Java对比学习Pyton之高级特性:函数式编程
ztj100 2025-05-23 21:35 13 浏览 0 评论
函数式编程java变化的比较慢,但是python却是天生支持的,非常的友好,不过不太建议嵌套太多层,太影响阅读。接下来我们来对比一下Java和Python的 函数式编程 。
一、什么是函数式编程?
函数式编程(Functional Programming)是一种将**函数作为“第一等公民”**的编程范式,强调:
- 没有副作用(pure function)
- 不修改状态(immutable data)
- 支持高阶函数(函数可以作为参数或返回值)
- 常用表达:map、filter、reduce、lambda 等
二、对比:Java vs Python 的函数式编程支持
特性 | Java | Python |
Lambda表达式 | Java 8 引入:(x) -> x * 2 | 内建支持:lambda x: x * 2 |
函数作为参数 | 通过 Function<T,R> 接口实现 | 所有函数都是一等公民 |
map/filter/reduce | Stream.map() 等 | 内建函数:map(), filter(), reduce() |
函数返回函数 | 通过嵌套函数或类实现 | 支持闭包,天然支持 |
偏函数 / 装饰器 | 需要第三方库 | 内建 functools.partial, @decorator |
代码简洁性 | 相对啰嗦 | 极其简洁 |
三、核心语法对比与示例
1.Lambda 表达式
// Java
Function<Integer, Integer> doubleFn = x -> x * 2;
System.out.println(doubleFn.apply(5)); // 输出 10
# Python
double_fn = lambda x: x * 2
print(double_fn(5)) # 输出 10
2.map() 映射操作
// Java
List<Integer> list = Arrays.asList(1, 2, 3);
list.stream().map(x -> x * 2).collect(Collectors.toList());
# Python
list(map(lambda x: x * 2, [1, 2, 3])) # 输出 [2, 4, 6]
3.filter() 过滤操作
// Java
list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());
# Python
list(filter(lambda x: x % 2 == 0, [1, 2, 3, 4])) # 输出 [2, 4]
4.reduce() 累积计算
// Java
int sum = list.stream().reduce(0, (a, b) -> a + b);
# Python
from functools import reduce
reduce(lambda a, b: a + b, [1, 2, 3, 4]) # 输出 10
5.高阶函数(函数作为参数)
java在高版本支持了么??
def operate(func, value):
return func(value)
print(operate(lambda x: x ** 2, 5)) # 输出 25
6.函数返回函数(闭包)
def power(n):
return lambda x: x ** n
square = power(2)
print(square(4)) # 输出 16
7.匿名函数
没有名字的函数,这个java和python都是支持的。
上面的例子中,返回的就是一个匿名函数
def power(n):
return lambda x: x ** n
square = power(2)
print(square(4)) # 输出 16
四、Python 特有的函数式编程能力
1.装饰器(Decorator)
在不改动函数内部逻辑的情况下“动态增强函数功能”。本质上就是:
将一个函数作为参数传递给另一个函数,并返回一个新的函数。
这个增强功能和java的面向切面很像,不过java是通过cglib或者是jdk的动态代理来实现。
def logger(func):
def wrapper(*args, **kwargs):
print("调用函数:", func.__name__)
return func(*args, **kwargs)
return wrapper
@logger
def hello():
print("Hello World")
hello()
输出:
调用函数: hello
Hello World
@符号在python和java中表达的含义不同,见下表:
项目 | Python 装饰器 | Java 注解 |
语法 | @decorator | @Annotation |
实现原理 | 函数嵌套 + 闭包 | 注解 + 编译器/运行时解析 |
应用对象 | 函数、方法、类 | 类、方法、字段等 |
应用场景 | 动态增强函数行为 | 编译检查、依赖注入、配置驱动等 |
自定义方式 | 简单灵活,函数式风格 | 需定义注解类,结合反射或注解处理器 |
Python 装饰器更偏向于 动态行为增强,而 Java 注解是 元数据标记,两者语法相似但用途不同。
2.偏函数(Partial Function)
functools模块提供的功能,其作用就是把一个函数的某些参数给固定住(也就是设置默认值),返回一个新的函数,调用这个新函数会更简单。类似java中的重载,同样的方法固定一个默认值后再调用一次。
functools是系统内置的函数工具,非常强大,后续会拿模块使用专门写一篇文章,敬请关注。
from functools import partial
int2 = partial(int, base=2)
print(int2('1001')) # 输出 9
函数编程是比较难的,没有其他途径,多练练就好了。你我共勉。
相关推荐
- 拒绝躺平,如何使用AOP的环绕通知实现分布式锁
-
如何在分布式环境下,像用synchronized关键字那样使用分布式锁。比如开发一个注解,叫@DistributionLock,作用于一个方法函数上,每次调方法前加锁,调完之后自动释放锁。可以利用Sp...
- 「解锁新姿势」 兄dei,你代码需要优化了
-
前言在我们平常开发过程中,由于项目时间紧张,代码可以用就好,往往会忽视代码的质量问题。甚至有些复制粘贴过来,不加以整理规范。往往导致项目后期难以维护,更别说后续接手项目的人。所以啊,我们要编写出优雅的...
- 消息队列核心面试点讲解(消息队列面试题)
-
Rocketmq消息不丢失一、前言RocketMQ可以理解成一个特殊的存储系统,这个存储系统特殊之处数据是一般只会被使用一次,这种情况下,如何保证这个被消费一次的消息不丢失是非常重要的。本文将分析Ro...
- 秒杀系统—4.第二版升级优化的技术文档二
-
大纲7.秒杀系统的秒杀活动服务实现...
- SpringBoot JPA动态查询与Specification详解:从基础到高级实战
-
一、JPA动态查询概述1.1什么是动态查询动态查询是指根据运行时条件构建的查询,与静态查询(如@Query注解或命名查询)相对。在业务系统中,80%的查询需求都是动态的,例如电商系统中的商品筛选、订...
- Java常用工具类技术文档(java常用工具类技术文档有哪些)
-
一、概述Java工具类(UtilityClasses)是封装了通用功能的静态方法集合,能够简化代码、提高开发效率。本文整理Java原生及常用第三方库(如ApacheCommons、GoogleG...
- Guava 之Joiner 拼接字符串和Map(字符串拼接join的用法)
-
Guave是一个强大的的工具集合,今天给大家介绍一下,常用的拼接字符串的方法,当然JDK也有方便的拼接字符串的方式,本文主要介绍guava的,可以对比使用基本的拼接的话可以如下操作...
- SpringBoot怎么整合Redis,监听Key过期事件?
-
一、修改Redis配置文件1、在Redis的安装目录2、找到redis.windows.conf文件,搜索“notify-keyspace-events”...
- 如何使用Python将多个excel文件数据快速汇总?
-
在数据分析和处理的过程中,Excel文件是我们经常会遇到的数据格式之一。本文将通过一个具体的示例,展示如何使用Python和Pandas库来读取、合并和处理多个Excel文件的数据,并最终生成一个包含...
- 利用Pandas高效处理百万级数据集,速度提升10倍的秘密武器
-
处理大规模数据集,尤其是百万级别的数据量,对效率的要求非常高。使用Pandas时,可以通过一些策略和技巧显著提高数据处理的速度。以下是一些关键的方法,帮助你使用Pandas高效地处理大型数据集,从而实...
- Python进阶-Day 25: 数据分析基础
-
目标:掌握Pandas和NumPy的基本操作,学习如何分析CSV数据集并生成报告。课程内容...
- Pandas 入门教程 - 第五课: 高级数据操作
-
在前几节课中,我们学习了如何使用Pandas进行数据操作和可视化。在这一课中,我们将进一步探索一些高级的数据操作技巧,包括数据透视、分组聚合、时间序列处理以及高级索引和切片。高级索引和切片...
- 原来这才是Pandas!(原来这才是薯片真正的吃法)
-
听到一些人说,Pandas语法太乱、太杂了,根本记不住。...
- python(pandas + numpy)数据分析的基础
-
数据NaN值排查,统计,排序...
- 利用Python进行数据分组/数据透视表
-
1.数据分组源数据表如下所示:1.1分组键是列名分组键是列名时直接将某一列或多列的列名传给groupby()方法,groupby()方法就会按照这一列或多列进行分组。按照一列进行分组...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)