Python函数式编程

Python 函数式编程的四大件：推导式、高阶函数、装饰器、生成器。它们都围绕一个核心思想——把"对集合做什么"表达成声明式的变换，而不是命令式地写循环。函数是一等公民，可以赋值、传参、返回，这让 map/filter/sorted 等高阶函数有了用武之地；装饰器则是高阶函数的语法化，几乎每个 Python 框架都在用它。

推导式（Comprehension）

推导式用一行表达式生成新集合，替代 for 循环 + append 的三行样板。三种容器各有对应：

# 列表推导式：筛选 + 变换一步完成
squares = [x * x for x in range(10) if x % 2 == 0]   # [0, 4, 16, 36, 64]

# 字典推导式
d = {k: len(k) for k in ["a", "bb", "ccc"]}          # {'a':1, 'bb':2, 'ccc':3}

# 集合推导式（自动去重）
s = {x % 3 for x in range(10)}                        # {0, 1, 2}

推导式后面的 if 是过滤器，前面的表达式是变换——顺序固定，不要写反。生成器表达式（把 [] 换成 ()）惰性求值，不一次生成全部元素：

total = sum(x * x for x in range(10))   # 惰性，省内存

高阶函数

接受函数作为参数或返回函数的函数叫高阶函数，map/filter/sorted/reduce 是最常用的一批：

函数	作用	示例
`map(f, it)`	对每个元素应用 f	`list(map(str, [1,2]))` → `['1','2']`
`filter(pred, it)`	保留满足条件的元素	`list(filter(lambda x: x>1, [0,1,2]))` → `[2]`
`sorted(it, key=...)`	按 key 排序	`sorted([(1,'b'),(2,'a')], key=lambda t: t[1])`
`reduce(f, it)`	累积归约	`reduce(lambda a,b: a+b, [1,2,3])` → 6

from functools import reduce

# 推导式通常比 map/filter 更 Pythonic，二者可互换
[x * 2 for x in range(5)]                 # 列表推导式
list(map(lambda x: x * 2, range(5)))      # 等价 map 写法

优先推导式

现代 Python 惯例：能用推导式就不用 map/filter（可读性更好）；reduce 因可读性差，官方已边缘化，简单场景优先 sum()/min()/max()。

装饰器

装饰器是"给函数套一层外壳"的语法糖——在不改函数源码的前提下，给它附加日志、计时、鉴权、缓存等横切逻辑。

import time

def timer(func):
    def wrapper(*args, **kwargs):
        start = time.perf_counter()
        result = func(*args, **kwargs)
        print(f"{func.__name__} 耗时 {time.perf_counter() - start:.4f}s")
        return result
    return wrapper

@timer                      # 等价于 add = timer(add)
def add(a, b):
    time.sleep(0.1)
    return a + b

add(1, 2)   # 打印 "add 耗时 0.1000s"，返回 3

装饰器能工作，靠的是闭包——wrapper 记住了 func。*args/**kwargs 通配任意参数，让装饰器通用。经典案例：@property 把方法变属性、@staticmethod 标记静态方法、Flask 的 @app.route() 注册路由、pytest 的 @pytest.fixture() 声明夹具。

生成器

生成器用 yield 实现惰性求值——按需产生下一个值，内存占用从 O(n) 降到 O(1)。处理大文件、数据库游标、API 分页时是标准做法。

def read_large(path):
    with open(path) as f:
        for line in f:
            yield line.strip()    # 一次只产出一行

for line in read_large("data.txt"):
    print(line)

生成器有两种写法：yield 函数和生成器表达式。生成器只能遍历一次，遍历完就耗尽——这是与列表最大的差异。

gen = (x * 2 for x in range(3))
list(gen)   # [0, 2, 4]
list(gen)   # [] ← 已耗尽

生成器 vs 列表

数据量小用列表（可重复遍历、支持下标）；数据量大或无限序列用生成器。判断标准：你是否真的需要同时持有全部元素。

生成器与闭包、装饰器共同构成 Python 函数式工具箱，配合 Python语法的数据类型与函数机制使用。