Python学习6---高级函数式编程

1. 函数式编程简介

函数式编程(Functional Programming, FP)是一种编程范式,主要基于数学中的函数概念。与面向对象编程(OOP)不同,FP 更关注函数的应用而不是对象的状态。FP 的主要特点包括:

**纯函数:**函数的输出仅依赖于其输入,没有副作用。
不可变数据 :数据一旦创建就不能被修改。

**高阶函数:**可以接受函数作为参数或返回函数的函数。

2. 函数式编程的核心概念
2.1 纯函数

纯函数的输出只依赖于输入参数,不依赖于外部状态,也不会改变外部状态。这样的函数具有可预测性和可测试性。

示例:

python 复制代码
def pure_add(x, y):
    return x + y

# 调用纯函数
result = pure_add(2, 3)
print(result)  # 输出:5

2.2 不可变数据

不可变数据一旦创建就不能修改。使用不可变数据可以避免因为数据修改导致的错误。

示例:

python 复制代码
from collections import namedtuple

# namedtuple:创建一个和tuple类似的对象,而且对象拥有可访问的属性。
# 定义一个namedtuple类型Point,并包含x和y属性。
Point = namedtuple('Point', ['x', 'y'])
p1 = Point(1, 2)

# 不可变数据不能直接修改
# p1.x = 3  # 这会导致错误

# 修改对象属性,注意要使用"_replace"方法
Point= Point._replace(x=3)

p2 = Point(p1.x, 3)
print(p2)  # 输出:Point(x=1, y=3)

2.3 高阶函数

高阶函数是可以接受其他函数作为参数或返回值的函数。常见的高阶函数包括map、filter和reduce。

示例:

python 复制代码
def apply_twice(func, x):
    return func(func(x))

def increment(x):
    return x + 1

# 调用高阶函数
result = apply_twice(increment, 5)
print(result)  # 输出:7

3. 函数式编程工具
3.1 lambda函数

lambda函数是匿名函数,可以在需要一个简单函数而不想定义完整函数时使用。

示例:

python 复制代码
# 使用lambda函数
add = lambda x, y: x + y
print(add(2, 3))  # 输出:5

3.2 map, filter 和 reduce

这些函数用于函数式数据处理:

map:将一个函数应用到序列的每个元素上,返回一个迭代器。

filter:过滤序列中的元素,返回一个迭代器。

reduce:对序列中的元素进行累积操作,返回一个单一结果。

python 复制代码
from functools import reduce

# map函数
squares = map(lambda x: x * x, [1, 2, 3, 4])
print(list(squares))  # 输出:[1, 4, 9, 16]

# filter函数
evens = filter(lambda x: x % 2 == 0, [1, 2, 3, 4])
print(list(evens))  # 输出:[2, 4]

# reduce函数
product = reduce(lambda x, y: x * y, [1, 2, 3, 4])
print(product)  # 输出:24

3.3 functools模块

functools模块提供了许多有用的工具来辅助函数式编程,比如partial和lru_cache。

示例:

python 复制代码
from functools import partial, lru_cache

# partial函数:把一个函数的某些参数给固定住,返回一个新的函数。
def power(base, exponent):
    return base ** exponent	
    
# 此处,固定的是power函数的exponent参数。
# partial(power, 2):固定的是power函数的第一个参数
square = partial(power, exponent=2)
print(square(5))  # 输出:25

# lru_cache装饰器
@lru_cache(maxsize=None)
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

print(fibonacci(10))  # 输出:55

4. 函数式编程的实际应用
4.1 列表处理

函数式编程在列表处理和数据转换方面非常高效。

示例:

python 复制代码
data = [1, 2, 3, 4, 5]

# 使用map和filter处理列表
squared_evens = map(lambda x: x * x, filter(lambda x: x % 2 == 0, data))
print(list(squared_evens))  # 输出:[4, 16]

4.2 数据转换

利用高阶函数和lambda函数,可以轻松地进行数据转换。

示例:

python 复制代码
data = [{'name': 'Alice', 'age': 30}, {'name': 'Bob', 'age': 25}]

# 将数据转换为另一种形式
names = map(lambda x: x['name'], data)
print(list(names))  # 输出:['Alice', 'Bob']

4.3 并行处理

通过使用函数式编程技术,可以简化并行处理任务。

示例:

python 复制代码
import concurrent.futures

def square(x):
    return x * x

with concurrent.futures.ThreadPoolExecutor() as executor:
    results = list(executor.map(square, [1, 2, 3, 4]))
print(results)  # 输出:[1, 4, 9, 16]
相关推荐
chao_7897 分钟前
更灵活方便的初始化、清除方法——fixture【pytest】
服务器·自动化测试·python·pytest
心情好的小球藻37 分钟前
Python应用进阶DAY9--类型注解Type Hinting
开发语言·python
都叫我大帅哥38 分钟前
LangChain加载HTML内容全攻略:从入门到精通
python·langchain
惜.己1 小时前
使用python读取json数据,简单的处理成元组数组
开发语言·python·测试工具·json
都叫我大帅哥2 小时前
Python的Optional:让你的代码优雅处理“空值”危机
python
曾几何时`4 小时前
基于python和neo4j构建知识图谱医药问答系统
python·知识图谱·neo4j
写写闲篇儿7 小时前
Python+MongoDB高效开发组合
linux·python·mongodb
杭州杭州杭州8 小时前
Python笔记
开发语言·笔记·python
路人蛃9 小时前
通过国内扣子(Coze)搭建智能体并接入discord机器人
人工智能·python·ubuntu·ai·aigc·个人开发
qiqiqi(^_×)9 小时前
卡在“pycharm正在创建帮助程序目录”
ide·python·pycharm