10分钟学习函数式Python

2019-12-09

加入收藏

在这篇10分钟的文章中，您将学习Python中的函数式范型。您还将学习列表推导式。

函数式范式
Python的map函数是如何运行的
Python中的lambda表达式
Python中的reduce函数
filter函数
Python中的高阶函数
带有函数的部分应用
函数编程不是Python化
列表推导式
任何可迭代对象的推导式
结论

函数式范式

在命令式编程范式中，我们通过给计算机一个任务序列来执行任务，然后计算机会执行这些任务。在执行它们时，计算机可以改变状态。例如，我们设A = 5，然后改变A的值。因为我们的A是变量，所以它内部的值是变化的。

在函数式编程范式中，我们不告诉计算机去做什么，而是告诉它是什么东西。一个数的最大公约数是什么，等等。

变量不会变化。一旦我们设置了一个变量，它就会永远保持这种状态。因此，函数在函数式范型中没有副作用。副作用就是函数改变了它外部的东西。让我们来看一个例子:

输出是5。在函数式范型中，改变变量是一个很大的禁忌，而让函数影响它们范围之外的东西也是一个大大的禁忌。函数唯一能做的就是计算某些东西并返回它。

现在您可能会想“没有变量，就没有副作用?为什么这很好?”问得好，读这篇文章的古怪陌生人。

如果一个函数使用相同的参数被调用两次，那么它肯定会返回相同的结果。如果您学过数学函数，您就会喜欢这一点。我们称之为函数的引用透明性。由于函数没有副作用，如果我们构建一个计算程序，我们就可以加快该程序的速度。如果程序知道func(2)等于3，我们可以将其存储在一个表中。这将防止程序在我们已经知道答案的情况下去运行相同的函数。

通常，在函数式编程中，我们不使用循环，我们使用递归。递归是一个数学概念，它意味着“自食其力”。对于递归函数，该函数将自己作为一个子函数进行调用。下面是Python中递归函数的一个很好的例子:

一些编程语言也很懒。这意味着他们直到最后一秒才开始计算或做任何事情。如果我们编写一些代码来执行2 + 2，一个函数式程序只会在我们需要使用结果时才会计算这个结果。我们很快就会探讨Python中的惰性。

Python的map函数是如何运行的

为了理解映射，让我们首先看看什么是可迭代对象。一个可迭代对象是我们可以迭代的任何东西。这些是列表或数组，但是Python有许多不同的可迭代对象。我们甚至可以通过实现魔术方法来创建我们自己的可迭代对象。一个魔术方法就像一个API，它可以帮助我们的对象变得更Python化。要使一个对象成为一个可迭代对象，我们需要实现2个魔术方法:

第一个魔术方法是__iter__，或者叫特殊iter（双下划线）方法，它会返回迭代对象，我们通常在循环开始时使用它。特殊next方法，__next__，会返回下一个对象是什么。

让我们来看看这个:

这将输出：

在Python中，迭代器是一个对象，它只有一个简单的__iter__魔术方法。这意味着我们可以访问该对象中的位置，但不能遍历该对象。有些对象有魔术方法__next__，但没有__iter__魔术方法，如sets(将在本文后面讨论)。对于本文，我们将假设我们接触的所有东西都是一个可迭代的对象。

现在我们知道了什么是可迭代对象，让我们回到map函数。

map函数允许我们将一个函数应用到一个可迭代对象中的每个项。我们希望将一个函数应用到一个列表中的每个项，但是要知道这对大多数可迭代对象来说都是可行的。map的语法接受两个输入，即要应用的函数和可迭代的对象。

假设我们有一个像这样的数字列表:

我们相对每个数字进行平方，我们可以像这样写代码:

函数式Python是惰性的。如果我们不包含list()，函数将存储该可迭代对象的定义，而不是列表本身。我们需要告诉Python“把这个转换成一个列表”，以便我们使用它。

在Python中突然从非惰性求值变成惰性求值是很奇怪的。如果您更多地以函数式思维而不是命令式思维进行思考，您就会习惯它。

现在写一个像square(num)这样的普通函数就很好了，但是它看起来不够好。我们必须定义一个完整的函数才可以在一个映射中使用它吗?好吧，我们可以使用lambda(匿名)函数在map中定义一个函数。

Python中的lambda表达式

Lambda函数是一个只有一行代码的函数，适用于短期内使用。我们经常将它们随同高阶函数，如filter、map和reduce函数，一起使用。这个lambda表达式会对传给它的数字进行平方：

现在我们来运行这个函数：

我听到您在说：“Brandon，参数在哪里?这是什么鬼东西?它看起来一点也不像一个函数?”

嗯，这确实很令人困惑，但我可以解释它。我们将某个东西赋值给变量square。这部分:

告诉Python这是一个lambda函数，输入被称为x。冒号之后的任何东西都是我们对输入所执行的操作，它返回的就是这些操作的结果。

为了将我们的平方程序简化成一行，我们可以这样做:

在一个lambda表达式中，所有的参数都在左边，而我们要用它们做的事情都在右边。没人能否认，这有点乱。编写只有其他函数式程序员才能阅读的代码是一种乐趣。另外，将一个函数转换成一行程序是非常酷的事情。

Python中的reduce函数

reduce是一个函数，它将给定的函数应用于一个可迭代对象并返回一个东西。通常我们会在一个列表上进行计算，将其缩减至一个数字。Reduce看起来是这样的:

我们可以(通常也会)使用lambda表达式作为函数。

列表的乘积是每一个数字相乘。编写的程序是这样:

但是使用reduce我们可以这样写：

我们得到了相同的乘积。代码更短，并且具有函数式编程的知识，因此更简洁。

fileter函数

filter函数接受一个iterable并过滤掉我们不希望存在于该iterable中的所有东西。

filter接受一个函数和一个列表。它将该函数应用于列表中的每一项，如果该函数返回True，则不执行任何操作。如果该函数返回False，它会从该列表中删除该项。

语法如下:

让我们看一个小例子，没有filter，我们会这样写:

使用filter, 这就变成了：

Python中的高阶函数

高阶函数可以将函数作为参数并返回函数。一个例子是:

或者第二个定义，return functions，的一个简单例子是:

高阶函数使非变化变量更容易处理。如果我们所做的只是在一系列函数中传递数据，那么我们就不需要在任何地方存储变量。

Python中的所有函数都是一级对象。当一个对象具有以下特性中的一个或多个时，我们将其定义为一级对象：

在运行时被创建
可以被赋值给一个变量或一个数据结构中的元素
作为参数被传递给函数
作为函数的结果被返回

因此Python中的所有函数都是一级函数，可以作为高阶函数使用。

带函数的部分应用

部分应用(也称为闭包)很奇怪，但是也很酷。我们可以调用一个函数而不提供它需要的所有参数。我们来在一个例子中看一下这一点。我们想要创建一个函数，它接受两个参数，一个基数和一个指数，然后返回基数的指数次方，就像这样:

现在我们想要一个专用的平方函数，来使用power数求出一个数的平方:

这是可行的，但如果我们想要一个立方函数呢?或者一个4次方函数呢?我们能一直写下去吗?嗯,我们可以。但是程序员是很懒的。如果我们重复地做同一件事时，这是一个信号，表明有一种更快的方法来加快做这些事情的速度，那将允许我们不再重复地做这些事情。我们可以在这里使用部分应用。让我们看一个使用了一个部分应用的平方函数的例子：