在这篇文章里，你将学会什么是函数范式以及如何使用Python进行函数式编程。你也将了解列表推导和其它形式的推导。
函数范式
在命令式范式中，通过为计算机提供一系列指令然后执行它们来完成任务。在执行这些指令时，可以改变某些状态。例如，假设你最初将A设置为5，然后更改A的值。这时在变量内部值的意义上，你改变了A的状态。
在函数式范式中，你不用告诉计算机做什么而是告诉他这个东西是什么。比如数字的最大公约数是什么，从1到n的乘积是什么等等。
因此，变量不能变化。一旦你设置了一个变量，它就永远保持这种状态（注意，在纯函数式语言中，它们不是变量）。因此，函数式编程没有副作用。副作用指的是函数改变它自己以外的东西。让我们看一些典型Python代码的示例：
这段代码的输出是5。在函数式范式中，改变变量是一个很大的禁忌，并且具有影响其范围之外事物的功能也是一个很大的禁忌。函数唯一能做的就是计算一些东西并将其作为结果返回。
现在你可能会想：“没有变量，没有副作用？为什么这样好？“这个问题问得好，我相信大多数人对此感到疑惑。
如果使用相同的参数调用函数两次，则保证返回相同的结果。如果你已经学习了数学函数，你就会知道这个好处。这称为参照透明度。由于函数没有副作用，如果你正在构建一个计算某些事情的程序，你可以加速程序。如果每次调用func(2)都返回3，我们可以将它存储在表中，这可以防止程序重复运行相同的功能。
通常，在函数式编程中，我们不使用循环。我们使用递归。递归是一个数学概念，通常意味着“自我调用”。使用递归函数，该函数将其自身作为子函数重复调用。这是Python中递归函数的一个很好的例子：
有些编程语言也具有惰性。这意味着他们直到最后一秒才计算或做任何事情。如果你编写一些代码来执行2 + 2，函数程序只会在你真正需要使用结果时计算出来。我们很快就会在Python中探索惰性。
Map
为了理解，我们先来看看迭代是什么。通常可以迭代的对象是列表或数组，但Python有许多不同的类型可以迭代。你甚至可以创建自己的对象，这些对象可以通过实现魔术方法进行迭代。魔术方法就像是一个API，可以帮助你的对象变得更加Pythonic。您需要实现2个魔术方法才能使对象成为可迭代的：
第一个魔术方法“__iter__”（注：这里是双下划线）返回迭代对象，这通常在循环开始时使用。”__next__“返回下一个对象。
让我们快速进入一个终端调用上面的代码：
运行将会打印出
在Python中，迭代器是一个只有__iter__魔术方法的对象。这意味着您可以访问对象中的位置，但不能遍历该对象。一些对象将具有魔术方法__next__而不是__iter__魔术方法，例如集合（在本文后面讨论）。对于本文，我们假设我们接触的所有内容都是可迭代的对象。
现在我们知道什么是可迭代对象了，让我们回到map函数。 map函数允许我们将函数应用于iterable中的每一项。 Map需要2个输入，它们分别是要应用的函数和可迭代对象。
假设我们有一个数字列表，如下所示：
我们想要对每个数字进行平方，我们可以编写如下代码：
Python中函数式的函数是具有惰性的。如果我们不使用“list”，该函数将存储iterable的定义，而不是列表本身。我们需要明确告诉Python“把它变成一个列表”供我们使用。
在Python中突然从非惰性求值转向惰性求值有点奇怪。如果你在函数式思维方式中考虑得更多，而不是命令式思维方式，那么你最终会习惯它。
现在写一个像“square(num)”这样的普通函数虽然很好，但却是不对的。我们必须定义一个完整的函数才能在map中使用它？好吧，我们可以使用lambda（匿名）函数在map中定义一个函数。
Lambda表达式
lambda表达式是一个只有一行的函数。举个例子，这个lambda表达式对给定的数字进行平方：
让我们运行它：
这看起来不像一个函数吗？
嗯，这有点令人困惑，但可以解释。我们将一些东西分配给变量“square”。那这个呢：
告诉Python这是一个lambda函数，输入叫做x。冒号之后的任何内容都是您对输入所做的操作，它会自动返回结果。
简化我们的square程序到只有一行代码，我们可以这样做：
所以在lambda表达式中，所有参数都在左边，你要用它们做的东西在右边。它有点乱。但事实是，编写只有其他函数式程序员才能阅读的代码会有一定的乐趣。此外，使用一个函数并将其转换为一行代码是非常酷的。
Reduce
Reduce是一个将迭代变成一个东西的函数。通常，你可以在列表上使用reduce函数执行计算以将其减少到一个数字。 Reduce看起来像这样：
我们经常会使用lambda表达式作为函数。
列表的乘积是每个单独的数字相乘。要做到这一点你将编写如下代码：
但是使用reduce你可以这样写：
获得相同的功能，代码更短，并且在使用函数式编程的情况下更整洁。（注：reduce函数在Python3中已不是内置函数，需要从functools模块中导入）
Filter
filter函数采用可迭代的方式，并过滤掉你在该可迭代中不需要的所有内容。
通常，filter需要一个函数和一个列表。它将函数应用于列表中的每一项，如果该函数返回True，则不执行任何操作。如果返回False，则从列表中删除该项。
语法如下：
让我们看一个小例子，没有filter我们会写：
使用filter，可以这样写：
高阶函数
高阶函数可以将函数作为参数并返回函数。一个非常简单的例子如下：
第二个返回函数的例子：
开头我说过纯函数式编程语言没有变量。更高阶的函数使这变得更容易。
Python中的所有函数都是一等公民。一等公民被定义为具有以下一个或多个特征：
- 在运行时创建
- 在数据结构中分配变量或元素
- 作为函数的参数传递
- 作为函数的结果返回
- Python中的所有函数都可以用作高阶函数。
Partial application
Partial application（也称为闭包）有点奇怪，但非常酷。您可以在不提供所需的所有参数的情况下调用函数。让我们在一个例子中看到这一点。我们想要创建一个函数，它接受2个参数，一个基数和一个指数，并返回指数幂的基数，如下所示：
现在我们想要一个专用的平方函数，使用幂函数计算出数字的平方：
这有效，但如果我们想要一个立方体功能呢？或者求四次方的功能呢？我们可以继续写下它们吗？好吧，你可以。但程序员很懒的。如果你一遍又一遍地重复同样的事情，这表明有一种更快的方法来加快速度，这将使你不再重复。我们可以在这里使用闭包。让我们看一个使用闭包的square函数的示例：
是不是很酷！我们可以只使用1个参数来调用需要2个参数的函数。
我们还可以使用一个循环来生成一个幂函数，该函数实现从立方体一直到1000的幂。
函数式编程不是pythonic
您可能已经注意到了，我们想要在函数式编程中做的很多事情都围绕着列表。除了reduce函数和闭包之外，您看到的所有函数都会生成列表。 Guido（Python之父）不喜欢Python中的函数式，因为Python已经有了自己生成列表的方法。
如果你在Python的交互环境下写入”import this“，你将会得到：
这是Python之禅。这是一首关于Pythonic意味着什么的诗。我们想要涉及的部分是：
There should be one — and preferably only one — obvious way to do it.（应该尽量找到一种，最好是唯一一种明显的解决方案）
在Python中，map和filter可以执行与列表推导（下面讨论）相同的操作。这打破了Python之禅的一个规则，因此函数式编程的这些部分不被视为“pythonic”。
另一个话题是Lambda。在Python中，lambda函数是一个普通函数。 Lambda是语法糖。这两种说法是等价的。
普通函数可以执行lambda函数可以执行的所有操作，但它不能以相反的方式工作。 lambda函数不能完成普通函数可以执行的所有操作。
这是一个简短的论证，为什么函数式编程不能很好地适应整个Python生态系统。你可能已经注意到我之前提到了列表推导，我们现在将讨论它们。
列表推导
前面，我提到过你可以用map或filter做的任何事情，你可以用列表推导。列表推导是一种在Python中生成列表的方法。语法是：
让我们对列表中的每个数字进行平方，例如：
我们可以看到如何将函数应用于列表中的每一项。我们如何应用filter呢？看看前面的代码：
我们可以将其转换成一个列表推导，像这样：
列表支持if这样的语句。您不再需要将一百万个函数应用于某些东西以获得您想要的东西。事实上，如果你想尝试生成某种列表，那么使用列表推导看起来会更清晰，更容易。如果我们想要将列表中每个0以下的数字平方怎么办？有了lambda，map和filter你会写：
这似乎很长很复杂。通过列表推导，它只是：
列表推导仅适用于列表。map,filter适合任何可迭代的对象，那么这有什么用呢？你可以对你遇到的任何可迭代对象使用任何推导。
其他推导
你可以为任何可迭代对象创建一个推导。
可以使用推导生成任何可迭代的对象。从Python 2.7开始，您甚至可以生成字典（hashmap）。
如果它是可迭代的，则可以生成它。让我们看一下最后一组的例子。
- set是一个元素列表，在该列表中没有元素重复两次。
- set中的元素没有顺序。
您可能会注意到set（集合）与dict（字典）具有相同的花括号。 Python非常聪明。根据你是否为dict提供值，它会知道你是在写dict推导还是set推导。
总结
函数式编程美观而纯粹。函数式代码可以很干净，但也可能很乱。一些Python程序员不喜欢Python中的函数式编程。但我认为，你应该在解决问题时，使用最佳工具。
