2018-11-15 09:43:21 +08:00
|
|
|
|
使用 Python 的 toolz 库开始函数式编程
|
2018-10-26 00:05:31 +08:00
|
|
|
|
======
|
|
|
|
|
|
2018-11-15 09:43:21 +08:00
|
|
|
|
> toolz 库允许你操作函数,使其更容易理解,更容易测试代码。
|
2018-10-26 00:05:31 +08:00
|
|
|
|
|
|
|
|
|
![](https://opensource.com/sites/default/files/styles/image-full-size/public/lead-images/programming-code-keyboard-laptop-music-headphones.png?itok=EQZ2WKzy)
|
|
|
|
|
|
|
|
|
|
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。
|
|
|
|
|
|
2018-11-15 09:43:21 +08:00
|
|
|
|
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)
|
|
|
|
|
```
|
2018-10-26 00:05:31 +08:00
|
|
|
|
|
|
|
|
|
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)
|
|
|
|
|
```
|
|
|
|
|
|
2018-11-15 09:43:21 +08:00
|
|
|
|
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; 因为这个顺序是错误的。
|
2018-10-26 00:05:31 +08:00
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
add_all_words_flipped = flip(add_all_words)
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
`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。
|
|
|
|
|
|
2018-11-15 09:43:21 +08:00
|
|
|
|
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 文件是按行供流的。
|
2018-10-26 00:05:31 +08:00
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
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)
|
|
|
|
|
```
|
|
|
|
|
|
2018-11-15 09:43:21 +08:00
|
|
|
|
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。 但是文字上读起来似乎与代码执行相反。
|
2018-10-26 00:05:31 +08:00
|
|
|
|
|
2018-11-15 09:43:21 +08:00
|
|
|
|
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。
|
2018-10-26 00:05:31 +08:00
|
|
|
|
|
|
|
|
|
`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)
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
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
|
|
|
|
|
```
|
|
|
|
|
|
2018-11-15 09:43:21 +08:00
|
|
|
|
`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。
|
2018-10-26 00:05:31 +08:00
|
|
|
|
|
|
|
|
|
--------------------------------------------------------------------------------
|
|
|
|
|
|
|
|
|
|
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)
|
2018-11-15 09:43:21 +08:00
|
|
|
|
校对:[wxy](https://github.com/wxy)
|
2018-10-26 00:05:31 +08:00
|
|
|
|
|
|
|
|
|
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
|
2018-11-15 09:43:21 +08:00
|
|
|
|
[1]: https://linux.cn/article-10222-1.html
|