Python函数式编程的详细分析（代码示例）
Functional Programming，函数式编程。Python对函数式编程提供部分支持。对于纯函数编程，对任一函数，只要输入是确定的，输出就是确定的，可称之为无副作用。
一、高阶函数
1、变量指向函数
我们知道函数的计算结果可以赋值给变量，例如x = abs(-5)。
同理，变量也可以指向函数，例如f = abs。
如果一个变量指向了一个函数，那我们直接调用abs(x)与执行f(x)返回的结果是完全相同。
2、函数名也是变量
我们也可以把函数名看成是一个变量，例如abs()函数。执行语句abs=-5，之后调用abs(-5)就会报错，因为此时abs这个变量已经不指向绝对值函数了，而是指向一个整数-5。
3、函数作为形参
既然变量可以指向函数，函数也可以充当变量，那么一个函数就可以接收另外一个函数作为它自己的形式参数，即实现高阶函数。例如：
>>> def add(x , y , f ): # 把函数作为参数传入。 ... return f(x) + f(y) >>> add (-5,-2,abs) 7
二、函数式编程的内建函数
1、map(func,seq)
语法：map(func,seq)，接收两个参数，一个是函数func，一个是可迭代对象。
作用：将传入的func函数循环作用于seq序列的每个元素上，并返回新的可迭代对象。
注意：map()函数返回的是一个
<map object>，我们可以使用list()函数将所获得的结果以list形式返回。
举个栗子：用map()实现f(x)=x*x
>>> def f(x): ... return x*x ... >>> map(f,[1,2,3,4,5]) <map object at 0x0327F670> >>> list(map(f,[1,2,3,4,5])) # 传入的函数f作用于序列的每个元素调并用list() [1, 4, 9, 16, 25]
当然还可以使用其他方法实现：
exp1：list( map((lambda x:x*x),[1,2,3,4,5]))
exp2：[x*x for x in [1,2,3,4,5]]
2、reduce(func,list)
语法：
reduce(func,list)，必须接受两个参数。作用：把
func函数作用在list序列上[x1,x2,x3,...]。取出序列的头两个元素x1和x2，作用于func，取的一个单一的值，例如a，再将a与序列的下一个元素x3做func运算，依此反复。其效果就相当于reduce(f,x1,x2,x3)=f(f(x1,x2),x3)注意：使用
reduce()，必须导入模块from functools import reduce
大家可以自己找个栗子玩玩哈~~~
3、filter()
语法：
filter(func,[序列])，接收一个“过滤”函数，和一个序列。返回的是一个Iterator可迭代对象。作用：按照
func规则过滤序列，filter()把传入的函数func依此作用于每个元素，然后根据返回值TrueorFalse，来保留为True的对应元素。注意：跟
map()类似，filter()返回的是一个可迭代对象，故需要使用list()来查看所获得结果并返回list类型。
举个栗子：在一个list中，删除偶数，保留奇数。
>>> def is_odd(n): ... return n % 2 == 1 # 返回0(false) 或1(True) ... >>> list( filter(is_odd,[1,2,3,4,5,6,7,8,9]) ) [1, 3, 5, 7, 9]
以上就是Python函数式编程的详细分析（代码示例）的详细内容，更多请关注其它相关文章！