Python新手必学：常用skill函数实战指南与避坑技巧

3次阅读

共计 2266 个字符，预计需要花费 6 分钟才能阅读完成。

刚学 Python 时，我们习惯用 for 循环处理数据。比如要给列表所有元素加 1，会这样写：

numbers = [1, 2, 3, 4]
result = []
for num in numbers:
    result.append(num + 1)

但当遇到多层嵌套时，代码就会变得难以维护。例如筛选偶数并平方：

result = []
for num in numbers:
    if num % 2 == 0:
        result.append(num ** 2)

这种写法不仅冗长，而且容易在循环中遗漏边界条件。这时就该函数式编程登场了。

map(func, iterable)会对可迭代对象中每个元素应用函数。前面加 1 的例子可以简化为：

# 使用 lambda 表达式
doubled = list(map(lambda x: x + 1, [1, 2, 3]))  # 得到[2, 3, 4]

# 配合类型标注更安全
def add_one(n: int) -> int:
    return n + 1

result = list(map(add_one, numbers))

适用场景：
– 批量类型转换（如字符串转整数）
– 数学运算统一处理
– 对象属性提取

filter(func, iterable)会根据函数返回值 True/False 筛选元素。筛选偶数的例子可改写为：

evens = list(filter(lambda x: x % 2 == 0, numbers))

# 带异常处理的实用案例
def is_positive(n):
    try:
        return float(n) > 0
    except ValueError:
        return False

clean_data = list(filter(is_positive, ['1', '-2', 'a', '3.5']))

适用场景：
– 数据清洗（去除 None/ 空值）
– 条件筛选（如价格大于 100 的商品）
– 异常数据过滤

reduce(func, iterable[, initial])会累积计算元素。需要从 functools 导入：

from functools import reduce

# 计算乘积
product = reduce(lambda x, y: x * y, [1, 2, 3, 4])  # 输出 24

# 更安全的带初始值写法
total = reduce(lambda acc, curr: acc + curr['price'], 
              [{'price': 100}, {'price': 200}], 
              0)  # 初始值避免空列表报错

适用场景：
– 统计计算（求和 / 极值）
– 层级数据合并
– 复杂对象构建

map/filter 返回的是迭代器而非列表，这意味着：

多次遍历会 ” 消耗 ” 迭代器：

mapped = map(lambda x: x*2, [1,2,3])
list(mapped)  # [2,4,6]
list(mapped)  # [] 因为迭代器已耗尽

大文件处理时应使用生成器：

# 错误做法：会加载整个文件到内存
with open('huge.log') as f:
    lines = list(filter(lambda l: 'ERROR' in l, f))

# 正确做法：逐行处理
with open('huge.log') as f:
    error_lines = filter(lambda l: 'ERROR' in l, f)
    for line in error_lines:
        process(line)

组合使用函数：map(len, filter(str.isalpha, ['a1', 'bb', '123']))
用 operator 模块替代 lambda：from operator import add; reduce(add, [1,2,3])

类型标注让代码更健壮：

def safe_reduce(func: Callable[[T, T], T], 
               items: Iterable[T], 
               initial: Optional[T] = None) -> T:
    ...

给定销售记录列表：

sales = [{'product': 'A', 'amount': 120, 'returned': False},
    {'product': 'B', 'amount': 80, 'returned': True},
    {'product': 'A', 'amount': 150, 'returned': False}
]

请用 map/filter/reduce 组合实现：
1. 计算未退货商品的总销售额
2. 找出商品 A 的平均销售额

参考答案：

# 第一题
valid_sales = filter(lambda x: not x['returned'], sales)
amounts = map(lambda x: x['amount'], valid_sales)
total = reduce(lambda acc, curr: acc + curr, amounts, 0)

# 第二题
a_sales = filter(lambda x: x['product'] == 'A' and not x['returned'], sales)
amounts = list(map(lambda x: x['amount'], a_sales))
average = sum(amounts) / len(amounts) if amounts else 0

函数式编程不是银弹，但在处理数据流水线时能显著提升代码可读性。建议从简单的 map/filter 开始实践，逐步尝试 reduce 解决复杂聚合问题。当发现自己在写多层嵌套循环时，不妨想想：这个操作能否用函数组合更优雅地实现？

正文完