Python函数式编程,从入门到⎡放弃⎦
很早以前就听说过了函数式编程,印象中是一种很晦涩难懂的编程模式,但却一直没有去进行了解。
恰好这周组内的周会轮到我主持,一时也没想到要分享什么。灵光一闪,就选定函数式编程这个主题吧,反正组里的同事都没有学过,只需要讲解入门方面的知识就好,也正好可以借这个机会逼迫自己去学习下这种新的编程方式。
经过初步了解,发现支持函数式编程的语言挺多的,除了像Lisp、Scheme、Haskell、Erlang这样专用的函数式编程语言,我们常用的好多通用型编程语言(如Java、Python、Ruby、Javascript等)都支持函数式编程模式。考虑了下实际情况,最终还是选择Python作为函数式编程的入门语言,因为组内同事都熟悉Python,以此作为切入点不会产生太大困难。
经过查询资料和初步学习,对函数式编程有了些概念,经过整理,便形成了分享PPT。
以下便是这次分享的内容。
目标
通常,我们在新学习一门技术或者编程语言的时候,通常都会先从相关概念和特性入手。对于新接触函数式编程的人来说,可能会想知道如下几点:
什么是函数式编程?
函数式编程的特点?
函数式编程的用途?
函数式编程相比于命令式编程和面向对象编程的优缺点?
但是我这次分享却没有按照这个思路,因为我感觉在一开始就向听众灌输太多概念性的东西,反倒会让听众感到迷糊。因为经过查询资料发现,对于什么是函数化编程,很难能有一个协调一致的定义。而且由于我也是新接触,自身的理解可能会存在较大的偏差。
因此,我决定分享内容尽量从大家熟悉的命令式编程切入,通过大量实例来向听众展现函数式编程思维方式的不同之处。在这之后,再回过头看这几个问题,相信听众应该都会有更深刻的理解。
考虑到实际情况,本次分享希望能达成的目标是:
了解函数式编程与命令式编程的主要区别
掌握Python语言函数式编程的基本函数和算子
会将简单的命令式编程语句转换为函数式编程
命令式编程 & 函数式编程
首先从大家熟悉的命令式编程开始,我们先回顾下平时在写代码时主要的情景。
其实,不管我们的业务代码有多复杂,都离不开以下几类操作:
函数定义:def
条件控制:if, elif, else
循环控制:for, break, continue, while
当然,这只是部分操作类型,除此之外还应该有类和模块、异常处理等等。但考虑到是入门,我们就先只关注上面这三种最常见的操作。
对应地,函数式编程也有自己的关键字。在Python语言中,用于函数式编程的主要由3个基本函数和1个算子。
基本函数:map()、reduce()、filter()
算子(operator):lambda
令人惊讶的是,仅仅采用这几个函数和算子就基本上可以实现任意Python程序。
当然,能实现是一回事儿,实际编码时是否这么写又是另外一回事儿。估计要真只采用这几个基本单元来写所有代码的话,不管是在表达上还是在阅读上应该都挺别扭的。不过,尝试采用这几个基本单元来替代上述的函数定义、条件控制、循环控制等操作,对理解函数式编程如何通过函数和递归表达流程控制应该会很有帮助。
在开始尝试将命令式编程转换为函数式编程之前,我们还是需要先熟悉下这几个基本单元。
Python函数式编程的基本单元
lambda
lambda这个关键词在很多语言中都存在。简单地说,它可以实现函数创建的功能。
如下便是lambda的两种使用方式。
func1=lambda: <expression()>
func2=lambdax: <expression(x)>
func3=lambdax,y: <expression(x,y)>
在第一条语句中,采用lambda创建了一个无参的函数func1。这和下面采用def创建函数的效果是相同的。
def func1():
<expression()>
在第二条和第三条语句中,分别采用lambda创建了需要传入1个参数的函数func2,以及传入2个参数的函数func3。这和下面采用def创建函数的效果是相同的。
def func2(x):
<expression(x)>
def func3(x,y):
<expression(x,y)>
需要注意的是,调用func1的时候,虽然不需要传入参数,但是必须要带有括号(),否则返回的只是函数的定义,而非函数执行的结果。这个和在ruby中调用无参函数时有所不同,希望ruby程序员引起注意。
>>>func=lambda:123
>>>func
<function<lambda>at0x100f4e1b8>
>>>func()
123
另外,虽然在上面例子中都将lambda创建的函数赋值给了一个函数名,但这并不是必须的。从下面的例子中大家可以看到,很多时候我们都是直接调用lambda创建的函数,而并没有命名一个函数,这也是我们常听说的匿名函数的由来。
map()
map()函数的常见调用形式如下所示:
map(func, iterable)
map()需要两个必填参数,第一个参数是一个函数名,第二个参数是一个可迭代的对象,如列表、元组等。
map()实现的功能很简单,就是将第二个参数(iterable)中的每一个元素分别传给第一个参数(func),依次执行函数得到结果,并将结果组成一个新的list对象后进行返回。返回结果永远都是一个list。
简单示例如下:
>>>double_func=lambdas:s *2
>>>map(double_func,[1,2,3,4,5])
[2,4,6,8,10]
除了传入一个可迭代对象这种常见的模式外,map()还支持传入多个可迭代对象。
map(func, iterable1, iterable2)
在传入多个可迭代对象的情况下,map()会依次从所有可迭代对象中依次取一个元素,组成一个元组列表,然后将元组依次传给func;若可迭代对象的长度不一致,则会以None进行补上。
通过以下示例应该就比较容易理解。
>>>plus=lambdax,y:(xor0)+(yor0)
>>>map(plus,[1,2,3],[4,5,6])
[5,7,9]
>>>map(plus,[1,2,3,4],[4,5,6])
[5,7,9,4]
>>>map(plus,[1,2,3],[4,5,6,7])
[5,7,9,7]
在上面的例子中,之所以采用x or 0的形式,是为了防止None + int出现异常。
需要注意的是,可迭代对象的个数应该与func的参数个数一致,否则就会出现异常,因为传参个数与函数参数个数不一致了,这个应该比较好理解。
>>>plus=lambdax,y:x+y
>>>map(plus,[1,2,3])
Traceback(most recent calllast):
File"<stdin>",line1,in<module>
TypeError: <lambda>()takesexactly2arguments(1given)
另外,map()还存在一种特殊情况,就是func为None。这个时候,map()仍然是从所有可迭代对象中依次取一个元素,组成一个元组列表,然后将这个元组列表作为结果进行返回。
>>>map(None,[1,2,3,4])
[1,2,3,4]
>>>map(None,[1,2,3,4],[5,6,7,8])
[(1,5),(2,6),(3,7),(4,8)]
>>>map(None,[1,2,3,4],[5,6,7])
[(1,5),(2,6),(3,7),(4,None)]
>>>map(None,[1,2,3,4],[6,7,8,9],[11,12])
[(1,6,11),(2,7,12),(3,8,None),(4,9,None)]
reduce()
reduce()函数的调用形式如下所示:
reduce(func, iterable[, initializer])
reduce()函数的功能是对可迭代对象(iterable)中的元素从左到右进行累计运算,最终得到一个数值。第三个参数initializer是初始数值,可以空置,空置为None时就从可迭代对象(iterable)的第二个元素开始,并将第一个元素作为之前的结果。
文字描述可能不大清楚,看下reduce()的源码应该就比较清晰了。
def reduce(function,iterable,initializer=None):
it=iter(iterable)
ifinitializerisNone:
try:
initializer=next(it)
exceptStopIteration:
raise TypeError('reduce() of empty sequence with no initial value')
accum_value=initializer
forxinit:
accum_value=function(accum_value,x)
returnaccum_value
再加上如下示例,对reduce()的功能应该就能掌握了。
>>>plus=lambdax,y:x+y
>>>reduce(plus,[1,2,3,4,5])
15
>>>reduce(plus,[1,2,3,4,5],10)
25
filter()
filter()函数的调用形式如下:
filter(func, iterable)
filter()有且仅有两个参数,第一个参数是一个函数名,第二个参数是一个可迭代的对象,如列表、元组等。
filter()函数的调用形式与map()比较相近,都是将第二个参数(iterable)中的每一个元素分别传给第一个参数(func),依次执行函数得到结果;差异在于,filter()会判断每次执行结果的bool值,并只将bool值为true的筛选出来,组成一个新的列表并进行返回。
>>>mode2=lambdax:x%2
>>>filter(mode2,[1,2,3,4,5,6,7,8,9,10])
[1,3,5,7,9]
以上便是Python函数式编程基本单元的核心内容。
接下来,我们就开始尝试采用新学习到的基本单元对命令式编程中的条件控制和循环控制进行转换。
替换条件控制语句
在对条件控制进行替换之前,我们先来回顾下Python中对布尔表达式求值时进行的“短路”处理。
什么叫“短路”处理?简单地讲,就是如下两点:
在f(x) and g(y)中,当f(x)为false时,不会再执行g(y),直接返回false
在f(x) or g(y)中,当f(x)为true时,不会再执行g(y),直接返回true
结论是显然易现的,就不再过多解释。
那么,对应到条件控制语句,我们不难理解,如下条件控制语句和表达式是等价的。
# flow control statement
if<cond1>: func1()
elif<cond2>:func2()
else: func3()
# Equivalent "short circuit" expression
(<cond1>andfunc1())or(<cond2>andfunc2())or(func3())
通过这个等价替换,我们就去除掉了if/elif/else关键词,将条件控制语句转换为一个表达式。那这个表达式和函数式编程有什么关系呢?
这时我们回顾上面讲过的lambda,会发现lambda算子返回的就是一个表达式。
基于这一点,我们就可以采用lambda创建如下函数。
>>>pr=lambdas:s
>>>print_num=lambdax:(x==1andpr("one"))
.... or(x==2andpr("two"))
.... or(pr("other"))
>>>print_num(1)
'one'
>>>print_num(2)
'two'
>>>print_num(3)
'other'
通过函数调用的结果可以看到,以上函数实现的功能与之前的条件控制语句实现的功能完全相同。
到这里,我们就实现了命令式条件控制语句向函数式语句的转换。并且这个转换的方法是通用的,所有条件控制语句都可以采用这种方式转换为函数式语句。
替换循环控制语句
接下来我们再看循环控制语句的转换。在Python中,循环控制是通过for和while这两种方式实现的。
替换for循环
for循环语句的替换十分简单,采用map()函数就能轻松实现。这主要是因为for语句和map()原理相同,都是对可迭代对象里面的每一个元素进行操作,因此转换过程比较自然。
# statement-based for loop
foreinlst: func(e)
# Equivalent map()-based loop
map(func,lst)
>>>square=lambdax:x *x
>>>forxin[1,2,3,4,5]:square(x)
...
1
4
9
16
25
>>>map(square,[1,2,3,4,5])
[1,4,9,16,25]
替换while循环
while循环语句的替换相比而言就复杂了许多。
下面分别是while循环语句及其对应的函数式风格的代码。
# statement-based while loop
while<condition>:
<pre-suite>
if<break_condition>:
break
else:
<suite>
# Equivalent FP-style recursive while loop
def while_block():
<pre-suite>
if<break_condition>:
return1
else:
<suite>
return0
while_FP=lambda: <condition>and(while_block()orwhile_FP())
while_FP()
这里的难点在于,函数式while_FP循环采用了递归的概念。当为true时,进入循环体,执行while_block();若为true时,返回1,while_FP()调用结束;若为false时,返回0,会继续执行or右侧的while_FP(),从而实现递归调用;若始终为false,则会持续递归调用while_FP(),这就实现了while语句中同样的功能。
为了对函数式的while循环有更深刻的理解,可以再看下如下示例。这个例子是在网上找的,实现的是echo功能:输入任意非”quit”字符时,打印输入的字符;输入”quit”字符时,退出程序。
➜ PythonFP pythonpyecho.py
IMP--1
1
IMP--2
2
IMP--abc
abc
IMP--1+1
1+1
IMP--quit
quit
➜ PythonFP
如下便是分别采用过程式和函数式语句实现的”echo”功能。
# imperative version of "echo()"
def echo_IMP():
while1:
x=raw_input("IMP -- ")
printx
ifx=='quit':
break
echo_IMP()
def monadic_print(x):
printx
returnx
# FP version of "echo()"
echo_FP=lambda:monadic_print(raw_input("FP -- "))=='quit'orecho_FP()
echo_FP()
更多示例
到此为止,我们对函数式编程总算有了点认识,到达之前设定的目标应该是没有问题了,看来函数式编程也并没有想象中的那么难懂。
然而,这都只是函数式编程的皮毛而已,不信?再看下如下示例。
这个示例也是在网上找的,实现的是两个列表笛卡尔积的筛选功能,找出笛卡尔积元组集合中两个元素之积大于25的所有元组。
bigmuls=lambdaxs,ys:filter(lambda(x,y):x*y>25,combine(xs,ys))
combine=lambdaxs,ys:map(None,xs*len(ys),dupelms(ys,len(xs)))
dupelms=lambdalst,n:reduce(lambdas,t:s+t,map(lambdal,n=n:[l]*n,lst))
print bigmuls([1,2,3,4],[10,15,3,22])
[(3,10),(4,10),(2,15),(3,15),(4,15),(2,22),(3,22),(4,22)]
虽然这个例子中lambda/map/reduce/filter都是我们已经比较熟悉了的基本单元,但是经过组合后,理解起来还是会比较吃力。
总结
看到这里,有的同学就开玩笑说我这标题名称非常贴切,《Python的函数式编程–从入门到⎡放弃⎦》,因为以后在工作中应该也不会再尝试使用函数式编程了,^_^。
不过,我还是觉得函数式编程挺有意思的,更高级的特性后面值得再继续学习。即使代码不用写成pure函数式风格,但在某些时候局部使用lambda/map/reduce/filter也能大大简化代码,也是一个不错的选择。数据分析师培训
另外,通过此次分享,再次切身体会到了教授是最好的学习方式,只有当你真正能将一个概念讲解清楚的时候,你才算是掌握了这个概念。
数据分析咨询请扫描二维码
数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20