Python中OOP与FP是互补而非互斥的工具：类封装状态与生命周期，函数处理无状态数据流；混用关键在边界清晰，避免状态泄漏或逻辑缠绕。
直接说结论：Python里面向对象（OOP）和函数式编程（FP）不是非此即彼的选择，而是互补工具——类负责封装状态与生命周期，函数负责处理数据流；混用时关键在“边界清晰”，否则容易出现状态泄漏或逻辑缠绕。
什么时候该用类，什么时候该用纯函数
类适合管理有明确生命周期、内部状态会随时间变化的对象，比如 DatabaseConnection、WebSocketClient、OrderProcessor；纯函数适合做无状态转换，比如数据清洗、数值计算、格式转换。
- 用类：需要保存连接、缓存、计数器、配置上下文等可变状态
- 用纯函数：输入确定 → 输出确定，不读写全局变量、不修改入参、不调用
print()或time.sleep()等副作用操作 - 反例：
class DataTransformer里写一堆self.data = ...再链式调用方法，本质是用类包装了过程式代码，没发挥 OOP 优势，也破坏了 FP 的可测试性
map/filter/reduce 和类方法怎么共存不打架
别把 map() 直接塞进类的实例方法里当主干逻辑。更合理的做法是：类暴露干净的数据接口（如属性或只读方法），外部用函数式工具处理；或者类内部用函数式风格组织私有工具函数。
A Python CLI skill for Cutout.Pro visual APIs — background removal, face cutout, and photo enhancement. Supports file upload & image URL input.
下载
调用 Cutout.Pro 视觉处理 API 进行背景移除、人像抠图和照片增强，支持文件上传与图片 URL 输入。
- 推荐写法：
order.items返回不可变元组，再用sum(map(lambda x: x.price * x.qty, order.items)) - 避免写法：
order.calculate_total()内部手动 for 循环累加，还顺手改了self._cache - 注意
filter()返回迭代器，如果多次遍历需转成list()或用itertools.tee()，否则第二次调用为空 -
reduce()在 Python 中语义偏重，简单聚合优先用内置sum()、max()，更易读且性能更好
如何让类支持函数式组合（比如 pipe 风格）
Python 没有原生管道操作符，但可以通过返回新实例（而非修改自身）+ 方法链实现类似效果，前提是所有方法都是不可变的。
立即学习“Python免费学习笔记（深入）”；
- 必须返回新对象：
def with_discount(self, rate) -> Self:而不是self.discount_rate = rate - 配合
functools.partial或自定义高阶函数封装行为，例如：apply_validator = partial(validate, rules=STRICT_RULES) - 慎用
__call__模拟函数：虽然能让实例像函数一样调用，但模糊了“对象”和“行为”的界限，调试时容易迷失上下文 - 真实场景中，比强行链式调用更稳的做法是：用函数组合工具（如
toolz.compose）拼接多个纯函数，再把结果传给类构造器
最容易被忽略的一点：函数式强调“数据先行”，而 OOP 容易让人过早聚焦于“怎么封装”。实际写代码时，先问自己“这个逻辑是否依赖当前对象的状态？”，答案是否定的，就该抽成独立函数——哪怕它只被一个类用到。状态和行为的职责一旦错位，后续加日志、测单元、做并发，全都会变麻烦。
