python函数式编程详解

函数式编程：是指代码中每一块都是不可变的，都由纯函数的形式组成。这里的纯函数，是指函数本身相互独立、互不影响，对于相同的输入，总会有相同的输出。并且允许把函数本身作为参数传入另一个函数，还允许返回一个函数。

例如实现列表元素的二次方：

def multiply_2(list):
	new_list=[]
	for i in list:
		new_list.append(item**2)
	return new_list

# 函数式编程的优点，主要在于其纯函数和不可变的特性使程序更加健壮，易于调试和测试；缺点主要在于限制多，难写。

纯粹的函数式编程语言（比如 Scala），其编写的函数中是没有变量的，因此可以保证，只要输入是确定的，输出就是确定的；而允许使用变量的程序设计语言，由于函数内部的变量状态不确定，同样的输入，可能得到不同的输出。

Python 允许使用变量，所以它并不是一门纯函数式编程语言。Python 仅对函数式编程提供了部分支持，主要包括 map()、filter() 和 reduce() 这 3 个函数，它们通常都结合 lambda 匿名函数一起使用。

python map()函数

基本语法格式：

map(function,iterable)

# function 参数表示要传入一个函数，其可以是内置函数、自定义函数或者 lambda 匿名函数；iterable 表示一个或多个可迭代对象，可以是列表、字符串等

函数的功能：
对可迭代对象的每一个元素，都调用传入的函数，并返回一个map对象
注意的是该map对象不能直接打印出来，需要通过for循环遍历或者将其通过list()转化为list对象才能显示出来

示例：

list_demo=[6,7,8]
new_list=map(lambda x:x**2,list_demo)
print(list(new_list))

map() 函数是直接由用 C 语言写的，运行时不需要通过 Python 解释器间接调用，并且内部做了诸多优化，所以相比其他方法，此方法的运行效率最高。

python filter()函数

基本语法格式：

filter(function,iterable)

#功能是对 iterable 中的每个元素，都使用 function 函数判断，并返回 True 或者 False，最后将返回 True 的元素组成一个新的可遍历的集合。

示例：

list_demo=[6,7,8]
new_list=filter(lambda x:x%2==0,list_demo)
print(list(new_list))

python reduce()函数

基本语法格式：

reduce(function,iterable)
# 其中，function 规定必须是一个包含 2 个参数的函数；iterable 表示可迭代对象。

reduce() 函数通常用来对一个集合做一些累积操作.

使用之前需要导入functools模块

示例：

# 计算列表乘积
import functools
list_demo=[6,7,8]
result=functools.reduce(lambda x,y:x*y,list_demo)
print(result)

综合来看：
当对集合中的元素进行一些操作时，如果操作非常简单，比如相加、累积这种，那么应该优先考虑使用 map()、filter()、reduce() 实现。另外，在数据量非常多的情况下（比如机器学习的应用），一般更倾向于函数式编程的表示，因为效率更高。