#Python学习打卡—函数式编程—函数基础#

python学习打卡—函数式编程之函数基础

函数式编程（Functional Programming）或者函数程序设计，又称泛函编程，是一种编程泛型，他将计算机运算视为数学上的函数计算，并且避免使用程序状态以及易变对象，用于科学计算中，会显得特别简洁。

分享一篇小编觉得写得很好的函数式编程文章：
http://www.ruanyifeng.com/blog/2012/04/functional_programming.html

在python中，函数式编程主要由几个函数的使用构成：
lambda()、map()、reduce()、filter()
本篇也就主要讲一下这四个函数的使用。

一、lambda（）

在python中，我们常称lambda( )为匿名函数，虽然python中已经有了定义函数的def，但是在对于一些比较简单的函数使用 def 还是显得有些小题大做的，所以采用lambda( )，例如，我们定义一个 f = x^2 的函数，就可以这样：

>>>y = lambda x : x ** 2
>>>print(y(2))
4

可以很明显的看出，确实要比 def 简单一点，上面的例子是对于参数只有一个的，如果参数不止一个，事实上也是可以的，例如，我们定义一个 g=x^2+y+z 的函数：

>>>g = lambda x,y,z : x ** 2 + y + z
>>>print(g(1,2,3))
6

看到这里应该差不多懂了lambda()的用法了吧，冒号前面的是参数（不唯一），冒号后的是返回值。

二、map（）

小编在这里就先不介绍什么是map函数，直接上个例子体会一下：
假设有一个列表 list = [0,1,2],现在要给这个列表的没一个元素都加上2得到一个新的列表，用已知知识我们可以这样写：list_new = [ i+2 for i in list ],这样我们就完成了一次列表解析，而利用map函数我们可以这样写：

>>>list_new = map(lambda x : x+2 , a)
>>>list_new = list(b)
[2,3,4]

也就是说，我们首先定义一个函数，然后再用map()命令将函数逐一应用到（map）列表中的每个元素，最后返回一个数组。也会有人问为什么要加list_new = list(b)这句，原因是在python3中，map函数仅仅是创建一个带运行的命令容器，只有其他函数调用它的时候才返回结果。当然，map不仅仅只能接受一个参数，多参数也是可以的，如map(lambda x,y : x+y,a,b)表示将a，b两个列表对应相加，把结果返回给新的列表。
但又会有人问了，已经存在了列表解析，为何还有map()命令？其实列表解析虽然代码简短，但是本质上还是 for 命令，效率并不是很高，但map（）函数效率更高些，所以还是比较常用的。
所以读到这里，想必你也知道map(）函数究竟是一个怎样的操作了吧，那我们接着来看reduce（）

三、reduce（）

reduce函数有点像map函数，但map函数用于逐一遍历，而reduce函数用于递归计算，举个栗子：

>>>reduce(lambda x, y: x+y, [1,2,3,4,5])
15 

reduce命令首先将列表的前两个元素作为函数的参数进行lambda的运算，然后将运算结果与第三个数字作为函数的参数继续运算，依此类推，知道列表结束，返回最终结果。
很重要的补充：在python3中，reduce函数已经被移除了全局命令空间，它被置于fuctools库中，如需使用，则要通过from fuctools import reduce 导入reduce

四、filter（）

filter() 函数用于过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表，举个栗子：

>>>list_1 = filter(lambda x : x > 3 and x < 8 , range(10)
>>>list_1 = list(list_1)
[4,5,6,7]

使用filter（）函数首先需要一个返回值为bool型的函数，如上述的lambda x : x > 3 and x < 8定义了一个函数，判断x是否大于3且小于8，然后将这个函数作用到range（10）的每一个元素中，最后将返回值为True的这些元素组成一个新的列表返回。
当然，filter语句，也可以用列表解析写为：

list_1 = [i for i in range(10) if i > 3 and i < 8]

可以看出，列表解析也很简单，但是我们使用这些函数的目的并不是为了使程序更加简洁，而是它们的循环速度比python的内置的for或while要快很多。