Python does not promote functional programming even though it works fairly well.
Anonymous function
匿名函數(shù)是一種語法糖（syntactic sugar）：所有使用匿名函數(shù)的地方，都可以用普通函數(shù)代替，少了它程序一樣寫，匿名函數(shù)只是讓這一過程更加簡便可讀。我國程序員們?yōu)榱私o小函數(shù)起一個能準(zhǔn)確描述功能的英文名稱，做歸納、查字典，花的時間比實(shí)現(xiàn)函數(shù)本身還要長。匿名函數(shù)一出，問題迎刃而解。不過從簡便可讀的角度來講，Python 的匿名函數(shù)，即 lambda 函數(shù)，真是有點(diǎn)名不副實(shí)。lambda 關(guān)鍵字包含6個字母，外加一個空格，本身就很長，寫出來的匿名函數(shù)更長，嚴(yán)重影響閱讀。比如下面這個：
map(lambda x: x * x, lst)
同樣的功能，Scala 寫出來就清晰了不少：
lst map (x => x * x)
另外，lambda 函數(shù)體只支持一條語句，這也限制了它的功能。不過從另一方面來說，需要兩條以上語句實(shí)現(xiàn)的函數(shù)就不該再作為匿名函數(shù)了。
Currying & partial application
Python 并不原生支持柯里化（currying），如果你一定要，那也可以有。
舉例來說，你有一個函數(shù) f：
def f(a, b, c):
print(a, b, c)
如果要將其柯里化，你可以改寫成這樣：
def f(a):
def g(b):
def h(c):
print(a, b, c)
return h
return g
In [2]: f(1)(2)(3)
1 2 3
In [3]: g = f(4)
In [4]: g(5)(6)
4 5 6
得益于函數(shù)在 Python 中一等公民的地位，即所謂 first-class function，你可以在函數(shù)中返回另一個函數(shù)，柯里化也由此實(shí)現(xiàn)。《Currying in Python》一文提供了一種將普通函數(shù)柯里化的方法。
Partial application（偏函數(shù)）與柯里化是相關(guān)但不同的概念。你可以用 functools.partial 得到一個函數(shù)的偏函數(shù)：
In [1]: def f(a, b, c):
...: print(a, b, c)
...:
In [2]: from functools import partial
In [3]: g = partial(partial(f, 1), 2)
In [4]: g(3)
1 2 3
Recursion & tail recursion
Python 不支持對尾遞歸函數(shù)的優(yōu)化（tail recursion elimination， TRE），也根本不建議程序員在生產(chǎn)代碼中使用遞歸。
摘錄一段 Python 領(lǐng)導(dǎo)核心 Guido van Rossum 關(guān)于尾遞歸的講話，供大家學(xué)習(xí)領(lǐng)會：
So let me defend my position (which is that I don't want TRE in the language). If you want a short answer, it's simply unpythonic.
Lazy evaluation
生成器（generator）就是 Python 中惰性求值（lazy evaluation）的一個例子：一個值只有當(dāng)請求到來時，才會被計算。生成器的使用，可以看我的另一篇文章《用 Python 寫一個函數(shù)式編程風(fēng)格的斐波那契序列生成器》。
但是 Python 沒有一些函數(shù)式編程語言中那種精確到每個值的惰性計算。比如在 Scala 中，你可以用關(guān)鍵字 lazy 定義一個值：
scala> lazy val a = 2 * 2
a: Int = <lazy>
scala> a
res0: Int = 4
直到第一次調(diào)用，值 a 才會被計算出來。
Python 可以曲折地實(shí)現(xiàn)類似的惰性計算特性。Python Cookbook 第三版 8.10 節(jié)展示了如何利用描述符（descriptor）實(shí)現(xiàn)類屬性的惰性計算：
class lazyproperty(object):
def __init__(self, func):
self.func = func
def __get__(self, instance, cls):
if instance is None:
return self
else:
value = self.func(instance)
setattr(instance, self.func.__name__, value)
return value
定義好的 lazyproperty 作為裝飾器（decorator），被裝飾的屬性就只有在被調(diào)用時才會求值，求得的值會被緩存供以后使用：
class Circle(object):
def __init__(self, radius):
self.radius = radius
@lazyproperty
def area(self):
print('Computing area')
return math.pi * self.radius ** 2
@lazyproperty
def perimeter(self):
print('Computing perimeter')
return 2 * math.pi * self.radius
In [16]: import math
In [17]: c = Circle(4.0)
In [18]: c.area
Computing area
Out[18]: 50.26548245743669
In [19]: c.area
Out[19]: 50.26548245743669
map, reduce & filter
好消息是，Python 支持這些基本的操作；而壞消息是，Python 不建議你使用它們。
在 Python 2 中，map、reduce 和 filter 都是 build-in functions（內(nèi)置函數(shù)），返回的都是列表或計算結(jié)果，使用起來很方便；但到了 Python 3，reduce 不再是內(nèi)置函數(shù)，而被放入 functools，map 和 filter 返回的不再是列表，而是可迭代的對象。假如你需要的恰恰是列表，那么使用起來略顯繁瑣。
In [1]: from platform import python_version
In [2]: print('Python', python_version())
Python 3.5.2
In [3]: n1 = [1, 2, 3]
In [4]: n2 = [4, 5, 6]
In [5]: import operator
In [6]: map(operator.add, n1, n2)
Out[6]: <map at 0x104749748>
In [7]: list(map(operator.add, n1, n2))
Out[7]: [5, 7, 9]
In [8]: import functools
In [9]: functools.reduce(operator.add, n1)
Out[9]: 6
如果不拘泥于 map、reduce 的形式，實(shí)際上，list comprehension （列表推導(dǎo)）和 generator expression（生成器表達(dá)式）可以優(yōu)雅地代替 map 和 filter：
In [10]: [i + j for i, j in zip(n1, n2)] # list(map(operator.add, n1, n2))
Out[10]: [5, 7, 9]
In [11]: [i for i in n1 if i > 1] # list(filter(lambda x: x > 1, n1))
Out[11]: [2, 3]
一個 for 循環(huán)也總是可以代替 reduce，當(dāng)然，你得多寫幾行代碼，看上去也不那么 functional 了。
此外，itertools 中還提供了 takewhile、dropwhile、filterfalse、groupby、permutations、combinations 等諸多函數(shù)式編程中常用的函數(shù)。
其他
另外，Python 不支持 pattern matching，return 語句怎么看怎么像 imperative programming （命令式編程）余孽，這些都限制了 Python 成為一種更好的函數(shù)式編程語言。
綜上所述，相信你對于如何使用 Python 編寫函數(shù)式代碼已經(jīng)入門，考慮到 Python 語言設(shè)計上對函數(shù)式編程的諸多限制，下一步就該考慮放棄了……
