Python 对函数式编程（Functional Programming, FP）提供了良好的支持。它是一种编程范式，核心思想是将计算过程视为一系列数学函数的求值，并避免使用可变状态和副作用。

纯函数式语言（如 Haskell）要求极高的纯洁性，而 Python 是一门多范式语言，它的函数式编程风格更灵活务实：鼓励使用纯函数，但不强制。一个函数在内部仍可使用局部变量，只要不修改全局变量或产生其他副作用即可。

🧱 核心概念

• 纯函数 (Pure Functions)：这是函数式编程的基石。纯函数是指对于相同的输入，总是返回相同的输出，并且不产生任何可观察的副作用。例如，不修改全局变量、不进行 I/O 操作等。
• 不可变性 (Immutability)：数据一旦创建就不应被改变。函数式编程倾向于创建新的数据，而非修改原有数据，这能有效避免许多棘手的并发问题和程序错误。
• 函数是一等公民 (First-Class Functions)：这是实现函数式编程的技术前提。在 Python 中，函数可以像任何其他对象（如整数、字符串）一样被使用：
  • 赋值给变量。
  • 作为参数传递给其他函数。
  • 作为其他函数的返回值。
• 高阶函数 (Higher-Order Functions)：满足以下任一条件的函数即为高阶函数：
  1. 接收函数作为参数。
  2. 返回一个函数作为结果。

🛠️ 核心函数与技巧

Python 提供了一系列内置函数和标准库，用于支持函数式编程风格。

1. 三大基本高阶函数

• map(function, iterable)

  • 作用：将 function 依次作用于 iterable 的每个元素，并返回一个包含所有结果的迭代器。
  • 示例：将列表中的每个数字乘以 2。

    numbers = [1, 2, 3, 4, 5]
    doubled = map(lambda x: x * 2, numbers)
    print(list(doubled))  # 输出: [2, 4, 6, 8, 10]
    

• filter(function, iterable)

  • 作用：用 function 测试 iterable 的每个元素，并返回一个只包含测试结果为 True 的元素的迭代器。
  • 示例：过滤出列表中的所有偶数。

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

• reduce(function, iterable)

  • 作用：将 function（接收两个参数）累积地应用到 iterable 的元素上，从而将序列归约为一个单一的值。
  • 注意：在 Python 3 中，reduce() 不再是内置函数，需要从 functools 模块导入。
  • 示例：计算列表中所有元素的乘积。

    from functools import reduce
    numbers = [1, 2, 3, 4, 5]
    product = reduce(lambda x, y: x * y, numbers)
    print(product)  # 输出: 120
    

2. 匿名函数：Lambda

lambda 关键字用于创建匿名的、单行的小型函数。它常与 map()、filter() 等高阶函数配合使用，使代码更简洁。

# 一个简单的 lambda 函数，计算平方
square = lambda x: x ** 2
print(square(5))  # 输出: 25

3. 其他重要工具

• 列表推导式 (List Comprehensions)：在 Python 中，列表推导式通常是实现 map 和 filter 功能的更 Pythonic、更易读的方式。例如，[x*2 for x in numbers] 等价于 list(map(lambda x: x*2, numbers))。
• sorted()：这是一个高阶函数，因为它可以接受一个 key 函数来自定义排序逻辑。
• 装饰器 (Decorators)：本质上是接收一个函数并返回一个新函数的高阶函数，常用于在运行时动态增强函数功能（如 @lru_cache）。
• 闭包 (Closures)：指在一个外部函数中定义的、能够捕获并记住其外部函数作用域中变量的内部函数。这是实现返回函数作为结果的重要方式。
• 偏函数 (Partial Function)：通过 functools.partial 可以固定原函数的某些参数，从而创建一个新的、更简单的函数。

📚 核心库支持

• itertools：提供了大量用于高效操作迭代器的工具，这些工具大多基于惰性计算，能处理无限数据流且节省内存。主要功能包括：
  • 无限迭代器：如 count(), cycle(), repeat()。
  • 组合生成器：如 product(), permutations(), combinations()。
  • 迭代器终结器：如 chain(), groupby(), islice()。
• functools：提供了一系列用于高阶函数操作的工具。
  • reduce()：如前所述，用于归约操作。
  • partial()：用于创建偏函数。
  • @lru_cache：一个装饰器，用于缓存函数的调用结果，优化递归等重复计算。
• operator：提供了对应 Python 内置运算符的函数，如 operator.add（加法）、operator.mul（乘法）等。使用它们可以避免编写很多简单的 lambda 函数，使代码更简洁。

💎 实践建议

在 Python 中应用函数式编程时，不必追求纯粹，关键是“取其精华”：

1. 拥抱纯函数：尽可能编写无副作用的纯函数，这会让代码更易于测试、调试和推理。
2. 善用推导式：对于简单的 map 和 filter 操作，优先考虑使用列表、字典或集合推导式，它们通常更清晰。
3. 利用标准库：熟练使用 itertools 和 functools，它们是进行函数式编程的利器。
4. 避免滥用：不要为了使用函数式风格而强行使用。例如，一个简单的 for 循环有时比复杂的 reduce 更容易理解。根据任务选择最自然、最可读的方式。在大型项目中，不同部分可以采用不同范式。

总而言之，Python 的函数式编程是一种强大的编程范式，通过 map、filter、reduce 等核心函数，以及 itertools、functools 等标准库支持，能显著提升代码的简洁性、可读性和健壮性。