简介
函数式编程是一种抽象程度很高的编程范式，可以归结到面向过程，特点是允许把函数本身作为参数传入另一个函数，还允许返回一个函数。
匿名函数lambda
相比于python中的函数实现，lambda表达式更加简洁，方便，并且和函数一样可以多次调用，在次数不多的调用中，lambda表达式的性能很好。
单个参数实现：
#f(x)=x*x
f = lambda x: x * x
#调用：f(x) x为参数
多个参数实现：
#f(x,y,z)=x*y*z
f = lambda x, y, z: x * y * z
#调用：f(x,y,z) x,y,z为参数
相关函数
functools.reduce()
使用函数reduce可以实现某个函数的迭代调用，传入的参数有一个function，对这个函数有要求必须是一个二元操作函数，即传入两个参数，后面一个参数是一个列表，里面放的是要进行函数运算的参数。
#定义加法函数
def A(a, b):
return a + b
#函数的实际调用为A(A(A(A(A(1,2),3),1),2),3)
#函数也可以用A = lambda x, y: x + y表示
fun.reduce(A, [1, 2, 3, 1, 2, 3])
filter()
过滤函数用于通过接受相应函数来过滤传入的列表，传入的函数必须是单参数，通过函数对列表的顺序运算结果的True与False来对数据进行过滤。
f = lambda x: x > 5
#filter返回的是一个容器对象，需要把它转换为列表
print(list(filter(f, [1, 2, 3, 4, 5, 6, 7, 8])))
#结果[6, 7, 8]
处理筛选字符串
#筛选函数
def A(s):
return s and s.strip()
print(list(filter(A, ['ff', 'd', 'f d', 'dd', ' ', 'f', 'sd', ' '])))
#结果['ff', 'd', 'f d', 'dd', 'f', 'sd']
map()
将传入的参数对应放到传入的函数中去，并将运行之后的结果返回，传入的参数是要运行的函数与参数列表（根据函数的参数数目来确定列表数目）
#运算函数
def A(a,b):
return a+b
print(list(map(A, [1,2,3,4,4,5,6,7,8,9],[1,2,3,4,4,5,6,7,8,9])))
#结果[2, 4, 6, 8, 8, 10, 12, 14, 16, 18]
多个返回值
#运算函数
def A(a,b):
return a, b
print(list(map(A, [1,2,3,4,4,5,6,7,8,9],[1,2,3,4,4,5,6,7,8,9])))
#结果[(1, 1), (2, 2), (3, 3), (4, 4), (4, 4), (5, 5), (6, 6), (7, 7), (8, 8), (9, 9)]
行函数(列表解析)
使用格式：表达式 for i in 范围 if 表达式
表达式简写
l = [1, 2, 3, 4, 5, 6, 7]
A = [i for i in l if i > 5]
print(A)
#结果[6, 7]
正常写法
l = [1, 2, 3, 4, 5, 6, 7]
A = []
for i in l:
if i > 5:
A.append(i)
print(A)
#结果[6, 7]
多个循环叠加
A = [(x,y) for x in range(2) for y in range(5)]
print(A)
#结果[(0, 0), (0, 1), (0, 2), (0, 3), (0, 4), (1, 0), (1, 1), (1, 2), (1, 3), (1, 4)]
正常写法
A = []
for x in range(2):
for y in range(5):
A.append((x,y))
print(A)
小结
函数式编程还是很好用的，尽管python并不是函数式编程语言，只是含带了许多的函数式编程的函数，但是使用得当的话还是很方便的。