python中使用函数编程的意义_进一步理解Python中的函数编程

最新推荐文章于 2022-05-12 11:42:56 发布

前端猿妹

最新推荐文章于 2022-05-12 11:42:56 发布

阅读量472

点赞数

文章标签： python中使用函数编程的意义

本文链接：https://blog.csdn.net/weixin_33507838/article/details/114410797

版权

>>> pr =

lambda

s:s

>>> namenum =

lambda

x: (x==1

and

pr(

"one")) \

....

(x==2

and

pr(

"two")) \

....

(pr(

"other"))

>>> namenum(1)

'one'

>>> namenum(2)

'two'

>>> namenum(3)

'other'

函数作为第一类对象

上面的示例已经显示出函数在 Python 中所处的第一类的地位，但以很微妙的方式。在使用 lambda 操作创建函数对象时，我们有一些完全常规的事物。正是因为这样，我们可以将对象与名称 "pr" 和 "namenum" 绑定，使用的方法和将数字 23 或字符串 "spam" 与这些名称绑定的方法完全相同。但正如我们可以使用数字 23 而无需将它与任何名称绑定一样(换句话说，象函数自变量一样)，我们可以使用用 lambda 创建的函数对象而不用将它与任何名称绑定。一个函数只是我们在 Python 中对其执行某些操作的另一个值。

我们对第一类对象所执行的主要操作是将它们传递给 FP 内置函数 map() 、 reduce() 和 filter() 。这些函数中的每一个都接受函数对象作为其第一个自变量。

map() 对指定列表中每个对应的项执行传递的函数，并返回结果列表。

reduce() 对每个后续项执行传递的函数，返回的是最终结果的内部累加；例如 reduce(lambda n,m:n*m, range(1,10)) 意味着“10 的阶乘”(换句话说，用每一项乘上前一次相乘的乘积)。

filter() 使用传递的函数对列表中的每一项“求值”，然后返回经过甄别的，通过了传递函数测试的项的列表。

我们还经常将函数对象传递给自己的定制函数，但它们通常等同于上述内置函数的组合。

通过将这三种 FP 内置函数进行组合，可以执行惊人的一系列“流”操作(都不使用语句，而只使用表达式)。

Python 中的函数循环

替换循环与替换条件块一样简单。 for 可以直接转换成 map() 。对于我们的条件执行，我们需要将语句块简化成单一函数调用(我们正逐步接近通常的做法)：

清单 3. Python 中的函数 'for' 循环

for

lst: func(e)

# statement-based loop

map(func,lst)

# map()-based loop

另外，对于连续程序流的函数方法有类似的技术。即，命令编程通常包含接近于“做这样，然后做那样，然后做其它事。”这样的语句。 map() 让我们正好做到这一点：

清单 4. Python 中的函数连续操作

# let's create an execution utility function

do_it =

lambda

f: f()

# let f1, f2, f3 (etc) be functions that perform actions

map(do_it, [f1,f2,f3])

# map()-based action sequence

通常，我们的整个 main 程序可以是 map() 表达式和一系列完成程序所需要执行的函数。第一类函数的另一个方便的特性就是可以将它们放在一个列表中。

while 的转换稍微复杂了一些，但仍然可以直接进行：

清单 5. Python 中的函数 'while' 循环

# statement-based while loop

while

break

else

# FP-style recursive while loopp

defwhile_block

():

return

else

return

while_FP =

lambda

: (and

while_block())

while_FP()

while 的转换仍需要 while_block() 函数，它本身包含语句而不仅仅是表达式。但我们需要对该函数做进一步的消除(例如对模板中的 if/else 进行短路)。另外，因为循环主体(按设计)无法更改任何变量值，所以很难用在一般的测试中，例如 while myvar==7 (那么，将在 while_block() 中修改全部内容)。添加更有用条件的一个方法是让 while_block() 返回一个更有趣的值，然后将这个返回值与终止条件进行比较。有必要看一下这些消除语句的具体示例：

清单 6. Python 中的函数 'echo' 循环

# imperative version of "echo()"

defecho_IMP

():

while

x = raw_input(

"IMP -- ")

x ==

'quit':

break

else

echo_IMP()

# utility function for "identity with side-effect"

defmonadic_print

(x):

return

# FP version of "echo()"

echo_FP =

lambda

: monadic_print(raw_input(

"FP -- "))==

'quit'

echo_FP()

我们所完成的是设法将涉及 I/O、循环和条件语句的小程序表示成一个带有递归的纯表达式(实际上，如果需要，可以表示成能传递到任何其它地方的函数对象)。我们的确仍然利用了实用程序函数 monadic_print() ，但这个函数是完全一般性的，可以在我们以后创建的每个函数程序表达式中重用(它是一次性成本)。请注意，任何包含 monadic_print(x) 的表达式所求值的结果都是相同的，就象它只包含 x 一样。FP(特别是 Haskell)对于“不执行任何操作，在进程中有副作用”的函数具有“单一体”意思。

消除副作用

在除去完美的、有意义的语句不用而代之以晦涩的、嵌套的表达式的工作后，一个很自然的问题是：“为什么？！”我对 FP 的所有描述都是使用 Python 做到的。但最重要的特性 -- 可能也是具体情况中最有用的特性 -- 是它消除了副作用(或者至少对一些特殊领域，例如单一体，有一些牵制作用)。绝大部分程序错误 -- 和促使程序员求助于调试来解决的问题 -- 之所以会发生，是因为在程序执行过程期间，变量包含了意外的值。函数程序只不过根本就不为变量分配值，从而避免了这一特殊问题。

让我们看一段相当普通的命令代码。它的目的是打印出乘积大于 25 的几对数字的列表。组成各对的数字本身是从另外两个列表中挑选出的。这种操作与程序员在他们程序段中实际执行的操作差不多。实现这一目的的命令方法如下：

清单 7. “打印大乘积”的命令 Python 代码

# Nested loop procedural style for finding big products

xs = (1,2,3,4)

ys = (10,15,3,22)

bigmuls = []

# ...more stuff...

for

xs:

for

ys:

# ...more stuff...

x*y > 25:

bigmuls.append((x,y))

# ...more stuff...

bigmuls

这个项目太小，以至于没有什么可能出错。但我们的目的可能嵌在要同时实现许多其它目的的代码中。用 "more stuff" 注释的那些部分是副作用可能导致错误发生的地方。在这些地方中的任何一处，变量 xs 、 ys 、 bigmuls 、 x 、 y 有可能获得假设节略代码中的意外值。而且，在执行完这一段代码后，所有变量都可能具有稍后代码可能需要也可能不需要的一些值。很明显，可以使用函数／实例形式的封装和有关作用域的考虑来防止出现这种类型的错误。而且，您总是可以在执行完变量后 del 它们。但在实际中，这些指出类型的错误非常普遍。

目标的函数方法完全消除了这些副作用错误。以下是可能的一段代码：

清单 8. “打印大乘积”的函数 Python 代码

bigmuls =

lambda

xs,ys: filter(

lambda

(x,y):x*y > 25, combine(xs,ys))

combine =

lambda

xs,ys: map(None, xs*len(ys), dupelms(ys,len(xs)))

dupelms =

lambda

lst,n: reduce(

lambda

s,t:s+t, map(

lambda

l,n=n: [l]*n, lst))

bigmuls((1,2,3,4),(10,15,3,22))

在示例中，我们将匿名 ( lambda ) 函数对象与名称进行绑定，但这不是一定必要的。我们可以只嵌套定义。这样做是出于可读性目的；但也是因为 combine() 是一种随处可得的很好实用程序函数(从两个输入列表中产生所有元素对的列表)。随后的 dupelms() 主要只是帮助 combine() 发挥作用的一种方法。即使这一函数示例比命令示例更冗长，但一旦考虑到实用程序函数可以重用，那么 bigmuls() 中的新代码本身可能比命令版本中的代码数量还要少一些。

这种函数示例真正的优势在于绝对不会有变量更改其中的任何值。稍后的代码中没有可能的不曾预料到的副作用(较早的代码中也不会有)。很明显，它本身没有副作用并不能保证代码正确，但即使这样，这也是个优点。不过请注意，Python(与许多函数语言不同) 不能防止名称 bigmuls 、 combine 和 dupelms 的重新绑定。如果 combine() 在程序的稍后部分中开始有其它意义，则所有努力都前功尽弃。您可以逐步建立一个 Singleton 类来包含这种类型的不可变绑定(例如 s.bigmuls 等)；但本专栏并不涉及这一内容。

特别值得注意的一个问题是我们的特定目的是对 Python 2 中的新特性进行定制。最好的(也是函数的)技术既不是上面提供的命令示例，也不是函数实例，而是：

清单 9. "bigmuls" 的列表内涵 Python 代码

[(x,y)

for

(1,2,3,4)

for

(10,15,3,22)

x*y > 25]

结束语

我已介绍了使用函数等价物替换每个 Python 流控制构造所使用的方法(在过程中消除了副作用)。对特定程序进行有效转换将带来一些额外的考虑，但我们已经知道内置函数是常规而完整的。在稍后的专栏中，我们将考虑一些更高级的函数编程技术；希望能够探索函数风格的更多利弊。

本文原创发布php中文网，转载请注明出处，感谢您的尊重！