15个Python函数式编程的实用技巧-CSDN博客

本文链接：https://blog.csdn.net/GLB_0627/article/details/142567653

引言

函数式编程是一种优雅而强大的编程范式，它强调程序的数据流和变换，而非改变状态和控制流程。本文将带您探索15个实用的Python函数式编程技巧，从基础到进阶，助您写出更加简洁、高效且易于维护的代码。

技巧1：了解lambda表达式

简介：lambda是定义简单函数的一种快捷方式，常用于需要短小匿名函数的场合。

# 示例：创建一个lambda函数，用于计算两数之和  
add = lambda x, y: x + y  
print(add(5, 3))  # 输出：8

技巧：虽然强大，但过度使用会使代码难以理解，保持其简洁性。

技巧2：列表推导式与生成器表达式

列表推导式：

squares = [x**2 for x in range(5)]  # 输出：[0, 1, 4, 9, 16]

生成器表达式：

(sqr for sqr in (x**2 for x in range(5)))  # 直接迭代或转换为列表使用

解释：生成器节省内存，适合处理大量数据。

技巧3：map()函数

应用：对序列中的每个元素应用函数。

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

技巧4：filter()函数

筛选：根据条件过滤序列。

even_numbers = filter(lambda x: x % 2 == 0, numbers)  
print(list(even_numbers))  # 输出：[]

技巧5：reduce()函数（需导入functools）

聚合：对序列应用累积函数。

from functools import reduce  
product = reduce(lambda x, y: x*y, numbers, 1)  # 初始值设为1  
print(product)  # 输出：6

技巧6：zip()函数

合并：将多个序列配对。

list1 = [1, 2, 3]  
list2 = ['a', 'b', 'c']  
zipped = zip(list1, list2)  
print(list(zipped))  # 输出：[(1, 'a'), (2, 'b'), (3, 'c')]

技巧7：enumerate()

索引+值：同时遍历序列的索引和值。

for i, val in enumerate(['apple', 'banana', 'cherry']):  
    print(f"Index {i}: {val}")

技巧8：列表切片的高级用法

my_list = [1, 2, 3, 4, 5]  
print(my_list[::-1])  # 输出：[5, 4, 3, 2, 1] 反转列表

技巧9：sorted()函数的自定义排序

自定义排序规则：

items = [('apple', 2), ('banana', 1), ('cherry', 3)]  
sorted_items = sorted(items, key=lambda x: x[1])  
print(sorted_items)  # 按第二个元素排序

技巧10：itertools模块

循环组合：如itertools.product, itertools.combinations等，用于复杂的序列组合和迭代。

from itertools import product  
print(list(product('AB', repeat=2)))  # 输出：[('A', 'A'), ('A', 'B'), ('B', 'A'), ('B', 'B')]

技巧11：高阶函数的应用

装饰器：作为高阶函数，可以修改或增强其他函数的功能。

def my_decorator(func):  
    def wrapper():  
        print("Something is happening before the function is called.")  
        func()  
        print("Something is happening after the function is called.")  
    return wrapper  
  
@my_decorator  
def say_hello():  
    print("Hello!")  
  
say_hello()  # 输出：前后都有额外信息

技巧12：偏函数（partial function）使用

functools.partial：固定部分参数，创建新的函数。

from functools import partial  
double = partial(lambda x, y: x * y, y=2)  
print(double(5))  # 输出：10

技巧13：生成器的高级使用

yield语句：用于创建生成器，按需生成数据，节省内存。

def count_up_to(n):  
    i = 1  
    while i <= n:  
        yield i  
        i += 1  
for number in count_up_to(5):  
    print(number)

技巧14：匿名递归

lambda与递归：虽然不常用，但在特定场景下可以实现简洁的递归逻辑。

# 注意：实际应用中推荐使用def定义函数进行递归，以提高代码可读性  
factorial = (lambda f: lambda x: 1 if x == 0 else x * f(f)(x-1))(lambda f: lambda x: 1 if x == 0 else x * f(f)(x-1))  
print(factorial(5))  # 输出：120

技巧15：使用`*args`和`**kwargs`

灵活传参：允许函数接收任意数量的位置参数和关键字参数。

def print_info(*args, **kwargs):  
    for arg in args:  
        print(arg)  
    for key, value in kwargs.items():  
        print(f"{key}: {value}")  
  
print_info(1, 2, 3, name="Alice", age=30)

实战案例：数据分析简化

假设我们需要处理一个数据列表，统计其中每个元素出现的次数。

data = [1, 2, 3, 2, 1, 1, 3, 4, 4, 4]  
  
# 使用collections.Counter  
from collections import Counter  
counts = Counter(data)  
print(counts)  # 输出：Counter({1: 3, 4: 3, 2: 2, 3: 2})  
  
# 分析与技巧  
- 这里利用了`Counter`，它是一个容器，表示一个计数可哈希对象的集合。  
- 是函数式编程中处理数据统计的高效方式，无需手动循环计数。

通过上述技巧的学习，您已经掌握了Python函数式编程的核心概念和高级用法。