@log

def add(x,y):

    return x + y

print add(1,2)

import time

def performance(f):

    def fn(*args,**kw):

        t1 = time.time()

        r = f(*args,**kw)

        t2 = time.time()

        print 'call %s() in %fs' %(f.__name__,(t2 - t1))

        return r

    return fn

@performance

def factorial(n):

    return reduce(lambda x,y: x*y,

range(1,n+1))

print factorial(10)

列表中返回的是三个函数，此时它们并没有被计算

decorator 本质上就是一个高阶函数，它接收一个函数作为参数，然后，返回一个新函数。

使用 decorator 用Python提供的 @ 语法，这样可以避免手动编写f = decorate(f) 这样的代码。

对于参数不是一个的函数，调用将报错。@log 写死了只含一个参数的返回函数。要让 @log 自适应任何参数定义的函数，可以利用Python的 *args 和 **kw，保证任意个数的参数总是能正常调用。

关键字lambda 表示匿名函数，冒号前面的 x 表示函数参数。lambda x:x*x

匿名函数有个限制，就是只能有一个表达式，不写return，返回值就是该表达式的结果。

sort()函数默认接收false

sorted()比较函数的定义是，传入两个待比较的元素 x, y，如果 x 应该排在 y 的前面，返回 -1

 if x > y:        return -1

说明x要排在y前面，而x>y, 前面的数大，就是倒序

内层函数引用了外层函数的变量（参数也算变量），然后返回内层函数的情况，称为闭包(Closure);

闭包的特点是返回的函数还引用了外层函数的局部变量，所以，要正确使用闭包，就要确保引用的局部变量在函数返回后不能变。

返回函数不要引用任何循环变量，或者后续会发生变化的变量。

sorted()函数可对list进行排序;sorted()也是一个高阶函数，它可以接收一个比较函数来实现自定义排序，比较函数的定义是，传入两个待比较的元素 x, y，如果 x 应该排在 y 的前面，返回 -1，如果 x 应该排在 y 的后面，返回 1。如果 x 和 y 相等，返回 0。

filter()函数是 Python 内置的另一个有用的高阶函数，filter()函数接收一个函数 f 和一个list，这个函数 f 的作用是对每个元素进行判断，返回 True或 False，filter()根据判断结果自动过滤掉不符合条件的元素，返回由符合条件元素组成的新list。

 s.strip(rm) 删除 s 字符串中开头、结尾处的 rm 序列的字符。当rm为空时，默认删除空白符（包括'\n', '\r', '\t', ' ')

reduce()函数也是Python内置的一个高阶函数。reduce()函数接收的参数和 map()类似，一个函数 f，一个list，但行为和 map()不同，reduce()传入的函数 f 必须接收两个参数，reduce()对list的每个元素反复调用函数f，并返回最终结果值。reduce()还可以接收第3个可选参数，作为计算的初始值。如果把初始值设为100

sorted()也是一个高阶函数，它可以接收一个比较函数来实现自定义排序，比较函数的定义是，传入两个待比较的元素 x, y，如果 x 应该排在 y 的前面，返回 -1，如果 x 应该排在 y 的后面，返回 1。如果 x 和 y 相等，返回 0。