本文实例讲述了Python函数式编程。分享给大家供大家参考，具体如下：

函数式编程就是一种抽象程度很高的编程范式，从计算机硬件->汇编语言->C语言->Python抽象程度越高、越贴近于计算，但执行效率也越低。纯粹的函数式编程语言编写的函数没有变量，因此，任意一个函数，只要输入是确定的，输出就是确定的，这种纯函数我们称之为没有副作用。而允许使用变量的程序设计语言，由于函数内部的变量状态不确定，同样的输入，可能得到不同的输出，因此，这种函数是有副作用的。函数式编程的一个特点就是，允许把函数本身作为参数传入另一个函数，还允许返回一个函数！

Python对函数式编程提供部分支持，支持高阶函数（函数可以作为变量传入），支持闭包（返回一个函数），有限地支持匿名函数。由于Python允许使用变量，因此，Python不是纯函数式编程语言。

1、高阶函数

即可以通过变量名指向函数，函数通过变量名作为参数传给另一个函数，并通过变量名来使用。例如下面将开方函数math.sqrt作为参数传递给变量f，变量名f就指向了函数math.sqrt，再通过变量f使用该函数给x、y开方。

import math
def add(x, y, f):
  return f(x) + f(y) # 函数作为参数传递给f来调用
res = add(25, 9, math.sqrt)
print(res)

map函数接收一个函数 f 和一个 list，并把函数 f 依次作用在 list 的每个元素上，得到一个iterators并返回。

def format_name(s):
  return s[0].upper()+s[1:].lower()  #将列表的每个元素首字母大写，其他小写
print(list(map(format_name, ['adam', 'LISA', 'barT'])))
#输出：['Adam', 'Lisa', 'Bart']

filter()根据判断函数f的结果自动过滤掉不符合条件的元素，以iterators返回剩下的元素

def is_odd(x):
  return x % 2 == 1 # 过滤函数，x为奇返回True
f_res = filter(is_odd, [1, 4, 6, 7, 9, 12, 17])
print(list(f_res))  # 输出过滤后的结果list：1 7 9 17

sorted()函数用于对可迭代的对象进行排序，参数key=指定排序的关键字，这里可以借助functools.cmp_to_keys()将比较方法映射为自定义的方法。例如实现了降序排列，比较函数cmp返回值 -1 代表a 应该排在 b 的前面，如果a排在b 的后面返回 1。如果 a、b相等返回 0。

import functools
def cmp(a, b):
  if b < a:
    return -1
  if a < b:
    return 1
  return 0
a = [1, 2, 5, 4]
print(sorted(a, key=functools.cmp_to_key(cmp)))

2、匿名函数和闭包

有时函数简单到只有一个表达式时，为了简化代码可以使用匿名函数来代替，匿名函数一般形式为lambda 参数:返回表达式，例如lambda x:x*x，就是传入x参数并返回x的平方。例如在使用map()函数时需要传入一个函数用于list的元素，此时可以使用匿名函数作为参数

lst = [1, 2, 3, 4, 5, 6, 7, 8, 9]
res = map(lambda x: x * x, lst)  # 将匿名函数作用于lst
print(list(res))

函数的闭包（Closure）是指内层函数引用了外层函数的变量，然后将内层函数像变量一样返回的情况。例如函数calc_prod()接收一个list，在其内部定义一个函数multiply，计算list元素的乘积并将multiply返回。用f接收calc_prod()的返回函数，并在之后调用该函数

def calc_prod(lst):
  def multiply():
    res=1
    for i in lst:
      res=res*i
    return res
  return multiply  # 将函数返回
f = calc_prod([1, 2, 3, 4])  # 接收返回函数
print(f())  # 调用返回函数

注意在函数闭包时要确保引用的局部变量在函数返回后不能变。例如下面的例子，当count()函数返回3个函数时，由于f1、f2、f3并没有被调用，所以并未计算 i*i。当 f1 被调用时，这3个函数所引用的变量 i 的值已经变成了3，所以此时使用的变量i的值已经发生了改变，三个函数的输出都是9。

def count():
  fs = []
  for i in range(1, 4):
    def f():
      print(i)  # 函数f1()调用时i已经变为3
      return i*i
    fs.append(f)
  return fs
f1, f2, f3 = count()
print(f1())      # 输出9而不是1

3、函数装饰器

函数装饰器是指在原有函数的基础上对函数作修改和装饰操作。其基本思想是，既然函数可以像变量一样作为参数传入并且返回，那么我们可以将原来的函数传入装饰器函数，然后增加我们需要的操作，之后在将原函数返回出来。

例如下面定义了一个装饰器log用于打印函数名称，原函数作为参数f传入。在装饰器中定义新的函数fn，其中参数列*args和**kw代表自适应参数个数，防止不同参数个数的函数在使用装饰器时不匹配。在新函数fn中输出原函数的名称，之后将原函数原封不动地调用一遍并返回出去。最后返回新函数。

在使用装饰器时，只需要在函数的定义前加一行@装饰器名

def log(f): # 定义装饰器log
  def fn(*args, **kw): # 定义新函数
    print('函数名： ' + f.__name__)  # 打印函数名
    return f(*args, **kw) # 在新函数中调用原函数并返回结果
  return fn # 返回新函数
@log # 为函数add添加装饰器
def add(x, y):
  return x + y
print(add(1, 2))

如果希望给装饰器传入一个参数，则需要定义三重嵌套的函数，在最外层增加一层函数用于接收参数。例如希望在打印函数名之前输出传入的参数“DEBUG”

def log(prefix):
  def log_decorator(f):
    def wrapper(*args, **kw):
      print '[%s] %s()...' % (prefix, f.__name__)
      return f(*args, **kw)
    return wrapper
  return log_decorator
@log('DEBUG')  # 为装饰器传入参数
def test():
  pass
test()

由于装饰器实际上是创建了新的函数fn并替代了原函数，所以原函数的相关信息例如函数名会被覆盖，可以用@functools.wraps(f)来复制原函数的信息以保留下来。

import functools
def log(f):
  @functools.wraps(f)
  def fn(*args, **kw):
    print 'call...'
    return f(*args, **kw)
  return fn

偏函数可以为函数填上一个固定的参数值，从而生成一个新的函数。例如原函数add需要两个参数x、y，通过指定y=1得到偏函数add1，这个函数只需要输入一个参数x，从而计算x+1的值。

import functools
def add(x, y):
  return x + y
add1 = functools.partial(add, y=1)
print(add2(3))  # 输出结果为4

关于Python相关内容感兴趣的读者可查看本站专题：《Python函数使用技巧总结》、《Python面向对象程序设计入门与进阶教程》、《Python数据结构与算法教程》、《Python字符串操作技巧汇总》、《Python编码操作技巧总结》及《Python入门与进阶经典教程》

希望本文所述对大家Python程序设计有所帮助。