【Python】基础语法入门（十八）——函数式编程初探：用 `map`、`filter`、`reduce` 和 `lambda` 写出更简洁的代码

🧩 说明 ：虽然 Python 是多范式语言，但其对函数式编程（Functional Programming） 的支持能让你在处理数据时写出更简洁、声明式的代码。本篇聚焦四个核心工具：lambda、map()、filter()、functools.reduce()，助你告别冗长循环，提升代码表达力。

你将学会：

• 什么是匿名函数（lambda）？
• 如何用 map 批量转换数据？
• 如何用 filter 精准筛选元素？
• reduce 如何将序列"折叠"为单值？
• 何时该用函数式风格？何时该用列表推导式？

---

1. 函数式编程思想简介

核心理念：

• 函数是一等公民（可赋值、传参、返回）
• 避免改变状态和可变数据（强调不可变性）
• 用表达式 代替语句

💡 Python 并非纯函数式语言，但合理使用函数式工具能让代码更清晰。

---

2. lambda：匿名函数

用于定义简单、一次性的小函数。

语法

lambda 参数: 表达式

示例对比

# 普通函数
def square(x):
    return x ** 2

# lambda 等价写法
square = lambda x: x ** 2

# 直接使用（常见于高阶函数）
numbers = [1, 2, 3, 4]
squared = list(map(lambda x: x**2, numbers))
print(squared)  # [1, 4, 9, 16]

✅ 适用场景：

• 作为 map/filter/sorted 的参数

• 简单逻辑（一行能写完）
  ❌ 不适用场景：

• 复杂逻辑（应使用普通函数 + 文档字符串）

---

3. map()：批量应用函数

将函数映射到序列的每个元素，返回迭代器。

基本用法

# 将字符串转为整数
str_nums = ["1", "2", "3"]
int_nums = list(map(int, str_nums))
print(int_nums)  # [1, 2, 3]

# 自定义函数
def to_upper(s):
    return s.upper()

words = ["hello", "world"]
upper_words = list(map(to_upper, words))
# 或用 lambda
upper_words = list(map(lambda s: s.upper(), words))

多序列支持

# 同时处理两个列表
list1 = [1, 2, 3]
list2 = [10, 20, 30]
result = list(map(lambda x, y: x + y, list1, list2))
print(result)  # [11, 22, 33]

⚠️ 注意：map 返回迭代器 ，需用 list() 转换才能重复使用。

---

4. filter()：按条件筛选

保留使函数返回 True 的元素。

示例

# 筛选偶数
numbers = [1, 2, 3, 4, 5, 6]
evens = list(filter(lambda x: x % 2 == 0, numbers))
print(evens)  # [2, 4, 6]

# 筛选非空字符串
texts = ["apple", "", "banana", " ", "cherry"]
non_empty = list(filter(lambda s: s.strip(), texts))
print(non_empty)  # ['apple', 'banana', 'cherry']

🔍 filter 也返回迭代器。

---

5. functools.reduce()：累积计算

将序列"折叠"为单个值（需从 functools 导入）。

基本原理

from functools import reduce

# 计算累加：((1+2)+3)+4
numbers = [1, 2, 3, 4]
total = reduce(lambda acc, x: acc + x, numbers)
print(total)  # 10

# 初始值可选
product = reduce(lambda acc, x: acc * x, [1, 2, 3, 4], 1)
print(product)  # 24

实用场景

• 求最大值（虽有 max()，但演示逻辑）
• 连接字符串
• 复杂累积逻辑

# 连接单词
words = ["Hello", "World", "Python"]
sentence = reduce(lambda a, b: a + " " + b, words)
print(sentence)  # Hello World Python

⚠️ 注意 ：简单操作（如求和、求积）优先用内置函数 sum()、math.prod()。

---

6. 函数式 vs 列表推导式：如何选择？

特性	函数式（map/filter）	列表推导式
可读性	适合简单函数	更直观（Pythonic）
性能	略快（C 实现）	接近
灵活性	支持任意函数	仅表达式
内存	返回迭代器（省内存）	直接生成列表

对比示例

nums = range(10)

# 函数式
result1 = list(map(lambda x: x**2, filter(lambda x: x % 2 == 0, nums)))

# 列表推导式（推荐！）
result2 = [x**2 for x in nums if x % 2 == 0]

# 两者结果相同
assert result1 == result2

✅ 社区共识：

"在 Python 中，列表推导式通常比 map + filter 更清晰。"

------《流畅的 Python》（Fluent Python）
📌 建议：

• 简单过滤/转换 → 用列表推导式
• 已有命名函数 → 可用 map(func, iterable)
• 复杂累积 → 考虑 reduce 或普通循环

---

7. 高级技巧：组合使用

示例：处理学生成绩

students = [
    {"name": "Alice", "score": 85},
    {"name": "Bob", "score": 92},
    {"name": "Charlie", "score": 78}
]

# 获取及格学生姓名（>=80），按分数降序
from operator import itemgetter

passed_names = list(map(
    lambda s: s["name"],
    filter(lambda s: s["score"] >= 80, students)
))
# 但更 Pythonic 的写法：
passed_names = [s["name"] for s in students if s["score"] >= 80]
passed_names.sort(key=lambda name: next(s["score"] for s in students if s["name"] == name), reverse=True)

💡 提示：对于字典排序，可用 operator.itemgetter 提升可读性：

from operator import itemgetter
top_students = sorted(students, key=itemgetter("score"), reverse=True)

---

8. 常见陷阱与注意事项

问题	解决方案
忘记 list() 转换	map/filter 返回迭代器，只能遍历一次
lambda 过于复杂	改用普通函数
在循环中创建 lambda	注意闭包变量绑定问题
滥用 reduce	优先考虑 sum、any、all 等内置函数

闭包陷阱示例（避免！）

# 错误：所有 lambda 共享同一个 i
funcs = []
for i in range(3):
    funcs.append(lambda: i)  # 所有返回 2！

# 正确：通过默认参数捕获当前值
funcs = []
for i in range(3):
    funcs.append(lambda x=i: x)

---

9. 总结：何时使用函数式工具？

场景	推荐方式
简单数据转换 + 过滤	✅ 列表推导式 [x*2 for x in nums if x>0]
已有命名函数应用	✅ map(my_func, data)
复杂累积逻辑	⚠️ 谨慎使用 reduce，或用普通循环
需要惰性求值（大数据）	✅ map/filter（返回迭代器）

🐍 核心原则 ：
"代码是写给人看的，其次才是机器。"

选择最清晰、最易维护的写法，而非最"函数式"的写法。

---

下一步练习

1. 用 map 和 filter 重写你的 To-Do List 中的"筛选已完成任务"功能
2. 编写一个函数，用 reduce 计算列表中所有正数的乘积
3. 对比以下三种写法的可读性：
   • map + filter
   • 列表推导式
   • 普通 for 循环

✨ 掌握函数式思维，不是为了炫技，而是多一种优雅表达逻辑的方式。

继续精进，写出既简洁又清晰的 Python 代码！