python进阶：了解函数式编程（Map、Filter 和 Reduce）

在python中函数也是一等对象。或者说，python中一切都为对象。可以把函数作为参数传递给函数，也可以把函数作为返回值。所以，在一些设计模式中，可以用函数去替代对象。

在现代python中，map,filter,reduce很少用到了，因为python的列表生成式，可以实现和他们相同的工作，并且更易理解。
不过理解这些函数，对我们理解函数式编程也是有好处的。很多使用for的方式，能使用这些去改写。

1. 做一个多段句子中出现单词计数的程序

from functools import reduce

# 假设我们有如下大数据列表
big_data = [
    "apple banana cherry",
    "banana orange apple",
    "cherry plum apple",
    # ... 更多行文本
]

# 定义一个辅助函数，用于将字符串拆分为单词列表
def split_into_words(text):
    return text.split()

# 使用 map() 函数将每一行文本拆分为单词列表
word_lists = map(split_into_words, big_data)

# 将所有单词列表合并为一个大的单词列表
all_words = reduce(lambda x, y: x + y, word_lists)

# 使用 collections.Counter 对象统计单词频率
from collections import Counter
word_counts = Counter(all_words)

# 打印结果
for word, count in word_counts.most_common():
    print(f"{word}: {count}")

1. map的作用是对列表的每一个元素都执行指定函数
2. reduce则是对列表的x1，x2执行函数后将返回的值作为新的值与x3传入函数继续计算返回

通过使用map也不难看出，为什么函数式编程更容易写并发程序。在处理数据集合时，可以轻松地将这些操作并行化，因为每个元素的处理是相互独立的。
如果使用for去执行时，逻辑上就比较麻烦。