Python函数式编程

• map函数：
  map(func,seq1[,seq2…])
  map函数将func作用于seq中的每一个元素并用一个列表给出返回值。
  下面是我自己的map实现：

def MyMap(f,seq):
    def iter(n,l):
        if(n < 0):
            l.reverse()
            return l
        else:
            l.append(f(seq[n]))
            return iter(n-1,l)
    return iter(len(seq)-1,[])

r = MyMap(lambda x:x+1,[1,2,3,4,5,6,7,8,9])
print(r)

在这个函数里，我定义了另一个函数iter，这样在任意位置定义函数的写法也是函数式语言的特性之一，因为函数是“一等公民”。
这里的iter用了尾递归的写法，之所以这么写是为了让函数更加“函数式”，因为函数式语言中没有循环语句。
不过因为python的特性，如l.reverse()这样的语句是没有返回值的，所以无法写入return中，只能用命令式的方法表达。
我们的目的是让MyMap返回一个list，而这个list又由iter来编辑，所以就让iter在结束的时候返回list，并且把iter写在MyMap返回值中，从而传递list。

在倒数第二行，我用了一个lambda函数（匿名函数），这个函数的意义在于方便定义那种只用一次的函数，不用专门为它取名字，这一特性让程序更加简洁干净。

• reduce函数
  reduce(func,seq[,init])
  reduce函数即化简，它每次迭代，将上一次的迭代结果与下一个元素一同执行一个二元的func函数。
  自己的实现如下：

def MyReduce(f,seq):
    def iter(n):
        if(n < 0):
            return 0
        else:
            return seq[n]+iter(n-1)
    return iter(len(seq)-1)

这个函数和上面的思路类似，不过有一点不一样，那就是上一个函数中的辅助函数使用了尾递归，而这个是普通递归。
为什么要说递归呢，还是因为前面提到的，函数式语言中没有循环，所以熟练运用递归并优化递归就是一个必须技能，学习函数式编程也不能跳过递归的学习。
仔细观察两个函数会发现，第一个函数的返回值是

iter(len(seq)-1,[])

而第二个是

seq[n]+iter(n-1)

区别在第一个返回值只有函数本身，而第二个则包含了一个seq[n]+。
如果n非常大，那么第二种写法将会非常低效，因为函数需要运行到n=0后不断往回走不断与seq[n]相加。而第一种写法则没有返回的过程，运行更快。
同时，在第二种写法中，因为最后注定要往回走，所以前面的数据必须保留，这样n非常大的时候保留的数据就会非常多，多到一定程度后会栈溢出。而第一种写法将数据全部储存在了变量中，不会存在栈溢出的问题。

上面就是python函数式编程中一些比较基础的东西：递归、匿名函数和返回值。这些不仅可以用在python中，其它任何一个支持函数式的语言中都可以用到。

在学习python函数式编程的时候，不要关注python，要关注函数，后者才是真正的重点。

函数式编程也远不止是上面说的这些，还有continuation passing style(CPS)，柯里化，闭包等技术，有兴趣深入学习的话可以了解一下scheme等“更函数”的语言，python支持的函数式编程并不能完全体现函数式编程的思想。