Python函数式编程（map()、filter()、reduce()）

所谓函数式编程，是指代码中每一块都是不可变的，都由纯函数的形式组成。这里的纯函数，是指函数本身相互独立、互不影响，对于相同的输入，总会有相同的输出。
除此之外，函数式编程还具有一个特点，即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。

例如，想让列表中的元素值都变为原来的两倍，可以使用如下函数实现：

def demo(list):
    for index in range(0, len(list)):
        list[index] *= 2
    return list
li = [1,2,3,5]
print(demo(li))
print(demo(li))
print(demo(li))

执行结果：

[2, 4, 6, 10]
[4, 8, 12, 20]
[8, 16, 24, 40]

而要想让demo() 成为一个纯函数的形式，就得重新创建一个新的列表并返回，也就是写成下面这种形式：

def demo(list):
    new_list = []
    for item in list:
        new_list.append(item * 2)
    return new_list

li = [1,2,3,4,5]
print(demo(li))
print(demo(li))
print(demo(li))

函数式编程的优点，主要在于其纯函数的不可变的特性使程序更加健壮，易于调试和测试；缺点主要在于限制多，难写。

注意，纯粹的函数式编程语言（比如 Scala），其编写的函数中是没有变量的，因此可以保证，只要输入是确定的，输出就是确定的；而允许使用变量的程序设计语言，由于函数内部的变量状态不确定，同样的输入，可能得到不同的输出。
Python 允许使用变量，所以它并不是一门纯函数式编程语言。Python 仅对函数式编程提供了部分支持，主要包括 map()、filter() 和 reduce() 这 3 个函数，它们通常都结合 lambda 匿名函数一起使用。接下来就对这 3 个函数的用法做逐一介绍。

Python map()函数

map()函数的基本语法格式：

map(function,iterable)

其中，function 参数表示要传入一个函数，其可以是内置函数、自定义函数或者 lambda 匿名函数；iterable 表示一个或多个可迭代对象，可以是列表、字符串等。

map() 函数的功能是对可迭代对象中的每个元素，都调用指定的函数，并返回一个 map 对象。

注意，该函数返回的是一个 map 对象，不能直接输出，可以通过 for 循环或者 list() 函数来显示。

【例1】还是对列表中的每个元素乘以2

li = [1, 2, 3, 4, 5]
new_list = map(lambda x:x*2,li)
print(list(new_list))

运行结果：

[2, 4, 6, 8, 10]

【例2】map() 函数可传入多个可迭代对象作为参数。

li = [1, 2, 3, 4, 5]
li1 = [6, 7, 8, 9, 10]
new_list = map(lambda x,y: x + y, li,li1)
print(list(new_list))

运行结果：

[7, 9, 11, 13, 15]

注意，由于 map() 函数是直接由用 C 语言写的，运行时不需要通过 Python 解释器间接调用，并且内部做了诸多优化，所以相比其他方法，此方法的运行效率最高.。

Python filter()函数

filter()函数的基本语法格式：

filter(function,iterable)

此格式中，funcition 参数表示要传入一个函数，iterable 表示一个可迭代对象。

filter() 函数的功能是对 iterable 中的每个元素，都使用 function 函数判断，并返回 True 或者 False，最后将返回 True 的元素组成一个新的可遍历的集合。

【例3】返回一个列表中的所有偶数。

li = [1, 2, 3, 4, 5]
new_list = filter(lambda x: x % 2 == 0, li)
print(list(new_list))

运行结果：

[2, 4]

Python reduce()函数

reduce() 函数通常用来对一个集合做一些累积操作，其基本语法格式为：

reduce(function, iterable)

其中，function 规定必须是一个包含 2 个参数的函数；iterable 表示可迭代对象。

【例5】计算某个列表元素的乘积。

import functools
listDemo = [1, 2, 3, 4, 5]
product = functools.reduce(lambda x, y: x * y, listDemo)
print(product)

运行结果：

120

总结

通常来说，当对集合中的元素进行一些操作时，如果操作非常简单，比如相加、累积这种，那么应该优先考虑使用 map()、filter()、reduce() 实现。另外，在数据量非常多的情况下（比如机器学习的应用），一般更倾向于函数式编程的表示，因为效率更高。
当然，在数据量不多的情况下，使用 for 循环等方式也可以。不过，如果要对集合中的元素做一些比较复杂的操作，考虑到代码的可读性，通常会使用 for 循环。