功能介绍

之前我们谈过OOP，而Functional Programming（FP）则是另一个崭新的领域，在OOP中我们以类为基础，以对象为根本，通过类的封装、继承来实现和现实世界的映射，通过对象的实例化，来实现方法的调用进而实现功能。但是FP则从某种意义上来说，抛弃了OOP，更极端一点来说，FP和OOP是水火不容的两方。
在FP的世界里，没有了类，没有了对象，有的只是函数Function，函数成了一等公民，任何事情都可以用函数来表示。函数式编程中我们常常提到一个关键的概念，就是纯函数，即输入固定，那么输出固定的函数，就称为纯函数。
但Python从本质来说，无意和FP挂钩，哪怕有一些FP的影子，毕竟连Python的作者都说了，从没想过实现FP之类的。

使用说明

Python的函数式编程，个人认为有一点天然的优势和Java相比，就是函数或者方法，可以脱离类存在，在Java中所有的方法必须在类中声明，不管是不是静态方法。
在一般的函数里，我们通常有函数名，有参数和返回值，参数的类型一般是基本类型或者类对象，但是如果说参数是函数呢？这就引出了一个概念，高阶函数。

高阶函数

所谓高阶函数，就是把函数当做参数，传递给函数

  1. #基本的实例，函数作为参数传递给函数
  2. def calc(x,y,f): #该函数根据函数体推测，f是函数作为参数进行了传递
  3.     return f(x)+f(y)
  5. def print_fun(a:str): #该函数实现了输入参数和字符串ss的拼接
  6.     return a+'ss'
  8. print(calc('a','b',print_fun)) #assbss
  10. #当然了，也可以把函数赋值给变量
  11. s_fun = print_fun
  12. print(s_fun('c')) #css
  14. #常见的高阶函数map,reduce,filter
  15. ##map函数
  16. def sequare(x):
  17.     return x**2
  19. #map传递两个参数，第一个参数为函数f，第二个参数为序列，将序列中的每一个元素使用f进行处理，然后返回一个新的序列（python3中返回的实际是迭代器）
  20. print(list(map(sequare,[1,2,3]))) #[1, 4, 9]
  22. ##reduce函数
  23. from functools import reduce #首先引入
  25. lst = [1, 2, 3, 4]
  26. #reduce函数接受两个参数，第一个参数为函数f，第二个参数为列表，然后将列表的第一个值和第二个值作为参数传递给函数f，将返回值作为第一个参数，列表的第三个值作为第二个参数，
  27. #继续传递给函数f，直到列表最后一个值
  29. #以下例子中使用的是匿名函数，该匿名函数和以下函数等价

def add(x,y): return x+y

  1. print(reduce(lambda x, y: x + y, lst)) #10
  3. #filter函数
  4. price = [10.2,11.5,10.7,20]
  5. filter传递两个参数，第一个参数是函数f，第二个参数是列表，将列表的全部元素使用函数过滤，返回为True的所有元素，组成新的列表（实际在Python3中的filter的返回值是迭代器）进行返回
  6. print(list(filter(lambda x:x>15,price))) #[20]

练习题

  • 使用filter函数并结合匿名函数将四大名著列表，实现名字不长于3位的名著的展示
  • 使用map函数，将十二个月的列表名称都变为大写展示