Python函数式编程训练题：提升代码优雅与效率59

大家好，我是你们的Python知识博主！今天咱们来聊聊Python中的函数式编程，并通过一系列训练题来提升大家的实际运用能力。函数式编程是一种编程范式，它将计算视为数学函数的求值，避免了可变状态和可变数据。这使得代码更加简洁、易读、易于测试和并行化。Python虽然不是一门纯粹的函数式编程语言，但它提供了许多支持函数式编程的特性，例如高阶函数、lambda表达式、map、filter、reduce等。掌握这些特性，能显著提高你的Python编程水平。

一、基础篇：理解高阶函数与lambda表达式

高阶函数是指接受函数作为参数或返回函数作为结果的函数。Lambda表达式则是一种创建匿名函数的简洁方式。它们是函数式编程的核心组成部分。让我们从一些简单的练习开始：

训练题1：使用lambda表达式创建一个函数，计算两个数的平方和。```python
square_sum = lambda x, y: x2 + y2
print(square_sum(3, 4)) # Output: 25
```

训练题2：编写一个高阶函数`apply_func`，它接受一个函数`func`和一个列表`data`作为参数，将函数`func`应用于列表中的每个元素，并返回结果列表。```python
def apply_func(func, data):
return [func(x) for x in data]
data = [1, 2, 3, 4, 5]
squared_data = apply_func(lambda x: x2, data)
print(squared_data) # Output: [1, 4, 9, 16, 25]
```

训练题3：编写一个高阶函数`filter_data`，它接受一个函数`func`和一个列表`data`作为参数，返回列表中满足`func`条件的元素。```python
def filter_data(func, data):
return [x for x in data if func(x)]
data = [1, 2, 3, 4, 5, 6]
even_numbers = filter_data(lambda x: x % 2 == 0, data)
print(even_numbers) # Output: [2, 4, 6]
```

二、进阶篇：运用map、filter和reduce

map, filter, 和 reduce是Python内置的三个强大的高阶函数，它们分别用于对序列中的每个元素进行映射、过滤和累积操作。 `reduce`函数在Python3中被移到了`functools`模块中。

训练题4：使用map函数计算一个列表中所有数字的平方根。```python
import math
numbers = [1, 4, 9, 16]
sqrt_numbers = list(map(, numbers))
print(sqrt_numbers) # Output: [1.0, 2.0, 3.0, 4.0]
```

训练题5：使用filter函数筛选出一个列表中所有大于5的偶数。```python
numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
filtered_numbers = list(filter(lambda x: x > 5 and x % 2 == 0, numbers))
print(filtered_numbers) # Output: [6, 8, 10]
```

训练题6：使用reduce函数计算一个列表中所有数字的乘积。```python
from functools import reduce
import operator
numbers = [1, 2, 3, 4, 5]
product = reduce(, numbers)
print(product) # Output: 120
```

三、高级篇：闭包与装饰器

闭包是指一个函数能够“记住”它被创建时的环境，即使在函数被创建的环境已经消失之后。装饰器则是一种高级用法，它允许你用简洁的方式在不修改原函数代码的情况下，为函数添加额外功能。

训练题7：创建一个闭包函数，返回一个函数，该函数可以计算一个数与指定数的和。```python
def make_adder(n):
def adder(x):
return x + n
return adder
add_5 = make_adder(5)
print(add_5(3)) # Output: 8
```

训练题8：编写一个装饰器函数，用于记录函数的执行时间。```python
import time
def timeit(func):
def wrapper(*args, kwargs):
start_time = ()
result = func(*args, kwargs)
end_time = ()
print(f"Function {func.__name__} took {end_time - start_time:.4f} seconds")
return result
return wrapper
@timeit
def slow_function():
(1)
return "Done!"
slow_function() # Output: Function slow_function took 1.0000 seconds
```

通过完成这些训练题，相信你对Python函数式编程会有更深入的理解。记住，熟能生巧，多练习才能真正掌握这些技巧，并将其应用到你的实际项目中，编写出更加优雅高效的代码！希望这篇文章对大家有所帮助，我们下次再见！

2025-06-02

上一篇：Python异步编程：从入门到进阶的学习资源推荐

下一篇：Python GUI编程入门：你需要掌握的知识和准备工作