Python 的函数式编程

所谓函数式编程，就是指代码中每一块都是不可变的（immutable），都是由 pure function 的形式组成。这里的 pure function 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。

函数式编程的优点主要在于其 pure function 和不可变的特性使得程序更加健壮，易于 debug 和测试，缺点主要在于限制多，难写。

对于 Map(function, iterable) 函数，前面的例子提过，他表示对 iterable 中的每个元素运用 function 这个函数，最后返回一个新的可遍历的集合，比如上面对列表中每个元素乘2用map可以表示为

l = [1, 2, 3, 4, 5]new_list = map(lambda x: x * 2, l)# [2， 4， 6， 8， 10]

我们再来看一下 Python 提供的函数式编程的接口的性能，就以 Map 为例，上述的例子还可以用 for 循环和 list comprehension 实现，我们来比较一下他们的速度：

python3 -mtimeit -s’xs=range(1000000)' 'map(lambda x: x*2, xs)'输出结果：2000000 loops, best of 5: 171 nsec per looppython3 -mtimeit -s’xs=range(1000000)''[x * 2 for x in xs]'输出结果：5loops, best of5:62.9msec per looppython3 -mtimeit -s’xs=range(1000000)’'l = []''for i in xs: l.append(i * 2)'输出结果：5loops, best of5:92.7msec per loop

可以看到 map 是最快的，因为 map 函数是直接由 C 语言写的，运行时不需要通过 Python 解释器间接调用，因此运行速度最快。

对于 Reduce(function, iterable) 函数，通常用于对一个集合做一些累积操作。function 同样是一个函数对象，规定他有两个参数，表示对 iterable 中的每个元素以及上一次调用后的结果运用 function 进行计算，因此最后返回的是一个单独的数值，比如，我想要计算列表元素的乘积，可以表示为：

l = [1, 2, 3, 4, 5]product = reduce(lambda x, y: x * y, l)# 1*2*3*4*5 = 120

通常来说，如果你想对一个集合中的元素进行一些操作，如果是一些非常简单的操作，比如相加，累积，那么我们优先考虑 Map、Filter、Reduce 或者 list comprehension 的形式。