“ 函数式编程（Functional Programming）或者函数程序设计，是一种编程范型。”
它将计算机运算视为数学上的函数运算，并且避免使用程序状态以及变量对象。
以上只是简单的函数式编程的概念，只需简单了解即可。
在Python中，函数式编程主要由几个函数的使用构成：lambda(), map(), reduce(), filter()等。
01.lambda函数
lambda函数，又成为匿名函数。lambda函数只能有一个表达式，而不需要写return来返回函数的值。当然，匿名函数也是一个函数对象，同样可以把匿名函数赋值给一个变量。
也可以把匿名函数作为返回值来返回
可以看出，变量f就是一个lambda函数类型，需要使用f()来调用该函数。
02.map函数
map函数接收两个参数，一个是函数，一个是Interable（可迭代序列），map函数依次将函数作用到序列的每个元素，并把结果作为新的Interable返回。
看一个例子：
一个简单的列表解析，把列表a的每个元素都加2，用map函数可以写为：
由于map函数返回的是一个惰性序列，需要通过list()等函数来调用它。
虽然上面的代码看起来比直接写for循环要复杂，但是当数据量很大的情况下，Python的for效率就不是很高了，而map的效率是可以接近C语言的。同时代码也简洁很多，简直装X神器
另一个小例子，把列表中的元素转换为字符串，一条命令
03.reduce函数
它和map有些像，不过map是用于逐一遍历，而reduce函数是用来递归计算的。
一个简单的序列求和
对列表a的各个元素依次求和，再看一个自制的int()函数的例子
这是Python内置函数int的用法
我们通过reduce和map函数也可以实现如下
先用map函数来遍历23465这个字符串列表，然后通过reduce函数递归应用列表每个元素到lambda函数。
04. filter函数
它同样接收一个函数和一个序列，filter()把传入的函数依次作用于每个元素，然后根据返回值是True还是False决定保留还是丢弃该元素。
使用这些函数，不仅可以让我们的代码更加简洁，同时在大数据量或者计算密集时，能够大大提高效率。
当然，这也和在linux新手面前使用VI命令行一样，都是居家旅行，装X神器呀
资料分享：
收录了机器学习大数据的全套学习资料，在公众号回复"AI"即可获得！
加我的微信，获取机器学习经典图书《Machine Learning in Action》电子版
果喜欢我的文章，那就关注我吧！