Python中的函数式编程（map、filter、reduce、lambda）

函数式编程是一种编程范式，它强调使用纯函数和避免可变状态。Python提供了一些内置函数来支持函数式编程风格，包括map、filter、reduce和lambda表达式。下面我将逐步讲解这些工具的使用方法和适用场景。

1. lambda表达式

描述：
lambda用于创建匿名函数（即没有名称的小型函数）。它适用于简单的操作，通常作为参数传递给高阶函数（如map、filter）。

语法：
lambda 参数列表: 表达式

示例：

# 普通函数定义
def add(x, y):
    return x + y

# 等效的lambda表达式
add_lambda = lambda x, y: x + y

print(add(2, 3))        # 输出: 5
print(add_lambda(2, 3)) # 输出: 5

特点：

• 只能包含一个表达式，不能包含复杂的逻辑或语句（如if-else分支需用三元表达式）。
• 自动返回表达式的结果，无需return关键字。

2. map函数

描述：
map将函数应用于一个或多个可迭代对象（如列表）的每个元素，并返回一个迭代器（Python 3中需用list()转换为列表）。

语法：
map(function, iterable1, iterable2, ...)

示例：

# 将列表中的每个元素平方
numbers = [1, 2, 3, 4]
squared = map(lambda x: x**2, numbers)
print(list(squared))  # 输出: [1, 4, 9, 16]

# 多个可迭代对象对应相加
list1 = [1, 2, 3]
list2 = [10, 20, 30]
result = map(lambda x, y: x + y, list1, list2)
print(list(result))   # 输出: [11, 22, 33]

注意：

• 如果可迭代对象长度不同，map会以最短的为准。

3. filter函数

描述：
filter根据函数的条件筛选可迭代对象中的元素，返回一个迭代器，包含使函数返回True的元素。

语法：
filter(function, iterable)

示例：

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

# 筛选非空字符串
words = ["hello", "", "world", None, " "]
non_empty = filter(lambda s: s and s.strip(), words)
print(list(non_empty))  # 输出: ['hello', 'world']

注意：

• 如果function为None，会直接筛选可迭代对象中为True的元素。

4. reduce函数

描述：
reduce对可迭代对象中的元素依次进行累积操作（从左到右），最终将序列缩减为单个值。需从functools模块导入。

语法：
reduce(function, iterable[, initializer])

示例：

from functools import reduce

# 计算列表元素的乘积
numbers = [1, 2, 3, 4]
product = reduce(lambda x, y: x * y, numbers)
print(product)  # 输出: 24

# 计算阶乘（初始值设为1）
factorial = reduce(lambda x, y: x * y, range(1, 6), 1)
print(factorial)  # 输出: 120

执行过程（以reduce(lambda x, y: x+y, [1, 2, 3, 4])为例）：

1. 第一次：计算1+2=3
2. 第二次：计算3+3=6
3. 第三次：计算6+4=10
   最终结果为10。

5. 综合应用与对比

场景：处理列表[1, 2, 3, 4, 5]，要求：

• 筛选偶数 → 平方 → 求和。

分步实现：

from functools import reduce

numbers = [1, 2, 3, 4, 5]
# 1. 筛选偶数
evens = filter(lambda x: x % 2 == 0, numbers)
# 2. 平方
squared = map(lambda x: x**2, evens)
# 3. 求和
result = reduce(lambda x, y: x + y, squared)
print(result)  # 输出: 2² + 4² = 4 + 16 = 20

替代方案（列表推导式）：

result = sum(x**2 for x in numbers if x % 2 == 0)

列表推导式通常更简洁，但函数式风格在复杂流水线操作中可能更清晰。

6. 总结

• lambda：快速定义简单函数，避免代码冗余。
• map：对每个元素应用函数，生成新序列。
• filter：根据条件筛选元素。
• reduce：累积计算，适合聚合操作。
• 适用场景：数据转换、筛选和聚合任务，尤其在并行计算或函数组合中优势明显。但需注意可读性，复杂逻辑可能更适合用普通循环或推导式。