函数式编程：Python如何实现纯函数与不可变数据

函数式编程强调纯函数、不可变性和高阶函数。纯函数输入决定输出且无副作用，如add(a, b)；避免修改外部状态或可变数据，倾向使用元组和frozenset；通过map、filter、reduce实现数据转换，如对列表元素平方过滤；利用lambda和函数式操作构建清晰的数据流水线，提升代码可预测性与可维护性。

函数式编程在Python中是一种编程范式，强调使用纯函数和避免改变状态或可变数据。理解它可以从几个核心概念入手。

纯函数：输入决定输出，无副作用

纯函数是指相同的输入总是返回相同的输出，并且不会修改外部状态或产生副作用。

• 一个函数只依赖参数，不修改全局变量
• 不调用print、不写文件、不修改传入的列表

例如：

def add(a, b):
    return a + b

这个函数是纯的；而下面这个不是：

result = []
def append_to_list(value):
    result.append(value)  # 修改了外部状态

不可变性：避免修改数据

函数式编程倾向于使用不可变数据。一旦创建，就不该被修改。

• 处理列表时，用 map、filter 返回新对象，而不是原地修改
• 比如：new_list = [x * 2 for x in old_list] 而不是循环中修改原列表

高阶函数：函数作为参数或返回值

Python支持将函数当作一等公民，可以传递给其他函数。

• map(func, iterable)：对每个元素应用函数
• filter(func, iterable)：保留满足条件的元素
• functools.reduce(func, iterable)：累积计算

例子：

from functools import reduce
nums = [1, 2, 3, 4]
doubled = list(map(lambda x: x * 2, nums))
evens = list(filter(lambda x: x % 2 == 0, nums))
total = reduce(lambda x, y: x + y, nums)

避免状态和副作用，让代码更可预测

函数式风格鼓励你把逻辑拆成一系列转换步骤，每一步都清晰、独立。

data = [1, 2, 3, 4, 5]
result = list(
    map(lambda x: x ** 2,
        filter(lambda x: x % 2 == 1, data))
)
# 先过滤奇数，再平方

这种链式操作读起来像“数据流水线”，容易测试和推理。

基本上就这些。Python不是纯函数式语言，但你可以借鉴函数式思想写出更清晰、更少bug的代码。重点是：用函数封装逻辑，少依赖状态，多返回新值。不复杂但容易忽略。