首页
学习
活动
专区
工具
TVP
发布

10分钟快速入门Python函数式编程

作者 | Brandon Skerritt

译者 | 王天宇、琥珀

编辑 | 琥珀

出品 | AI科技大本营

本文,你会了解到什么是函数式编程,以及如何用 Python 进行函数式编程。你还会了解到列表解析和其他形式的解析。

▌编程式函数

在命令式编程中,你需要给计算机一系列任务,然后计算机会一一执行。在执行过程中,计算机可以改变其状态。举个例子,假设你将 A 的初始值设为 5,接下来你还可以改变 A 的值。在变量内部值变化的层面来讲,你可以掌控这些变量。

在函数式编程中,你无需告诉计算机去做什么,而是为它提供一些必要的信息。如什么是一个数字的最大公约数,1 到 n 的乘积是多少等等。

由于这样,变量就无法改变了。一旦你设置了一个变量,它就会永远保持初始状态(注意:在纯函数式语言中,它们不叫作变量)。因此在函数式编程中,函数不会产生“副作用”。“副作用”是指函数可能会修改外部变量的值。让我们通过一个典型的 Python 例子来看一下:

a =3

defsome_func():

globala

a =5

some_func()

print(a)

这段代码的输出结果是5。在函数式编程中,改变变量是大忌,而且让函数改变外部变量也是绝对禁止的。函数唯一能做的事是执行计算然后返回结果。

现在你可能在想:没有变量,就没有副作用吗?为什么这么做很管用?好问题,下面我们简单讲一下这个问题。

如果一个函数伴随着相同参数被调用两次,它一定会返回一样的结果。如果你对数学上的函数有所了解,你就会理解这里的意义,这被称作引用透明性。因为函数没有副作用,如果你创建了一个可以执行计算的程序,你就可以使该程序提升性能。如果程序知道 func(2) 等于 3,我们可以把这一信息存入表中。这么做可以防止在我们已经知道答案的情况下,程序依然反复运行同一函数。

一般来说,在函数式编程中,我们不使用循环。而是用递归。递归是一个数学概念,我们通常将其理解为“自己喂自己”。在一个递归函数中,函数将自己作为子函数反复调用。这里有一个易于理解的递归函数的 Python 例子:

deffactorial_recursive(n):

# Base case: 1! = 1

ifn ==1:

return1

# Recursive case: n! = n * (n-1)!

else:

returnn * factorial_recursive(n-1)

▌Map

若要理解 map,我们要先看看 iterable 是什么。iterable 指一类可以进行迭代的对象。通常来看,它们是列表或数组,但 Python 有许多不同类型的 iterable。你甚至可以创建自己的 iterable 对象,来执行各种魔术方法 (magic method)。魔术方法可以是一个 API,来使你的对象更加 Pythonic。你需要用两个魔术方法来使对象成为 iterable:

classCounter:

def__init__(self, low, high):

# set class attributes inside the magic method __init__

# for "inistalise"

self.current = low

self.high = high

def__iter__(self):

# first magic method to make this object iterable

returnself

def__next__(self):

# second magic method

ifself.current > self.high:

raiseStopIteration

else:

self.current +=1

returnself.current -1

第一个魔术方法 __iter__ ,或者说 "dunder"(指以双下划线 “__” 作为名字开头和结尾的方法),返回了迭代对象,这常常也被当做循环的开端。dunder 方法接下来会返回下一个对象。

让我们快速查看一下终端会话的结果:

forcinCounter(3,8):

print(c)

输出结果为:

3

4

5

6

7

8

在 Python 中,迭代器指只包含一个魔术方法 __iter__ 的对象。这意味着你可以访问该对象的任何部分,但不能对其循环访问。有些对象包含魔术方法 __next__,以及除了 __iter__ 以外的魔术方法,如 sets(下文会进行详细讨论)。在本文中,假定我们涉及的所有东西都是可迭代的对象。

那么现在我们知道了什么是可迭代对象,再回头看一下 map 函数。map 函数可以让我们在同一个 iterable 对象中,把函数作用在每一个元素上。我们通常将函数作用于列表中的每个元素,但这对大多数 iterable 对象也是可行的。Map 需要两个输入,分别是要执行的函数和 iterable 对象。

map(function, iterable)

假设我们有一个如下的数字列表:

[1,2,3,4,5]

然后计算每个数字的平方,我们可以写下面一段代码:

x = [1,2,3,4,5]

defsquare(num):

returnnum*num

print(list(map(square, x)))

Python 中的函数式函数也有“懒”的特性。如果我们不引入 "list()",那函数就会存取 iterable 对象,而不是存取列表本身。我们需要明确告诉 Python 程序 “将其转换成列表” ,从而供我们使用。

听起来可能有点奇怪,我们对 Python 的评价从 “一点也不懒” 突然转变到 “懒”。如果你对函数式编程的感悟胜过指令式编程,最终你会习惯这种转变的。

现在我们可以很容易写出一个像 "square(num)" 这样的函数了,但看起来不太合适。我们有必要定义一个函数仅仅为了在 map 中调用它一次吗?好吧,我们可以基于 lambda 在 map 中定义一个函数。

▌Lambda表达式

lambda 表达式是一个单行的函数。以一个计算数字平方的 lambda 表达式为例:

square =lambdax: x * x

现在执行这行代码:

>>> square(3)

9

我已经听见你在问了,参数在哪?这到底是怎么回事?它看起来并不像个函数?

这可能有点让人困扰,但可以解释得清楚。首先我们给变量 "square"赋一个值,例如:

我们告诉 Python 这是一个 lambda 函数,且输入值为 x。冒号后面的部分代表对输入要做的事情,然后它就会返回得到的结果。

我们可以将该计算平方值的程序简化成一行:

由此可见,在一个 lambda 表达式中,所有参数都在左边,你想要对其执行的指令都在右边。不得不承认这样看起来有点杂乱。实际上这是一种很受欢迎的编程方式,只有其他的函数式程序员可以读懂代码。同时,把一个函数转化成单行表达式真的很酷。

▌Reduce

Reduce 是将 iterable 转换成一个结果的函数。通常用作来对一个列表进行计算,将其缩减为一个数字。如下:

我们可以将 lambda 表达式用作函数,事实上我们通常也是这么做的。

一个列表的乘积为每个单独的数字相乘在一起的结果。你可以通过如下程序实现:

但基于 reduce 你可以将上面程序写作:

得到的乘积结果是一样的。基于对函数式编程的理解,代码量减小了,代码也变得更简洁。

▌Filter

filter 函数用于传入一个 iterable,并过滤掉这个 iterable 中所有你不想要的序列。

通常,filter 函数传入一个函数和一个列表。将该函数作用在列表中的任意一个元素上,如果该函数返回 True,不做任何事情。如果返回 False,将该元素从列表中删除。

语法如下:

案例:(不使用 filter)

(使用 filter)

▌高阶函数

高阶函数可以将函数作为参数传入并返回,如下:

再比如:

你之前知道我提到的纯函数式编程语言没有变量是怎么说的吗?高阶序列函数能让这件事变得更为简单。你不需要储存一个变量,如果你就是为了将数据通过函数的管道进行传递。

Python 中的所有函数都是一等对象。一等对象具有以下一种或多种特征:

运行时创建

将变量或元素赋值在一个数据结构中

作为一个参数传递给一个函数

作为函数结果返回

因此,Python 中的所有函数都是第一类且可以作为高阶函数使用。

▌偏函数应用

偏函数应用(又叫闭包)有点难理解,但超级酷。你可以调用一个函数而无需提供它所需要的全部参数。先来看看这个例子:我们想创建一个函数,传入的两个参数分别是 base 和 exponet,然后返回 base 的 exponent 次方。如下:

现在,我们想要一个专用的平方函数,使用 power 函数得到一个数字的平方。如下:

这个方式可以,但如果我们想要一个三次方函数呢?或者是四次方?我们能一直这样写吗?当然,你是可以的。但程序员可没那么勤快。如果你一遍又一遍地重复做一件事,那么你就需要用一种更高效率的方式做事,无需重复。因此,我们采用了闭包的方法。以下是一个采用闭包的平方函数的例子:

这样是不是很酷!通过告诉 Python 第二个参数是什么,我们只用一个参数就能调用需要两个参数的函数。

我们还能用一个 loop,产生一个乘方函数以实现从三次方到 1000 次方的计算:

▌有时,函数式编程无法与Python相匹配

你可能已经注意到了,我们想要在函数式编程中完成的事情都会列表相关。除了 reduce 函数和偏函数应用外,所有你看到的函数都会产生列表。Python 之父 Guido 不喜欢 Python 当中的函数式编程部分,因为 Python 已经产生自己列表的方式。

如果你在 Python 的命令执行环境中输入「import this」,你会得到如下提示:

这就是 Python 的精妙所在。在 Python 环境中,map&filter 可以实现列表解析式同样的事情。这个打破了 Python 的一条规则,于是这部分的函数式编程看起来不那么 Pythonic了。

另一个需要讨论的是 lambda。在 Python 中,一个 lambda 函数是一个常函数。Lambda 实际上是一个语法糖,因此二者是等价的:

理论上,一个常函数可以实现一个 lambda 函数能实现的任何事情,但反过来却不行——一个 lambda 函数无法实现一个常函数所能做的所有事情。这也是为什么大家会有争论函数式编程不能很好地与整个 Python 生态系统匹配。

▌列表解析式

列表解析式是 Python 产生列表的一种方式,语法如下:

然后将列表中的所有数字进行平方:

这样,可以看到如何将一个函数作用于列表中的每一个元素。如果利用 filter 呢?请先看下此前出现过的代码:

然后将其转换成列表解析式:

列表解析式支持这样的 if 表达式。你不需要通过上百万个函数最终得到你想要的。

那么如果想要将列表中的所有数字进行平方呢?采用 lambda、map 、 filter 你会这么写:

这样看起来相当冗长且复杂。如果用列表解析式只需要这样:

▌其他解析式

你可以创建任何一个 iterable 的解析式。

通过解析式可产生任何一个 iterable。从 Python 2.7 开始,你甚至可以创作出一本字典了。

如果这是一个 iterable,那么就能实现。我们最后来看一个关于集合(sets)的例子。

集合是元素列表,且没有重复出现两次的元素。

集合的排序无关紧要。

你可能会注意到集合具有和字典中一样的花括号。这就在于 Python 的智能性,它会根据你是否提供了额外的值以判断你写的是dictionary comprehension 还是 set comprehension。

▌总结

函数式编程是优雅而简洁的。函数式代码可以非常简洁,但也可以非常凌乱。一些 Python 程序员不喜欢用 Python 函数式解析。因此,你应该用你想用的,用最好的工具完成任务。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180827A1E0Y900?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券