Python中的函数式编程教程，学会用一行代码搞定所有内容

直播：近二十载从业老兵谈金融科技赋能的探索与实践

在本文中，您将了解什么是函数范型，以及如何在Python中使用函数式编程。在Python中，函数式编程中的map和filter可以做与列表相同的事情。这打破了Python的禅宗规则之一，因此函数式编程的这些部分不被认为是“Python式的”。但是由于函数式编程高阶编程​的必经之路，所以我们需要了解甚至熟练掌握​。​

命令范式和函数范式

我们先对比一下编程中的命令范式两个概念：

在命令式范式中，您通过给计算机一个任务序列来完成任务，然后它执行这些任务。在执行它们时，它可以改变状态。例如，假设你一开始把A设为5，然后你改变A的值，你有变量，在这个意义上，变量内部的值是变化的。

在函数范型中，你不告诉计算机要做什么，而是告诉它是什么。例如：一个数的最大公约数是多少，从1到n的乘积是多少，等等。因此，变量不能改变。一旦你设置了一个变量，它就会一直保持这种状态(注意，在纯函数语言中它们不被称为变量)。所谓"副作用"(side effect)，指的是函数内部与外部互动(最典型的情况，就是修改全局变量的值)，产生运算以外的其他结果。函数式编程强调没有"副作用"，意味着函数要保持独立，所有功能就是返回一个新的值，没有其他行为，尤其是不得修改外部变量的值。

让我们来看一个典型Python代码的例子：

a = 3  


def some_func():  


    global a  


    a = 5  

 
 

some_func()  

print(a) 

这段代码的输出是5。在函数范型中，改变变量是一个大禁忌，而让函数影响它们范围之外的东西也是一个大禁忌。函数唯一能做的就是计算并返回结果。

现在你可能会想:“没有变量，就没有副作用?”这有什么好处呢?”

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。因为函数没有副作用，如果你正在构建一个计算的程序，你可以加速这个程序。如果程序知道func(2)等于3，我们可以将其存储在一个表中。这可以防止程序在我们已经知道答案的情况下重复运行相同的函数。

Map

为了理解map，让我们首先看看什么是iterables。iterable是任何可以迭代的东西。通常这些是列表或数组，但是Python有许多不同类型的迭代器。您甚至可以创建自己的对象，这些对象可以使用Python中魔法方法进行迭代。这里有两个方法：

class Counter:  


    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  


        return self  

     
 

    def __next__(self):  


        # second magic method  


        if self.current > self.high:  


            raise StopIteration  


        else:  


            self.current += 1  

            return self.current - 1 

第一个神奇的方法是用“__ iter__”返回迭代对象，通常在循环开始时使用。

如果我们运行：

for c in Counter(3, 8):    print(c) 

那么将会输出：

345678 

在Python中，迭代器是一个对象，它只有一个简单的魔法方法。这意味着您可以访问对象中的位置，但不能遍历对象。有些对象将使用方法__next__，如上面代码中第二个例子。

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iterable中的每个项。通常，我们希望对列表中的每一项都应用一个函数，但是要知道对于大多数迭代器来说都是可能的。Map接受两个输入，即要应用的函数和可迭代的对象：

map(function, iterable) 

假设我们有一个列表：

[1, 2, 3, 4, 5] 

我们希望将列表中的每一个数字进行平方，那么可以这么写代码：

x = [1, 2, 3, 4, 5]  


def square(num):  


    return num*num  

 
 
print(list(map(square, x))) 

Python中的函数是惰性的。如果我们代码中不包含“list()”，函数将存储迭代的定义，而不是一个列表。我们需要显式地告诉Python“将这个转换为一个列表”，以便我们使用它。

现在写一个像“square(num)”这样的普通函数很好，但是它看起来不太对。我们必须定义一个完整的函数才能在map中使用一次?我们可以使用lambda(匿名)函数在map中定义一个函数。

lambda 表达式

lambda表达式是一个单行函数。举个例子，这个lambda表达式对给定的一个数字求平方：

square = lambda x: x * x 

运行程序：

>>> square(3) 
9 

告诉Python这是一个lambda函数，输入被称为x，冒号后面的内容就是你对输入的操作，它会自动返回结果。

现在我们可以将上面的程序简化：

x = [1, 2, 3, 4, 5] 
print(list(map(lambda num: num * num, x))) 

Reduce

Reduce是一个函数，它把一个可迭代的东西变成一个东西。通常，您在一个列表上执行计算以将其缩减为一个数字。Reduce是这样的:

reduce(function, list) 

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单独的数字相乘。要做到这一点，你可以：

product = 1x = [1, 2, 3, 4]for num in x:    productproduct = product * num 

但是使用reduce你可以这样写：

from functools import reduce 
product = reduce((lambda x, y: x * y),[1, 2, 3, 4]) 

Filter

filter函数接受一个iterable并过滤掉在该iterable中不需要的所有东西。

filter通常接受一个函数和一个列表。它将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。如果返回False，则从列表中删除该项目。

语法如下：

filter(function, list) 

让我们看看一个小例子，没有过滤器，我们会写：

x = range(-5, 5)  


new_list = []  

 
 

for num in x:  


    if num < 0:  

        new_list.append(num) 

有了过滤器，这就变成：

x = range(-5, 5)  

all_less_than_zero = list(filter(lambda num: num < 0, x)) 

高阶函数

高阶函数可以将函数作为参数并返回函数。一个非常简单的例子如下：

def summation(nums):  


    return sum(nums)  

 
 

def action(func, numbers):  


    return func(numbers)  

 
 
print(action(summation, [1, 2, 3])) 

partial application

部分应用程序(也称为闭包)有点奇怪，但是非常酷。您可以调用一个函数而不提供它需要的所有参数。我们来看一个例子。我们想要创建一个函数，它有两个参数，一个底数和一个指数，并返回底数的指数次方，就像这样：

def power(base, exponent):  return base ** exponent 

现在我们想要一个专门的平方函数，用幂函数求出一个数的平方：

def square(base):  return power(base, 2) 

这是可行的，但如果我们想要一个立方体函数呢?或者是函数的4次方?我们能一直写下去吗?嗯,你可以。但是程序员很懒。如果你一遍又一遍地重复同样的事情，这是一个信号，表明有一种更快的方法可以加快速度，让你不再重复。我们可以在这里使用部分应用程序。让我们看一个例子的平方函数使用部分应用程序：