所谓程序设计范式（Programming Paradigm），是指开发者在组织代码、拆解问题与管理复杂度时所采用的基本思想框架。它并非具体语法规则，而是一种关于“如何构建程序”的思维方式。
不同编程范式并非相互排斥，而是关注问题的不同侧面，强调不同的抽象重点。
Python 是一门典型的多范式编程语言，同时支持过程式、面向对象式与函数式三种主要编程范式。在实际工程中，这三种范式往往协同使用：以面向对象作为整体结构骨架，辅以过程式控制流程，并在数据处理环节引入函数式思想。
一、过程式编程
过程式编程（Procedural Programming）以“执行步骤”为核心思想，程序被组织为一系列过程或函数，函数之间通过参数与返回值传递数据，整体状态往往由外部变量维持。
该范式关注的是“如何完成任务”，强调明确的执行顺序和控制流程。
示例：
# 过程式编程示例：处理通讯录数据def load_contacts(filename): """从文件加载联系人数据""" contacts = [] with open(filename, 'r', encoding='utf-8') as f: for line in f: name, phone = line.strip().split(',') contacts.append({'name': name, 'phone': phone}) return contactsdef find_contact(contacts, name): """在联系人列表中查找""" for contact in contacts: if contact['name'] == name: return contact return Nonedef add_contact(contacts, name, phone): """添加联系人""" contacts.append({'name': name, 'phone': phone})# 使用方式：数据与操作分离all_contacts = load_contacts('contacts.txt')found = find_contact(all_contacts, '艾婉婷')
在这一模式下，数据结构与操作逻辑是分离的，程序员通过显式调用函数来推动程序执行。
过程式编程在问题规模较小时直观、高效，尤其适合脚本任务和线性流程。但随着系统复杂度上升，函数之间对共享状态的隐式依赖会逐渐削弱代码的可维护性与可扩展性。
延伸阅读：
《Python：过程式编程范式》
二、面向对象编程
面向对象编程（Object-Oriented Programming，OOP）以对象为中心，将数据（状态）与操作数据的行为封装在同一抽象单元中。对象对外暴露稳定接口，对内维护自身一致性，程序结构由此从“函数调用流程”转变为“对象之间的协作关系”。
该范式关注的是“谁负责什么”，强调职责划分与结构建模。
示例：
# 面向对象编程示例：定义通讯录中的联系人class Contact: """联系人类""" def __init__(self, name, phone): self.name = name self.phone = phone def display(self): """显示联系人信息""" return f"{self.name}: {self.phone}" def update_phone(self, new_phone): """更新电话号码""" self.phone = new_phone# 使用方式：数据和操作封装在一起contact = Contact('艾婉婷', '13800138000')print(contact.display())
在 OOP 中，对象既是数据的持有者，也是行为的执行者。
面向对象编程通常被概括为三大核心特性：
1、封装：隐藏内部实现细节，仅暴露必要接口
2、继承：通过类之间的层次关系实现代码复用与行为扩展
3、多态：不同对象对同一接口或方法调用作出不同响应
OOP 尤其适合复杂系统建模，是 Python 中构建中大型项目的核心范式。
延伸阅读：
《Python：面向对象编程范式》
三、函数式编程
函数式编程（Functional Programming）以数据变换为核心，强调纯函数与不可变数据，尽量减少或消除可变状态对程序行为的影响。程序通过函数组合、高阶函数和数据流变换来完成计算。
该范式关注的是“结果是什么”，而非执行步骤。
示例：
# 函数式编程示例：处理通讯录数据from typing import List, Dictdef format_contact(contact: Dict) -> str: """纯函数：无副作用""" return f"{contact['name']}: {contact['phone']}"def filter_by_prefix(contacts: List[Dict], prefix: str) -> List[Dict]: """高阶函数示例""" return list(filter(lambda c: c['name'].startswith(prefix), contacts))def add_contact_fp(contacts: List[Dict], name: str, phone: str) -> List[Dict]: """不可变数据操作：返回新列表""" return contacts + [{'name': name, 'phone': phone}]# 使用方式contacts = [{'name': '艾婉婷', 'phone': '13800138000'}]filtered = filter_by_prefix(contacts, '艾')formatted = list(map(format_contact, filtered))
Python 并非严格意义上的函数式语言，但其对函数作为一等对象、高阶函数、生成器与惰性计算的支持，使函数式思想在语言中占有重要位置。
延伸阅读：
《Python：函数式编程范式》
四、范式特征与编程哲学
三种编程范式的差异，不仅体现在代码结构上，更体现在思维方式上。
（1）过程式：以“流程”为中心
过程式编程强调执行顺序与操作步骤，程序员思考的是：先做什么，再做什么。
这种方式直观清晰，适合线性任务；但当流程交错、状态复杂时，系统耦合度容易迅速上升。
（2）函数式：以“数据流”为中心
函数式编程将程序视为一条数据处理管道，每一步都是对输入数据的映射：输入如何转换为输出？
不可变性与无副作用使其在并行计算、数据处理和推理型程序中尤为优势明显。
（3）面向对象：以“对象协作”为中心
OOP 将世界建模为一组相互协作的对象。
每个对象拥有明确职责，通过接口交互完成系统目标。
如果作比喻：
• 过程式像导演，指挥动作顺序
• 函数式像数学家，定义变换关系
• 面向对象像架构师，塑造角色与关系
在大型系统中，对象之间的协作关系构成了程序的长期稳定结构。
📘 小结
Python 的三大编程范式各具优势，也可以灵活融合使用。
🔹过程式：逻辑直观、易于实现，适合小型任务与脚本
🔹函数式：强调纯函数与不可变性，适合数据处理与并行计算
🔹面向对象式：通过对象建模复杂关系，适合长期维护的系统
成熟的 Python 程序往往不是单一范式的产物，而是多范式协同的结果。
理解不同范式背后的思维方式，是从“会写代码”迈向“会设计程序”的关键一步。
