函数式编程（Functional Programming, FP）是一种编程范式，强调通过纯函数、不可变数据和声明式风格来构建程序。Python 虽然不是纯函数式语言，但提供了丰富的函数式编程工具。(简单来说是，函数约等于模块功能）
一、函数式编程的核心原则
-
纯函数（Pure Functions）
- 相同输入永远得到相同输出。
- 无副作用（不修改外部状态，如全局变量）。
- 示例：
add = lambda x, y: x + y是纯函数。
-
不可变数据（Immutable Data）
- 数据一旦创建不可修改，任何操作生成新数据。
- 示例：Python 的元组（Tuple）是不可变的。
-
函数是一等对象（First-Class Functions）
- 函数可以像变量一样传递、赋值和返回。
- 示例：将函数作为参数传给另一个函数。
-
声明式风格（Declarative Style）
- 关注“做什么”而非“如何做”（对比命令式编程）。
- 示例：用
map替代for循环。
二、Python 中的函数式工具
1. Lambda 函数
- 匿名函数，用于简单操作。
- 语法：
lambda 参数: 表达式 - 示例：
square = lambda x: x**2 print(square(3)) # 输出 9
2. 高阶函数（Higher-Order Functions）
- 接收函数作为参数或返回函数的函数。
- 常用高阶函数：
-
map(func, iterable)
将函数应用到每个元素，返回迭代器。nums = [1, 2, 3] squared = map(lambda x: x**2, nums) print(list(squared)) # [1, 4, 9] -
filter(func, iterable)
过滤符合条件的元素。evens = filter(lambda x: x % 2 == 0, nums) print(list(evens)) # [2] -
reduce(func, iterable, initial)
累积计算结果（需从functools导入）。from functools import reduce sum_all = reduce(lambda acc, x: acc + x, nums, 0) print(sum_all) # 6
-
3. 列表推导式与生成器表达式
- 列表推导式（替代
map和filter）：squared = [x**2 for x in nums if x > 1] # [4, 9] - 生成器表达式（惰性求值，节省内存）：
gen = (x**2 for x in nums) print(next(gen)) # 1
4. 闭包（Closure）
- 函数捕获并携带外部作用域的变量。
- 示例：
def make_adder(n):def adder(x):return x + n # 捕获外部变量 nreturn adderadd5 = make_adder(5) print(add5(3)) # 8
5. 装饰器（Decorators）
- 修改或增强函数的行为。
- 示例：记录函数执行时间：
import timedef timer(func):def wrapper(*args, **kwargs):start = time.time()result = func(*args, **kwargs)end = time.time()print(f"{func.__name__} 执行耗时: {end - start:.2f}秒")return resultreturn wrapper@timer def heavy_computation():time.sleep(1)heavy_computation() # 输出耗时
三、函数式编程的进阶工具
1. functools 模块
-
partial：固定函数的部分参数，生成新函数。from functools import partial add_10 = partial(lambda x, y: x + y, 10) print(add_10(5)) # 15 -
lru_cache：缓存函数结果，优化递归或重复计算。from functools import lru_cache@lru_cache(maxsize=None) def fib(n):if n < 2:return nreturn fib(n-1) + fib(n-2)
2. itertools 模块
- 提供高效迭代器工具：
from itertools import permutations, chain# 排列组合 print(list(permutations('AB', 2))) # [('A','B'), ('B','A')]# 连接多个可迭代对象 combined = chain([1, 2], ['a', 'b']) print(list(combined)) # [1, 2, 'a', 'b']
四、函数式编程的典型应用场景
-
数据处理流水线
# 使用 map、filter 和 reduce 处理数据 data = [1, 2, 3, 4, 5] pipeline = reduce(lambda acc, x: acc + x,map(lambda x: x*2, filter(lambda x: x % 2 == 0, data)),0 ) print(pipeline) # (2 * 2 + 4 * 2) = 12 -
惰性求值与生成器
# 处理大型文件时逐行读取 def read_large_file(file_path):with open(file_path) as f:for line in f:yield line.strip()lines = read_large_file("data.txt") -
并发与并行
- 纯函数无副作用，适合多线程/多进程。
- 示例：使用
multiprocessing.Pool.map并行计算。
五、函数式编程的优缺点
✅ 优点
- 简洁性：用更少的代码表达复杂逻辑。
- 可测试性：纯函数易于单元测试。
- 可维护性：减少副作用和状态变更。
❌ 缺点
- 性能问题：某些场景（如递归）效率低于循环。
- 学习曲线：需要适应声明式思维。
- 调试困难：链式调用可能增加调试复杂度。
六、函数式编程 vs 面向对象编程
| 函数式编程 | 面向对象编程 |
|---|---|
| 通过函数组合解决问题 | 通过对象和类组织逻辑 |
| 强调无状态和不可变数据 | 强调封装和状态管理 |
| 适合数据处理和数学计算 | 适合复杂系统建模 |
七、学习建议
- 从简单开始：先用
map/filter替代for循环。 - 理解副作用：尽量编写纯函数。
- 掌握工具链：熟练使用
functools和itertools。
