Python函数式编程

Python函数式编程内容不多，熟练使用它们能让代码简洁不少。

Python中的函数式编程强调使用函数作为基本构建块，支持高阶函数、 lambda函数、列表推导式、map()、filter()、reduce()等特性。下面是一些函数式编程的典型例子：

1. 使用 map() 函数

map() 函数接受一个函数和一个可迭代对象（如列表），并将该函数依次应用于可迭代对象的每个元素。

python

numbers = [1, 2, 3, 4, 5]
squared = map(lambda x: x**2, numbers)  # 使用lambda函数计算每个元素的平方
print(list(squared))  # 输出: [1, 4, 9, 16, 25]
'
运行
运行

又如：

result = map(operator.sub, [9, 8, 7], [3, 8, 2])
data = list(result)
'
运行
运行

结果是：[6, 0, 5]，对两个迭代对象进行相减。

2. 使用 filter() 函数

filter() 函数用于过滤序列，通过函数确定哪些元素应该保留在序列中。

python

numbers = [1, -2, 3, -4, 5]

positive_numbers = filter(lambda x: x > 0, numbers)  # 筛选出正数

print(list(positive_numbers))  # 输出: [1, 3, 5]
'
运行
运行

3. 使用 reduce() 函数（需要从 functools 导入）

reduce() 函数对一个序列的元素累积应用某个函数，从左到右，因此最终结果只返回一个值。

from functools import reduce


numbers = [1, 2, 3, 4, 5]

sum_of_numbers = reduce(lambda x, y: x + y, numbers)  # 计算数字总和

print(sum_of_numbers)  # 输出: 15
'
运行
运行

4. 列表推导式

列表推导式提供了一种简洁的创建新列表的方法，基于现有列表的每个元素应用一些操作。

numbers = [1, 2, 3, 4, 5]

squares = [x**2 for x in numbers]  # 计算每个数字的平方

print(squares)  # 输出: [1, 4, 9, 16, 25]
'
运行
运行

5. 高阶函数：函数作为参数

函数式编程允许函数作为另一个函数的参数，这在处理数据时非常灵活。

def apply_operation(operation, numbers):

    return [operation(x) for x in numbers]


def add_five(x):

    return x + 5


result = apply_operation(add_five, [1, 2, 3])

print(result)  # 输出: [6, 7, 8]

这些例子展示了Python函数式编程的核心概念，通过这些技术可以编写出更加简洁、易读且易于维护的代码。