Python函数式编程入门之lambda/map/reduce/filter教程

   <p style="text-align:center"><img src="https://simg.open-open.com/show/4620cdedf18ce2eab7a9c62b99f7a0e3.png"></p>    <p style="text-align:center">Functional Programming</p>    <h2>引言</h2>    <p>Functional Programming(函数式编程)的概念最早起源于LISP，由约翰·麦卡锡在1958年创立，最早提出了自动垃圾回收的理念，这一理念现在也被Python/Java/Ruby等多种语言借鉴。发展到今天，LISP已经衍生出了多种方言，比如Scheme/Hashkell/Erlang/Clojure等。相比面向对象编程，函数式编程的一大优势就是Immutable Data(数据不可变)，就是 <strong>不依赖于外部的数据，而且也不改变外部数据的值</strong> ，这种思想可以大大减少我们代码的Bug，而且函数式编程也支持我们像 <strong>使用变量一样使用函数</strong> 。Python作为面向对象语言，也提供了对于函数式编程的支持，虽然并不是那么纯粹，而且也不支持尾递归优化。</p>    <h2>lambda的使用</h2>    <p>lambda即匿名函数，合理地使用lambda不仅可以减少我们的代码量，而且也可以更好地描绘代码逻辑，比如现在我们有下面这样一个函数。</p>    <pre>  <code class="language-python">>>> def f(x):  ...    return x + x    # 调用这个函数  >>> f(2)  4</code></pre>    <p>这个函数如果我们用lamda改写的话，只要一行代码就够了。</p>    <pre>  <code class="language-python"># lambda后面的x表示lambda函数要接收的参数，x + x表示lambda函数所要返回的值  >>> f = lambda x: x + x    # 可以看到f现在也是一个函数对象  >>> f  <function __main__.<lambda>>    # 调用lambda函数  >>> f(2)  4</code></pre>    <h2>map的使用</h2>    <p>map( <em>function</em> , <em>iterable</em> )接收两个参数，第一个参数代表的是 <strong>接收一个函数</strong> ，第二个参数代表的是 <strong>接收一个iteralbe类型的对象，比如list</strong> 。</p>    <p>map函数的原理是: 1.每次从iterable中取出一个参数，2.将这个参数传递给我们的函数，3.然后函数返回的值加入一个list( <em>这种说法不准确，只是为了帮助大家理解，后面我会解释</em> )。等所有的iterable对象遍历完，map就把这个list返回给我们的调用者。下面我们直接通过实例来了解一下map的用法。</p>    <p>example1</p>    <pre>  <code class="language-python"># 还是用我们上面那个lambda的例子  >>> function = lambda x: x + x    # 定义一个iterable对象list(列表)  >>> iterable = [1, 2, 3, 4, 5, 6, 7, 8, 9]    # 函数fucntion每次从iterable中取出一个参数x，然后function返回x + x的值，  # 并将返回值加入一个新建的list，等将iterable遍历完，map就将这个新建的list返回。  >>> v = map(function, iterable)    # 注意上面的说法并不准确，只是为了帮助大家理解，其实map返回的是一个map对象，并不是list  >>> v  <map at 0x7fcb56231588>    # 但是我们可以调用内建的list函数将map转换成一个list来得到我们想要的结果  >>> list(v)  [2, 4, 6, 8, 10, 12, 14, 16, 18]</code></pre>    <p>example2</p>    <p>对于map的第二个参数，我们也可以传递一组函数列表进去，也就是说列表中间包含多个函数对象。</p>    <pre>  <code class="language-python">>>> multiply = lambda x: x * x    >>> add = lambda x: x + x    >>> funcs = [multiply, add]    >>> list(map(lambda f: f(1), funcs))  [1, 2]</code></pre>    <h2>reduce的使用</h2>    <p>与map一样，reduce( <em>function</em> , <em>iterable</em> )也接收两个参数，第一个参数代表的是接收一个函数，第二个参数代表的是接收一个iteralbe类型的对象，比如list。不过不同的地方在于reduce中的这个 <strong>函数必须要接收两个参数</strong> ，下面我们来通过 <strong>求一个list(列表)累加和的例子</strong> 来了解一下reduce的用法。</p>    <pre>  <code class="language-python">from functools import reduce    # 使用lambda定义一个函数，函数的作用是接收两个参数，然后返回两个参数之和    >>> function = lambada x, y: x+y    >>> iterable = [1, 2, 3, 4, 5, 6, 7, 8, 9]    # 函数function每次接收两个参数，除第一次外每次从iterable中取一个元素作为一个参数  # 另外一个参数取自上一次function返回的值  >>> reduce(function,  iterable)  45</code></pre>    <h2>filter的使用</h2>    <p>和map/reduce类似，filter( <em>function</em> , <em>iterable</em> )一次也接收两个参数，一个参数是函数，另外一个参数是iterable对象，从名字也可以看出，filter用于过滤iterble对象，比如说list(列表)。</p>    <p>它的原理是每次从iterable对象中取出一个元素作用于我们的function，如果function返回True就保留该元素，如果返回False就删除该元素。下面我们通过一个实例来看一下filter的用法。</p>    <pre>  <code class="language-python"># 定义一个函数，如果接收的字符s为空，那么返回False，如果为非空，那么返回True  >>> function = lambda s : s and s.strip()    >>> iterable = ['AJ', ' ', 'Stussy', '', 'CLOT', 'FCB', None]    >>> filter(function, iterable)  <filter at 0x7fcb562319b0>    >>> list(filter(function, iterable))  ['AJ', 'Stussy', 'CLOT', 'FCB']</code></pre>    <p> </p>    <p>来自：http://www.jianshu.com/p/e53a8cd6244b</p>    <p> </p>