函数式编程工具

Python 不是纯函数式语言，但 map/filter/reduce、生成器、functools、itertools` 能写出简洁且内存友好的数据处理管线。基础函数见 python-fundamentals；Agent 链式调用与函数组合思想相通，参考 ai-agents-essentials；/roadmaps/python。

学习目标

• 熟练使用生成器与 yield from 处理大文件/流式数据
• 用 functools.partial、lru_cache 复用与缓存
• 用 itertools 组合迭代器，避免中间 list

生成器

from pathlib import Path

def iter_lesson_lines(draft_dir: Path):
    for path in sorted(draft_dir.glob("*.md")):
        with path.open(encoding="utf-8") as f:
            for line in f:
                yield path.name, line.rstrip("\n")

# 内存恒定，不必一次读入全部文件
for name, line in iter_lesson_lines(Path("drafts")):
    if line.startswith("#"):
        print(name, line)

functools

from functools import partial, lru_cache

def greet(greeting: str, name: str) -> str:
    return f"{greeting}, {name}"

hello = partial(greet, "Hello")
print(hello("CodeRoadMap"))

@lru_cache(maxsize=128)
def fib(n: int) -> int:
    if n < 2:
        return n
    return fib(n - 1) + fib(n - 2)

itertools 组合

import itertools

tags = ["python", "async", "typing"]
levels = ["intro", "advanced"]

for tag, level in itertools.product(tags, levels):
    print(f"{tag}-{level}")

# 滑动窗口
data = [1, 2, 3, 4, 5]
windows = list(itertools.pairwise(data))  # [(1,2), (2,3), ...]

列表推导可读性高；数据量大或需惰性求值时优先生成器。

练习

• 用生成器统计目录下所有 .md 的总行数，不一次性加载全文
• 用 functools.reduce 求列表乘积
• 用 itertools.groupby 按首字母分组字符串列表

小结

函数式工具让数据流清晰、内存可控。 下一课 asyncio 把「惰性迭代」思想延伸到 I/O 并发。