Functional Programming(函数式编程)的概念最早起源于LISP，由约翰·麦卡锡在1958年创立，最早提出了自动垃圾回收的理念，这一理念现在也被Python/Java/Ruby等多种语言借鉴。发展到今天，LISP已经衍生出了多种方言。相比面向对象编程，函数式编程的一大优势就是Immutable Data(数据不可变)，就是不依赖于外部的数据，而且也不改变外部数据的值，这种思想可以大大减少我们代码的Bug，而且函数式编程也支持我们像使用变量一样使用函数。Python作为面向对象语言，也提供了对于函数式编程的支持，虽然并不是那么纯粹，而且也不支持尾递归优化。

lambda的使用

lambda即匿名函数，合理地使用lambda不仅可以减少我们的代码量，而且也可以更好地描绘代码逻辑，比如现在我们有下面这样一个函数。

>>> def f(x):
... return x + x
# 
调用这个函数
>>> f(2)
4

这个函数如果我们用lamda改写的话，只要一行代码就够了。

# 
lambda后面的x表示lambda函数要接收的参数，x + x表示lambda函数所要返回的值
>>> f = lambda x: x + x
# 
可以看到f现在也是一个函数对象
>>> f
<function __main__.<lambda>>
# 
调用lambda函数
>>> f(2)
4

map的使用

map(function, iterable)接收两个参数，第一个参数代表的是接收一个函数，第二个参数代表的是接收一个iteralbe类型的对象，比如list。

map函数的原理是: 1.每次从iterable中取出一个参数，2.将这个参数传递给我们的函数，3.然后函数返回的值加入一个list(这种说法不准确，只是为了帮助大家理解，后面我会解释)。等所有的iterable对象遍历完，map就把这个list返回给我们的调用者。下面我们直接通过实例来了解一下map的用法。

example1

# 
还是用我们上面那个lambda的例子
>>> function = lambda x: x + x
# 
定义一个iterable对象list(列表)
>>> iterable = [1, 2, 3, 4, 5, 6, 7, 8, 9]
# 
函数fucntion每次从iterable中取出一个参数x，然后function返回x + x的值，
# 
并将返回值加入一个新建的list，等将iterable遍历完，map就将这个新建的list返回。
>>> v = map(function, iterable)
# 
注意上面的说法并不准确，只是为了帮助大家理解，其实map返回的是一个map对象，并不是list
>>> v
<map at 0x7fcb56231588>
# 
但是我们可以调用内建的list函数将map转换成一个list来得到我们想要的结果
>>> list(v)
[2, 4, 6, 8, 10, 12, 14, 16, 18]

example2

对于map的第二个参数，我们也可以传递一组函数列表进去，也就是说列表中间包含多个函数对象。

>>> multiply = lambda x: x * x
>>> add = lambda x: x + x
>>> funcs = [multiply, add]
>>> list(map(lambda f: f(1), funcs))
[1, 2]

reduce的使用

与map一样，reduce(function, iterable)也接收两个参数，第一个参数代表的是接收一个函数，第二个参数代表的是接收一个iteralbe类型的对象，比如list。不过不同的地方在于reduce中的这个函数必须要接收两个参数，下面我们来通过求一个list(列表)累加和的例子来了解一下reduce的用法。

from functools import reduce
# 
使用lambda定义一个函数，函数的作用是接收两个参数，然后返回两个参数之和
>>> function = lambda x, y: x+y
>>> iterable = [1, 2, 3, 4, 5, 6, 7, 8, 9]
# 
函数function每次接收两个参数，除第一次外每次从iterable中取一个元素作为一个参数
# 
另外一个参数取自上一次function返回的值
>>> reduce(function, iterable)
45

filter的使用

和map/reduce类似，filter(function, iterable)一次也接收两个参数，一个参数是函数，另外一个参数是iterable对象，从名字也可以看出，filter用于过滤iterble对象，比如说list(列表)。

它的原理是每次从iterable对象中取出一个元素作用于我们的function，如果function返回True就保留该元素，如果返回False就删除该元素。下面我们通过一个实例来看一下filter的用法。

# 
定义一个函数，如果接收的字符s为空，那么返回False，如果为非空，那么返回True
>>> function = lambda s : s and s.strip()
>>> iterable = ['AJ', ' ', 'Stussy', '', 'CLOT', 'FCB', None]
>>> filter(function, iterable)
<filter at 0x7fcb562319b0>
>>> list(filter(function, iterable))
['AJ', 'Stussy', 'CLOT', 'FCB']

装饰器

装饰器(decorator)是一种高级Python语法。装饰器可以对一个函数、方法或者类进行加工。合理地使用装饰器可以减少我们的代码量以及提高程序的可读型，在很多Python框架中，比如Django中我们可以大量看到装饰器的身影。

>>> def add(x, y):
... return x + y
... 
>>> def multiply(x, y):
... return x * y
...

现在我们有上面两个函数，分别用来求加法和乘法，但是现在我们觉得功能不够，想在返回结果前添加一些输出语句，一般来说我们要重构两个函数，就向下面这样。

>>> def add(x, y):
... print("input:", x, y)
... return x + y
... 
>>> def multiply(x, y):
... print("input:", x, y)
... return x * y
...

如果使用装饰器我们可以像下面这样做，虽然现在我们这种情形看起来使用装饰器并没有什么优势，但是如果我们要添加的不止一条打印功能，以及除了add/multiply我们还有minus/divide等函数，这个时候装饰器的威力就体现出来了，我们只用修改一处代码即可，这样不仅提高了程序的可读性而且也为以后我们重构代码省去了很多的工作量。

def decorator(F):
 def new_function(x, y):
 print("input:", x, y)
 return F(x, y)
 return new_function
@decorator
def add(x, y):
 return x + y
@decorator
def multiply(x, y):
 return x * y