函数式编程之filter, map ,reduce和匿名函数lambda

一、函数式编程

函数式编程并非用函数编程这么简单，而是将计算机的运算视为数学意义上的运算，比起面向过程，函数式更加注重的是执行结果而非执行的过程，代表语言有：Haskell、Erlang。而python并不是一门函数式编程语言，但是仍为我们提供了很多函数式编程好的特性，如lambda，map，reduce，filter

二、 匿名函数与lambda

​ 对比使用def关键字创建的是有名字的函数，使用lambda关键字创建则是没有名字的函数，即匿名函数，语法如下
lambda 参数1,参数2,...: expression

举例

# 1、定义
lambda x,y,z:x+y+z

#等同于
def func(x,y,z):
    return x+y+z

# 2、调用
# 方式一：
res=(lambda x,y,z:x+y+z)(1,2,3)

# 方式二：
func=lambda x,y,z:x+y+z # “匿名”的本质就是要没有名字，所以此处为匿名函数指定名字是没有意义的
res=func(1,2,3)

匿名函数与有名函数有相同的作用域，但是匿名意味着引用计数为0，使用一次就释放，所以匿名函数用于临时使用一次的场景，匿名函数通常与其他函数配合使用，我们以下述字典为例来介绍它

salaries={
    'siry':3000,
    'tom':7000,
    'lili':10000,
    'jack':2000
}

要想取得薪水的最大值和最小值，我们可以使用内置函数max和min（为了方便开发，python解释器已经为我们定义好了一系列常用的功能，称之为内置的函数，我们只需要拿来使用即可）

>>> max(salaries)
'tom'
>>> min(salaries)
'jack'

内置max和min都支持迭代器协议，工作原理都是迭代字典，取得是字典的键，因而比较的是键的最大和最小值，而我们想要的是比较值的最大值与最小值，于是做出如下改动

# 函数max会迭代字典salaries，每取出一个“人名”就会当做参数传给指定的匿名函数key，
# 然后将匿名函数的返回值当做比较依据，最终返回薪资最高的那个人的名字
>>> max(salaries,key=lambda k:salaries[k]) 
'lili'
# 原理同上
>>> min(salaries,key=lambda k:salaries[k])
'jack'

sorted()方法 会产生新的内存地址（列表和字典都会） 而 .sort（） 方法不会,，字典没有 .sort()方法
同理，我们直接对字典进行排序，默认也是按照字典的键去排序的

>>> sorted(salaries)
# ['jack', 'lili', 'siry', 'tom']
res=sorted(salaries,key=lambda k:salaries[k],reverse=True)
print(res) # ['lili', 'tom', 'siry', 'jack']

三、 map、reduce、filter

函数map、reduce、filter都支持迭代器协议，用来处理可迭代对象，我们以一个可迭代对象array为例来介绍它们三个的用法
array=[1,2,3,4,5]

要求一：对array的每个元素做平方处理，可以使用map函数
map函数可以接收两个参数，一个是函数，另外一个是可迭代对象，具体用法如下

>>> res=map(lambda x:x**2,array)
>>> res
<map object at 0x1033f45f8>
>>>

解析：map会依次迭代array，得到的值依次传给匿名函数（也可以是有名函数），而map函数得到的结果仍然是(map对象)迭代器。

>>> list(res) #使用list可以依次迭代res，取得的值作为列表元素
[1, 4, 9, 16, 25]

案例2, 要求列表的每一位末尾都加上_ds

l=['alex','lxx','wxx','yyy']
from collections.abc import Iterator,Iterable,Generator
res=map(lambda name:name+'_ds',l)
print(isinstance(res,Iterable)) # True
print(isinstance(res,Iterator)) # True
print(isinstance(res,Generator))# False
print(res) # <map object at 0x000001EA4B31B280>  如果是python2 将直接得到列表
print(list(res)) # ['alex_ds', 'lxx_ds', 'wxx_ds', 'yyy_ds']

结论: map对象是迭代器 有__iter__() 和 __next__ ()方法。

要求二：对array进行合并操作，比如求和运算，这就用到了reduce函数
reduce函数可以接收三个参数，一个是函数，第二个是可迭代对象，第三个是初始值

# reduce在python2中是内置函数，在python3中则被集成到模块functools中，需要导入才能使用
>>> from functools import reduce 
>>> res=reduce(lambda x,y:x+y,array)
>>> res
15

解析：

1. 没有指定初始值，reduce函数会先迭代一次array得到的值作为初始值，作为第一个值数传给x，然后继续迭代一次array得到的值作为第二个值传给y，运算的结果为3 （1+2）
2. 将上一次reduce运算的结果3作为第一个值传给x，然后迭代一次array得到的结果3作为第二个值传给y，依次类推，直到迭代完array的所有元素，得到最终的结果15
   也可以为reduce指定初始值

>>> res=reduce(lambda x,y:x+y,array,100)
>>> res
115

要求三：对array进行过滤操作，这就用到了filter函数，比如过滤出大于3的元素fliter 函数接收两个参数 第一个参数可以返回bool值的过滤条件（True or False） 第二个是可迭代对象 ，得到的结果类似map ，仍为迭代器

>>> res=filter(lambda x:x>3,array)

解析：filter函数会依次迭代array，得到的值依次传给匿名函数，如果匿名函数的返回值为真，则过滤出该元素，而filter函数得到的结果仍然是迭代器。

>>> list(res) 
[4, 5]

案例2

# 方式一
l=['alex_sb','lxx_sb','wxx','张良']
res=(name for name in l if name.endswith('sb'))
print(res) # <generator object <genexpr> at 0x00CFF8B0>

# 方式二
res=filter(lambda name:name.endswith('sb'),l)
print(res) # <filter object at 0x000002582FBEB100>
print(isinstance(res,Iterable)) # True
print(isinstance(res,Iterator)) # True
print(isinstance(res,Generator)) # False

提示：我们介绍map、filter、reduce只是为了带大家了解函数式编程的大致思想，在实际开发中，我们完全可以用列表生成式或者生成器表达式来实现三者的功能。