第3章：函数式编程的基本技术

3.1 映射、过滤与归约

在函数式编程（FP）中，映射（Map）、过滤（Filter）和归约（Reduce）是处理数据的三大基本技术。这些操作利用高阶函数，将集合的迭代抽象为简洁、声明式的表达式。它们不仅体现了函数式编程的核心思想，还广泛应用于实际开发中。本节将详细讲解它们的定义、用途和实现方式，并通过示例展示其强大之处。

映射（Map）的定义与用途

映射是一种操作，它将一个函数应用于集合中的每个元素，并返回一个新集合，新集合的每个元素是原始元素经过函数转换后的结果。映射的核心在于“变换”，而不改变原数据。

  • 定义：给定一个集合 S 和一个函数 f，map(f, S) 返回一个新集合，其中每个元素是 f 应用于 S 中对应元素的结果。
  • 用途：常用于数据转换，如将数字翻倍、字符串大写等。
# Python 示例：映射
numbers = [1, 2, 3, 4]
doubled = list(map(lambda x: x * 2, numbers))
print(doubled)  # 输出: [2, 4, 6, 8]

相比命令式循环，map 更简洁，且符合不可变性原则：

# 命令式对比
numbers = [1, 2, 3, 4]
doubled = []
for num in numbers:
    doubled.append(num * 2)

映射的优点在于，它将“如何迭代”交给语言或框架，开发者只需定义“做什么”。

过滤（Filter）的定义与用途

过滤是一种操作，它根据某个条件函数（谓词）筛选集合中的元素，返回一个新集合，仅包含满足条件的元素。过滤的核心在于“选择”。

  • 定义：给定一个集合 S 和一个谓词函数 p，filter(p, S) 返回一个新集合，仅包含 p 返回 True 的元素。
  • 用途：常用于数据筛选，如提取偶数、正数或特定条件的记录。
# Python 示例：过滤
numbers = [1, 2, 3, 4, 5]
evens = list(filter(lambda x: x % 2 == 0, numbers))
print(evens)  # 输出: [2, 4]

与命令式代码相比，filter 避免了手动管理结果集合：

# 命令式对比
numbers = [1, 2, 3, 4, 5]
evens = []
for num in numbers:
    if num % 2 == 0:
        evens.append(num)

过滤操作天然支持组合，可以与其他函数式工具串联使用。

归约（Reduce）的定义与用途

归约（也称折叠，Fold）是一种操作，它通过一个二元函数将集合中的所有元素“归约”成单个值。归约的核心在于“聚合”。

  • 定义：给定一个集合 S、一个初始值 init 和一个二元函数 f，reduce(f, S, init) 从初始值开始，依次将 f 应用于当前结果和集合中的每个元素，最终返回单一值。
  • 用途：常用于求和、求积、连接字符串等聚合操作。
# Python 示例：归约
from functools import reduce
numbers = [1, 2, 3, 4]
total = reduce(lambda x, y: x + y, numbers)  # 默认初始值可选
print(total)  # 输出: 10

与命令式累加相比，reduce 更抽象：

# 命令式对比
numbers = [1, 2, 3, 4]
total = 0
for num in numbers:
    total += num

归约的灵活性在于，二元函数可以自定义。例如，求最大值：

max_val = reduce(lambda x, y: x if x > y else y, numbers)
print(max_val)  # 输出: 4

三者的组合应用

映射、过滤和归约可以无缝组合，形成强大的数据处理管道。例如，计算列表中正数的平方和：

numbers = [-2, -1, 0, 1, 2]
result = reduce(
    lambda x, y: x + y,              # 归约：求和
    map(lambda x: x * x,             # 映射：平方
        filter(lambda x: x > 0, numbers)  # 过滤：正数
    )
)
print(result)  # 输出: 5 (1² + 2² = 1 + 4)

这种管道式处理体现了函数式编程的声明式本质：每个步骤专注于单一职责，最终通过组合完成复杂任务。

在实践中的意义

  • 简洁性：三者消除了显式循环，使代码更紧凑。
  • 并行潜力：由于无副作用，map 和 filter 易于并行化，reduce 也可通过分治法优化。
  • 通用性：这些操作适用于任何集合类型（如列表、数组、流），在多种语言中都有类似实现（如 JavaScript 的 Array.map、Haskell 的 foldl）。

注意事项

  • 性能：在某些语言中（如 Python），map 和 filter 返回迭代器，需显式转换为列表，可能增加开销。
  • 可读性：过度嵌套（如上述管道示例）可能降低代码清晰度，建议为复杂逻辑命名函数。
  • 初始值：reduce 时若未提供初始值，可能会引发错误（如空集合），需谨慎处理。
# 安全的 reduce
empty = []
safe_sum = reduce(lambda x, y: x + y, empty, 0)  # 指定初始值 0
print(safe_sum)  # 输出: 0

小结

映射、过滤和归约是函数式编程中最基础且最强大的工具，它们通过高阶函数实现了数据的转换、筛选和聚合。掌握这些技术，不仅能提升代码的简洁性和可维护性，还为后续学习更高级的函数式概念（如 Monad）奠定了基础。下一节，我们将探讨“递归与尾递归优化”，进一步扩展函数式编程的控制流技术。

Last Updated::