4.3 函数式编程特性 - AI应用开发

🎯 学习目标

理解函数式编程的核心思想
掌握高阶函数的使用
学会使用lambda表达式
了解functools模块的实用工具

λ Lambda表达式

匿名函数

# 基本语法
# lambda 参数: 表达式

# 简单示例
square = lambda x: x ** 2
print(square(5))  # 25

add = lambda a, b: a + b
print(add(3, 4))  # 7

# 条件表达式
max_val = lambda a, b: a if a > b else b
print(max_val(3, 5))  # 5

# 在排序中使用
pairs = [(1, 'one'), (3, 'three'), (2, 'two')]
pairs.sort(key=lambda x: x[0])
# [(1, 'one'), (2, 'two'), (3, 'three')]
        

⚡ 高阶函数

map

# 对每个元素应用函数
nums = [1, 2, 3, 4, 5]
squares = list(map(
    lambda x: x**2, nums
))
# [1, 4, 9, 16, 25]

# 等价于
squares = [x**2 for x in nums]
          

filter

# 过滤元素
nums = range(10)
evens = list(filter(
    lambda x: x%2==0, nums
))
# [0, 2, 4, 6, 8]

# 等价于
evens = [x for x in nums if x%2==0]
          

reduce

from functools import reduce

# 累积计算
nums = [1, 2, 3, 4, 5]
total = reduce(
    lambda a, b: a + b, nums
)
# 15

# 带初始值
total = reduce(
    lambda a, b: a + b,
    nums, 100
)  # 115
          

🔧 functools模块

from functools import partial, reduce, lru_cache, wraps

# partial: 固定部分参数
def power(base, exponent):
    return base ** exponent

square = partial(power, exponent=2)
print(square(5))  # 25

# lru_cache: 缓存装饰器
@lru_cache(maxsize=128)
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

# 大幅提升递归性能
print(fibonacci(100))  # 瞬间完成

# wraps: 保留原函数信息
def my_decorator(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        print("Before")
        result = func(*args, **kwargs)
        print("After")
        return result
    return wrapper
      

🎯 函数式数据处理

链式处理

# 数据处理管道
data = [
    {"name": "Alice", "age": 25, "score": 85},
    {"name": "Bob", "age": 30, "score": 92},
    {"name": "Charlie", "age": 25, "score": 78},
    {"name": "David", "age": 35, "score": 88},
]

# 函数式风格
result = list(
    map(lambda x: x["name"],
        filter(lambda x: x["score"] > 80,
               sorted(data, key=lambda x: x["score"], reverse=True)))
)
# ['Bob', 'David', 'Alice']

# 或使用列表推导式（更Pythonic）
result = [x["name"] for x in sorted(data, key=lambda x: x["score"], reverse=True) if x["score"] > 80]
        

💡

何时使用函数式风格？

适合：简单变换、一次性操作、作为高阶函数参数
避免：复杂逻辑、可读性差的嵌套
原则：Python推崇"显式优于隐式"，列表推导式通常更清晰

📝 本节小结

✅

• Lambda是简洁的匿名函数语法
• map/filter/reduce是函数式处理的核心
• functools提供了实用的函数工具
• Python推荐平衡函数式和面向对象风格