Kotlin函数式编程(二) 高阶函数

在上一节中,我们提到了高阶函数的定义:高阶函数是一个接受其他函数作为参数,或是返回其他函数的函数。Kotlin标准库中的集合类,包括Java8的Stream api,都提供了用于操作数据结构的高阶函数,如map,filter等。在讲解这些集合操作之前,让我们先来了解一下高阶函数。
首先是一个非常简单的高阶函数——always:

fun <A> always(a: A): (Any?) -> A = { a }

其中,返回值类型(Any?) -> A表明返回值是一个函数,这个函数接受可空的Any类型的参数,返回一个A类型的值。always返回一个Lambda,而这个Lambda的返回值恒为a(因为Lambda的参数没有作用,所有这里参数列表和“->”被省略了)。
always可以帮我们构建一些简单的函数,如:alwaysTrue:

val alwaysTrue = always(true)

fun main(args: Array<String>) {
    alwaysTrue(false).log() // Log true
}

不管传递什么参数给alwaysTrue,都将返回true。
类似于alwaysTrue这样,用于判断一个表达式真伪的函数,我们称之为断言。断言是一个十分常见的函数类型,我们可以为它创建一个类型别名:

typealias Pred<T> = (T) -> Boolean

我们可以编写更多实用的断言函数,比如isEquals:

fun <A> isEquals(right: A): Pred<A> = { it == right }

isEquals可以这么使用:

fun main(args: Array<String>) {
    isEquals(1)(1).log() // Log true
    isEquals(1)(0).log() // Log false
}

利用isEquals,我们可以筛选一个列表中的某个特定值:

fun main(args: Array<String>) {
    val list = listOf(1, 1, 2, 1, 3, 5, 1)
    list.filter(isEquals(1)).log() // Log [1, 1, 1, 1]
    // 也可以使用Lambda:
    list.filter { it == 1 }.log()
}

如果要筛选所有不等于1的元素怎么办呢?我们可以编写一个not函数,用来反转一个断言的结果:

fun <A> not(pred: Pred<A>): Pred<A> = { !pred(it) }

fun main(args: Array<String>) {
    val list = listOf(1, 1, 2, 1, 3, 5, 1)
    list.filter(not(isEquals(1))).log() // Log [2, 3, 5]
}

not(isEquals(1))这样函数嵌套的写法看起来有点丑,我们可以利用Kotlin提供的运算符重载功能:

operator fun <A> Pred<A>.not(): Pred<A> = { !this(it) }

fun main(args: Array<String>) {
    val list = listOf(1, 1, 2, 1, 3, 5, 1)
    list.filter(!isEquals(1)).log() // Log [2, 3, 5]
}

看起来清爽多了。
我们可以像结合布尔值一样,使用“与”或“或”结合多个断言:

infix fun <A> Pred<A>.and(other: Pred<A>): Pred<A> =
        { this(it) and other(it) }

infix fun <A> Pred<A>.or(other: Pred<A>): Pred<A> = 
        { this(it) or other(it) }

利用断言,我们可以实现简单的流程控制:

fun <A, B> doIf(pred: Pred<A>, action: (A) -> B): (A) -> B? =
        { if (pred(it)) action(it) else null }

fun main(args: Array<String>) {
    val action = doIf(isEquals(1)){ it.log() }
    action(1) // Log 1
    action(2) // Log Nothing
}

doIf返回的函数可能返回空值,不能很好的和forEach等方法配合,我们可以编写setDefault函数进行适配:

fun <A, B> ((A) -> B?).setDefault(value: B): (A) -> B =
        { this(it) ?: value }

fun main(args: Array<String>) {
    val action = doIf(isEquals(1)){ it.log() }
    listOf(1, 1, 2, 3, 4, 5, 1).forEach(action.setDefault(Unit))
    // Log 1 1 1
}

?:表示,如果表达式的值是null,则返回?:右边的值,否则返回左边的值。
如果我们想实现类似Java中switch的功能怎么办呢?dispatch(分派)可以实现这一点:

fun <A, B : Any> dispatch(vararg fs: (A) -> B?): (A) -> B? =
        { a -> fs.asSequence().mapNotNull{ it(a) }.firstOrNull() }

fun main(args: Array<String>) {
    val action = dispatch(
            doIf(isEquals(1)){ "One" },
            doIf(isEquals(2)){ "Two" },
            doIf(alwaysTrue){ "Other" }
    )
    listOf(1, 1, 2, 3, 4, 5, 1).map(action).log()
    // Log [One, One, Two, Other, Other, Other, One]
}

dispatch函数的实现较为复杂。简单的说,dispatch接受一组函数作为参数(vararg关键字表明一个函数可以接受任意数量的参数),dispatch生成的函数会对其参数依次调用函数列表中的每一个函数,当返回值不为null时就直接将其返回,否则调用下一个函数。为了便于理解,我们来看看等效的过程式代码:

fun <A, B : Any> dispatch(vararg fs: (A) -> B?): (A) -> B? {
    fun action(a: A): B? {
        for (f in fs) {
            val r = f(a)
            if (r != null) return r
        }
        return null
    }
    return ::action
}

*关于sequence及其方法我们会在下一节集合操作中详细介绍。
组合dispatch,doIf,断言,setDefault能够封装十分复杂的逻辑,这正是函数式编程简洁和灵活性的体现。像action这样通过其他函数组合而成的函数我们称它为组合子,而无法通过其他函数组合的函数则称为原语

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用数据和算法让计算机系统具备学习能力,从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像中的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生成自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像数据进行疾病诊断,或者利用机器学习算法分析基因数据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通数据优化交通流量,或者利用机器学习算法分析传感器数据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价值,并且正在改变我们的生活和工作方式。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值