mirror of
https://github.com/LCTT/TranslateProject.git
synced 2024-12-26 21:30:55 +08:00
98 lines
4.4 KiB
Markdown
98 lines
4.4 KiB
Markdown
|
使用Python的toolz库开始函数式编程
|
|||
|
|
======
|
|||
|
|
|
|||
|
|
toolz库允许你操作函数，使其更容易理解，更容易测试代码。
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
在这个由两部分组成的系列文章的第二部分中，我们将继续探索如何将函数式编程方法中的好想法引入到 Python中，以实现两全其美。
|
|||
|
|
|
|||
|
|
在上一篇文章中，我们介绍了[不可变数据结构][1]。 这些数据结构使得我们可以编写“纯”函数，或者说是没有副作用的函数，仅仅接受一些参数并返回结果，同时保持良好的性能。
|
|||
|
|
|
|||
|
|
在这篇文章中，我们使用 toolz 库来构建。 这个库具有操作此类函数的函数，并且它们在纯函数中表现得特别好。 在函数式编程世界中，它们通常被称为“高阶函数”，因为它们将函数作为参数，将函数作为结果返回。
|
|||
|
|
|
|||
|
|
让我们从这里开始：
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
def add_one_word(words, word):
|
|||
|
|
return words.set(words.get(word, 0) + 1)
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
这个函数假设它的第一个参数是一个不可变的类似字典的对象，它返回一个新的类似字典的在相关位置递增的对象：这就是一个简单的频率计数器。
|
|||
|
|
|
|||
|
|
但是，只有将它应用于单词流并做归纳时才有用。 我们可以使用内置模块 `functools` 中的归纳器。 `functools.reduce(function, stream, initializer)`
|
|||
|
|
|
|||
|
|
我们想要一个函数，应用于流，并且能能返回频率计数。
|
|||
|
|
|
|||
|
|
我们首先使用 `toolz.curry` 函数：
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
add_all_words = curry(functools.reduce, add_one_word)
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
使用此版本，我们需要提供初始化程序。 但是，我们不能只将 `pyrsistent.m` 函数添加到 `curry` 函数中中； 因为这个顺序是错误的。
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
add_all_words_flipped = flip(add_all_words)
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
The `flip` higher-level function returns a function that calls the original, with arguments flipped.
|
|||
|
|
|
|||
|
|
`flip` 这个高阶函数返回一个调用原始函数的函数，并且翻转参数顺序。
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
get_all_words = add_all_words_flipped(pyrsistent.m())
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
我们利用 `flip` 自动调整其参数的特性给它一个初始值：一个空字典。
|
|||
|
|
|
|||
|
|
现在我们可以执行 `get_all_words(word_stream)` 这个函数来获取频率字典。 但是，我们如何获得一个单词流呢？ Python文件是行流的。
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
def to_words(lines):
|
|||
|
|
for line in lines:
|
|||
|
|
yield from line.split()
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
在单独测试每个函数后，我们可以将它们组合在一起：
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
words_from_file = toolz.compose(get_all_words, to_words)
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
在这种情况下，组合只是使两个函数很容易阅读：首先将文件的行流应用于 `to_words`，然后将 `get_all_words` 应用于 `to_words` 的结果。 散文似乎与代码相反。
|
|||
|
|
|
|||
|
|
当我们开始认真对待可组合性时，这很重要。 有时可以将代码编写为一个单元序列，单独测试每个单元，最后将它们全部组合。 如果有几个组合元素时，组合的顺序可能就很难理解。
|
|||
|
|
|
|||
|
|
`toolz` 库借用了 Unix 命令行的做法，并使用 `pipe` 作为执行相同操作的函数，但顺序相反。
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
words_from_file = toolz.pipe(to_words, get_all_words)
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
Now it reads more intuitively: Pipe the input into `to_words`, and pipe the results into `get_all_words`. On a command line, the equivalent would look like this:
|
|||
|
|
|
|||
|
|
现在读起来更直观了：将输入传递到 `to_words`，并将结果传递给 `get_all_words`。 在命令行上，等效写法如下所示：
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
$ cat files | to_words | get_all_words
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
The `toolz` library allows us to manipulate functions, slicing, dicing, and composing them to make our code easier to understand and to test.
|
|||
|
|
|
|||
|
|
`toolz` 库允许我们操作函数，切片，分割和组合，以使我们的代码更容易理解和测试。
|
|||
|
|
|
|||
|
|
--------------------------------------------------------------------------------
|
|||
|
|
|
|||
|
|
via: https://opensource.com/article/18/10/functional-programming-python-toolz
|
|||
|
|
|
|||
|
|
作者：[Moshe Zadka][a]
|
|||
|
|
选题：[lujun9972][b]
|
|||
|
|
译者：[Flowsnow](https://github.com/Flowsnow)
|
|||
|
|
校对：[校对者ID](https://github.com/校对者ID)
|
|||
|
|
|
|||
|
|
本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出
|
|||
|
|
|
|||
|
|
[a]: https://opensource.com/users/moshez
|
|||
|
|
[b]: https://github.com/lujun9972
|
|||
|
|
[1]: https://opensource.com/article/18/10/functional-programming-python-immutable-data-structures
|