函数式编程

首先要确定一点就是：函数！= 函数式，函数式编程是一种编程的范式。
特点：

把计算视为函数而非指令
纯函数式编程，不需要变量，没有副作用，测试简单
支持高阶函数，代码简洁

Python 函数式编程的特点

需要注意的是，Python 不是也不可能会成为一种纯函数是编程语言，但 Python 仍支持许多有价值的函数式编程语言的构建方法。

Python 不是纯函数是编程，因为 Python 支持变量
Python 支持高阶函数，而且函数也可以作为变量传入
Python 支持闭包，可以返回一个函数

高阶函数

首先要明确一点，函数是由变量来引用的，这也是一个 Python 的特性：将对象引用和对象分离。
EG：

In [1]: abs(-1)
Out[1]: 1In [2]: f = abs # 将函数名赋值给一个变量，让变量获得函数的引用In [3]: f(-1)
Out[3]: 1In [5]: abs = lenIn [6]: abs([1, 2, 3])
Out[6]: 3

高阶函数：能够接收函数作为一个参数的函数，就是高阶函数。
下面定义一个高阶函数：

In [1]: def add(x, y, f):...:     return f(x) + f(y)...:In [2]: add(-1, -10, abs)
Out[2]: 11

函数 add 接收内建函数 abs 作为一个参数，所以 add 是一个高阶函数。

匿名函数 lambda

格式：

lamba [arg1[, arg2, ...]]: expression # --> return: object of function

匿名函数，顾名思义就是没有名字的函数，可以忽略函数定义的函数。所以匿名函数的好处之一就是创建简易、方便，不需要以标准的定义方式(def)来创建。而且匿名函数可以如一般函数那样返回一个 callable 的函数对象，所以匿名函数一般会赋值给一个变量，或者直接作为一个函数实参来使用。从匿名函数的语法格式来看，其缺点也很明显，就是其函数体只能是一条 expression 而不能是一条关键字语句，如：print

NOTE: 因为匿名函数可以快速的返回一个函数对象，并且可以直接作为一个函数的实参使用，所以匿名函数经常被用于构建函数式的编程中。
EXAMPLE:

In [4]: def add(x, y):...:     return x + y...:In [5]: lambda x, y: x + y
Out[5]: <function __main__.<lambda>> # 返回一个可调用的函数对象In [6]: lam_add= lambda x, y: x + yIn [7]: lam_add(1, 2)
Out[7]: 3

上面两种方式的结果是一致的。

注意：如果 lambda 返回的对象没有赋值给一个变量，那么这个函数对象的引用 == 0，会被垃圾回收掉。

函数式编程相关的内置函数

Python 提供了几个与函数式编程相关的内置函数，之所以说与函数式编程相关是因为这几个内置函数都需要接收一个函数对象作为参数，而这个函数对象通常由 lambda 来提供。

filter() 序列对象过滤器

让序列对象中的每一个元素都通过一个指定的过滤器，最终符合过滤条件(Return True)的元素会被返回为一个新的序列。
要自己实现一个 filter 函数，并不难。EG.

def filter(bool_func, seq):filtered_seq = []for index in seq:if bool_func(index):filtered_seq.append()return filtered_seq

EXAMPLE 1：求偶数

In [13]: filter(lambda x: x % 2 == 0, range(1,10))
Out[13]: [2, 4, 6, 8]

EXAMPLE 2：删除 None 或者空字符串

In [14]: def is_not_empty(s):...:     return s and len(s.strip()) > 0...:In [15]: filter(is_not_empty, ['test', None, '', 'str', '  ', 'END'])
Out[15]: ['test', 'str', 'END']``

注意：传入 filter 的函数最终的返回值一定是 True or False

map()

map 和 filter 很类似，但 map 函数通过把函数参数依次作用在 seq 的每个元素上，得到一个新的 seq 并返回。而且 map 的函数参数不要求一定要返回 True or False 。除此之外， map 还能处理多个序列参数。

def map(func, seq):maped_seq = []for index in seq:maped_seq.append(func(index))return maped_seq

EXAMPLE 1：处理单个序列对象

In [17]: map(lambda x :x+2, range(1,10))
Out[17]: [3, 4, 5, 6, 7, 8, 9, 10, 11]

EXAMPLE 2：处理多个序列对象

In [24]: map(lambda x, y :x + y, range(1,10), range(1,10))
Out[24]: [2, 4, 6, 8, 10, 12, 14, 16, 18]

注意：如果传递多个序列对象给 map 时，其处理的算法如下
1. 并行的将多个序列中 index 相同的元素获取，并捆绑到同一个元组中
2. 将这一个元组传递给函数参数中进行处理。
所以需要注意的是，两个序列的元素个数是否一致，函数参数是否能正确的处理这个元组对象

In [26]: map(None, range(1,6), range(1,6))
Out[26]: [(1, 1), (2, 2), (3, 3), (4, 4), (5, 5)]In [27]: zip(range(1,6), range(1,6))
Out[27]: [(1, 1), (2, 2), (3, 3), (4, 4), (5, 5)]`

从这个例子可以看出 map 可以完成一个简单的 zip 功能，这是由其内部的实现算法决定的。

reduce() 折叠

reduce 需要传入一个 二元函数(具有两个形参的函数) 、一个序列对象和一个可选的 初始化器。
其最常用的例子就是累加：

In [28]: reduce(add, range(1, 100))
Out[28]: 4950In [35]: reduce(add, range(1, 100), 5000)# 初始化器 == 5000，即从 5000 开始累加
Out[35]: 9950

等效于：reduce(func, [1, 2, 3]) ⇒ func(func(1, 2), 3)

自定义的排序函数

Python 内置了一个排序函数 sorted

In [1]: sorted([36, 5, 12, 9, 21])
Out[1]: [5, 9, 12, 21, 36]

时 sorted 也是一个高阶函数，它可以接收一个比较函数来实现自定义排序。。
比较函数的定义是：传入两个待比较的元素 x, y
1. 如果 x 应该排在 y 的前面，返回 -1
2. 如果 x 应该排在 y 的后面，返回 1
3. 如果 x 和 y 相等，返回 0

所以我们可以自定义一个比较函数，并且传递给 sorted 函数：

In [3]: def reversed_cmp(x, y):...:     if x > y:...:         return -1...:     if x < y:...:         return 1...:     return 0...:In [4]: sorted([36, 5, 12, 9, 21], reversed_cmp)...: [36, 21, 12, 9, 5]...:
Out[4]: [36, 21, 12, 9, 5]

最后

本篇给出了一些内置高阶函数的例子，其实在编程中使用得更多的是自定义的高价函数，其中闭包就是一种非常常用的函数式编程。

Python 进阶_函数式编程相关推荐

Python进阶：函数式编程(高阶函数，map,reduce,filter,sorted,返回函数,匿名函数,偏函数)...啊啊啊...
函数式编程函数是Python内建支持的一种封装,我们通过把大段代码拆成函数,通过一层一层的函数调用,就可以把复杂任务分解成简单的任务,这种分解可以称之为面向过程的程序设计.函数就是面向过程的程序设计 ...
Scala进阶_函数式编程(过滤丶排序丶分组丶聚合)
过滤 | filter 过滤符合一定条件的元素定义方法签名 def filter(p: (A) ⇒ Boolean): TraversableOnce[A] 方法解析 filter方法 API 说 ...
python支持函数式编程吗_利用Fn.py库在Python中进行函数式编程
尽管Python事实上并不是一门纯函数式编程语言,但它本身是一门多范型语言,并给了你足够的自由利用函数式编程的便利.函数式风格有着各种理论与实际上的好处(你可以在Python的文档中找到这个列表): ...
在 Python 中使用函数式编程的最佳实践！
在函数式编程中,如何使用 Python 编写出优秀的代码? 作者 | Amandine Lee 译者 | 弯月责编 | 屠敏出品 | CSDN(ID:CSDNNews) 简介 Python 是一种 ...
Python 进阶_生成器生成器表达式
目录目录相关知识点生成器生成器 fab 的执行过程生成器和迭代器的区别生成器的优势加强的生成器特性生成器表达式生成器表达式样例小结相关知识点 Python 进阶_迭代器 & ...
python语言支持函数式编程_python是函数式语言么
函数式编程:functional,是一种编程范式. 函数式编程的特点:1. 把计算视为函数而非指令 2. 纯函数式编程:不需要变量,没有副作用,测试简单 3. 支持高阶函数,代码简洁 Python支持 ...
python函数式编程模式_函数式编程指引
概述¶ 本章介绍函数式编程的基本概念.如您仅想学习 Python 语言的特性,可跳过本章直接查看迭代器. 编程语言支持通过以下几种方式来解构具体问题: 大多数的编程语言都是过程式的,所谓程序就是 ...
python的函数式编程实例_函数式编程例子
函数式编程例子 [篇一:函数式编程例子] 在 08 年的时候 ( 这经历记忆犹新 ) 我也跟 lz 一样,翻了好多文章, google 了好几个星期,最后我知道它是这么个东西: ul li 它是函数 ...
【笔记】效率之门——Python中的函数式编程技巧
文章目录 Python函数式编程 1. 数据 2. 推导式 3. 函数式编程 3.1. Lambda函数 3.2. python内置函数 3.3. 高阶函数 4. 函数式编程的应用 Python函数式 ...

Python 进阶_函数式编程

目录