函数式编程（Functional Programming）或者函数程序设计，是一种编程范型。
它将计算机运算视为数学上的函数运算，并且避免使用程序状态以及变量对象。
以上只是简单的函数式编程的概念，我们只需简单了解即可。
在 Python 中，函数式编程主要由几个函数的使用构成：lambda(), map(), reduce(), filter()等。
1.lambda 函数
lambda 函数，又成为匿名函数。lambda 函数只能有一个表达式，而不需要写 return 来返回函数的值。当然，匿名函数也是一个函数对象，同样可以把匿名函数赋值给一个变量。
也可以把匿名函数作为返回值来返回
可以看出，变量 f 就是一个 lambda 函数类型，需要使用f()来调用该函数。
2.map函数
map 函数接收两个参数，一个是函数，一个是 Interable （可迭代序列），map 函数依次将函数作用到序列的每个元素，并把结果作为新的 Interable 返回。
看一个例子：
一个简单的列表解析，把列表 a 的每个元素都加2，用 map 函数可以写为：
由于 map 函数返回的是一个惰性序列，需要通过list()等函数来调用它。
虽然上面的代码看起来比直接写 for 循环要复杂，但是当数据量很大的情况下，Python 的 for 效率就不是很高了，而 map 的效率是可以接近 C 语言的。同时代码也简洁很多，简直装X神器。
另一个小例子，把列表中的元素转换为字符串，一条命令
3.reduce函数
它和 map 有些像，不过 map 是用于逐一遍历，而 reduce 函数是用来递归计算的。
一个简单的序列求和
对列表 a 的各个元素依次求和，再看一个自制的int()函数的例子
这是 Python 内置函数 int 的用法
我们通过 reduce 和 map 函数也可以实现如下
先用 map 函数来遍历 23465 这个字符串列表，然后通过 reduce 函数递归应用列表每个元素到 lambda 函数。
4. filter函数
它同样接收一个函数和一个序列，filter()把传入的函数依次作用于每个元素，然后根据返回值是 True 还是 False 决定保留还是丢弃该元素。
总结
使用这些函数，不仅可以让我们的代码更加简洁，同时在大数据量或者计算密集时，能够大大提高效率。
