编辑（Kanwal Mehrin）Canva的图像
＃ 介绍
您是否曾经盯着充满情节和电台的Python文字，想知道是否有一种更简单的方法可以完成？我也在那里。几年前，我花了几个小时重写大声数据处理的文本，直到同事提到一场演出。您为什么不尝试Lambda工作？“这一建议不仅使我的代码变成了我的代码 – 而且我如何处理贝森的问题。
让我们谈谈如何 伯森的工作编程 它可以帮助您编写清洁度，并且比代码更具表现力。无论您是由任务，数据分析还是应用程序自动化，掌握Lambda功能和更高的安排功能都会提高您的技能水平。
＃ 什么是功能编程？
工作编程（FP）类似于面包，而不是冷冻的芯片微波炉。您可以确定所需的内容（成分），而不是逐步更改数据（微波说明），并让功能处理“如何”（面包）。基本想法是：
- 纯工作没有副作用。相同的输入总是产生相同的输出
- 非变化数据避免更改变量；而是从中创建
- 一级工作：处理诸如变量之类的功能 – 通过它们，退回并存储它们
Python不是一种纯粹的功能性语言（例如Haskell），但它足够灵活，可以借用它们发光的FP概念。
＃ Lambda工作：快速维修Biton
// LAMDA的功能是什么？
Lambda功能是您在飞行时确定的小型未知功能。将其视为“功能的功能”，而不是全餐。
简单的句子构造：
lambda arguments: expression例如，这是一个传统功能：
def add(a, b):
return a + b这是lambda版本：
// 您什么时候应该使用LAMDA功能？
lambda功能是完美的一次。例如，根据第二个元素对单元进行排序时：
students = [("Alice", 89), ("Bob", 72), ("Charlie", 95)]
# Sorts by grade (the second element of the tuple)
students.sort(key=lambda x: x[1])常见案例包括：
- 内部高阶功能：他们完全合作
map()和filter()， 或者reduce() - 避免琐碎的助手职能：如果您需要一个简单的帐户一次，Lambda功能将带您设置完整功能
但是要当心：如果您的lambda功能看起来过于复杂，例如 lambda x: (x**2 + (x/3)) % 4，是时候写一个合适的工作了。 lambdas是简单性，而不是创建一个加密的符号。
＃ 最高订单功能
HOFS工作是功能：
- 将其他工作作为原因或
- 返回工作作为结果
Python中的Hofs Compact是您最好的新朋友。让我们分开它们。
// 地图：无情节传输数据
这 map() 该作业将另一个功能应用于组中的每个元素。例如，让我们将温度从摄氏固定转换为华氏。
celsius = [23, 30, 12, 8]
fahrenheit = list(map(lambda c: (c * 9/5) + 32, celsius))
# fahrenheit is now [73.4, 86.0, 53.6, 46.4]为什么使用 map()？
- 避免手动循环的索引
- 它通常比简单的转换列表更干净
// 候选人：保留您的需求
这 filter() 该作业确定可靠的要素，这些要素符合特定条件。例如，让我们在列表中找到婚姻数字。
numbers = [4, 7, 12, 3, 20]
evens = list(filter(lambda x: x % 2 == 0, numbers))
# evens is now [4, 12, 20]// 减少：结合一切
这 reduce() 工作，来自 功能 刻板印象，值从可靠到一个结果收集。例如，您可以使用它来计算菜单中所有数字的产品。
from functools import reduce
numbers = [3, 4, 2]
product = reduce(lambda a, b: a * b, numbers)
# product is now 24// 建立您的安排功能
您也可以创建HOF。让我们创建一个“重新攻击”，如果失败，可以重新启动工作：
import time
def retry(func, max_attempts=3):
def wrapper(*args, **kwargs):
attempts = 0
while attempts < max_attempts:
try:
return func(*args, **kwargs)
except Exception as e:
attempts += 1
print(f"Attempt {attempts} failed: {e}")
time.sleep(1) # Wait before retrying
raise ValueError(f"All {max_attempts} attempts failed!")
return wrapper您可以将此HOF用作装饰。想象一下，由于网络错误，您的工作可能失败：
@retry
def fetch_data(url):
# Imagine a risky network call here
print(f"Fetching data from {url}...")
raise ConnectionError("Oops, timeout!")
try:
fetch_data("https://api.example.com")
except ValueError as e:
print(e)// 混合Lambdas和Hofs：动态二人
让我们收集这些工具以处理以下要求处理用户记录：
- 检查电子邮件的健康，以确保它们由“@gmail.com”完成
- 利用用户名
signups = [
{"name": "alice", "email": "alice@gmail.com"},
{"name": "bob", "email": "bob@yahoo.com"}
]
# First, capitalize the names
capitalized_signups = map(lambda user: {**user, "name": user["name"].capitalize()}, signups)
# Next, filter for valid emails
valid_users = list(
filter(lambda user: user["email"].endswith("@gmail.com"), capitalized_signups)
)
# valid_users is now [{'name': 'Alice', 'email': 'alice@gmail.com'}]＃ 常见的恐惧和最佳实践
// 阅读能力
一些开发人员发现，复杂的Lambdas或HOF可能很难阅读。要保持清晰度，请遵循以下规则：
- 将lambda功能的身体保存到一个简单的表达
- 使用变量和描述性名称（例如，
lambda student: student.grade）） - 对于复杂的逻辑，您总是更喜欢标准
def工作
// 表现
功能编程较慢吗？有时。通信功能的一般费用可能略高于循环。对于小数据组，这种差异很小。对于执行大型数据组的关键操作，您可能会考虑发电机或工作 itertools 单位，喜欢 itertools.imap。
// 您什么时候避免功能编程？
FP是一种工具，而不是银弹。在这些情况下，您可能需要遵守对物体的必要或定向方式：
- 如果您的团队对功能编程概念不满意，则可能很难维护代码
- 对于复杂的国家管理，类别和生物通常是一个简单的解决方案
＃ 现实世界中的示例：数据分析很简单
想象一下，您正在分析Uber Ride距离，并想计算超过三英里的骑马的平均骑行距离。这是工作编程如何简化任务：
from functools import reduce
rides = [2.3, 5.7, 3.8, 10.2, 4.5]
# Filter for rides longer than 3 miles
long_rides = list(filter(lambda distance: distance > 3, rides))
# Calculate the sum of these rides
total_distance = reduce(lambda a, b: a + b, long_rides, 0)
# Calculate the average
average_distance = total_distance / len(long_rides)
# average_distance is 6.05您准备好体验功能编程了吗？开始小：
- 用简单的循环用
map() - 使用循环内的重构有条件检查
filter() - 在评论中分享您的代码 – 我喜欢看到它
＃ 结论
工作编程 在Python中，与信念无关 – 它具有更多的工具来编写清晰有效的符号。 LAMDA工作 和 最高订单功能 瑞士军刀类似于您的编码集：不是每项工作，而是方便的。
您有一个很棒的问题或例子吗？在下面发表评论！
Shittu Olumide 他是一位软件工程师和技术作家，他热衷于利用先进的技术来制作令人信服的小说，并提供Ain Harda的细节和人才来简化复杂的概念。您也可以在 叽叽喳喳。
