05. 函数式编程

目录

1、前言

2、什么是函数式编程

2.1、函数是一等公民

2.2、避免状态和可变数据

3、函数式编程的核心概念

3.1、高阶函数

3.2、Lambda（匿名函数）

3.3、递归 & 尾递归优化

3.4、functools模块

3.4.1、partial

3.4.2、reduce

3.4.3、lru_cache

3.4.4、wraps

4、函数式编程的实际应用

4.1、函数式编程风格的代码

4.2、不可变性和线程安全性

5、小结

1、前言

在《04.函数》一文中介绍了Python中的函数，以及函数的基础使用。函数是Python内建支持的一种封装，我们通过把大段代码拆成函数，通过一层一层的函数调用，就可以把复杂任务分解成简单的任务，这种分解可以称之为面向过程的程序设计。函数就是面向过程的程序设计的基本单元。而函数式编程（Functional Programming），是一种抽象程度很高的编程规范。

2、什么是函数式编程

函数式编程是一种编程范式，它将计算视为数学函数的评估，并避免改变状态和可变数据。它是一种抽象程度很高的编程范式，纯粹的函数式编程语言编写的函数没有变量，因此，任意一个函数，只要输入是确定的，输出就是确定的，这种纯函数我们称之为没有副作用。而允许使用变量的程序设计语言，由于函数内部的变量状态不确定，同样的输入，可能得到不同的输出，因此，这种函数是有副作用的。

函数式编程的一个特点就是，允许把函数本身作为参数传入另一个函数，还允许返回一个函数！在函数式编程中，函数是一等公民，允许其作为参数传递、赋值给变量，以及作为函数的返回值。

2.1、函数是一等公民

在Python中，函数是一等公民，这意味着函数可以被赋值给变量，作为参数传递给其他函数，以及作为函数的返回值。

def square(x):
    return x ** 2

# 函数赋值给变量
f = square

# 函数作为参数传递
def apply_func(func, x):
    return func(x)

result = apply_func(f, 5)  # 结果为25

2.2、避免状态和可变数据

函数式编程鼓励使用不可变数据和避免副作用。这有助于减少程序的复杂性和提高代码的可维护性。

# 不可变数据
immutable_list = (1, 2, 3)

# 避免副作用
def add_to_list(element, lst):
    return lst + [element]

original_list = [1, 2, 3]
new_list = add_to_list(4, original_list)  # new_list为[1, 2, 3, 4]

3、函数式编程的核心概念

从上面的例子可以看出，编写高阶函数，就是让函数的参数能够接收别的函数。把函数作为参数传入，这样的函数称为高阶函数，函数式编程就是指这种高度抽象的编程范式。

3.1、高阶函数

高阶函数是函数式编程的基石，它们可以接受一个或多个函数作为参数，并/或返回一个新的函数。Python中内置了很多高阶函数，如map/reduce、filter、sorted等。

• map函数是一个高阶函数，将函数应用于可迭代对象的每个元素。

if __name__ == '__main__':
    numbers = [1, 2, 3, 4]
    squared = map(lambda x: x ** 2, numbers)  # 结果为[1, 4, 9, 16]
    print(list(squared))

• reduce函数用于累积可迭代对象的元素，把一个函数作用在一个序列[x1, x2, x3, ...]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算。

from functools import reduce

if __name__ == '__main__':
    numbers = [1, 2, 3, 4]
    total = reduce(lambda x, y: x + y, numbers)  # 结果为1+2+3+4=10
    print(total)

• filter函数用于过滤可迭代对象的元素。

if __name__ == '__main__':
    numbers = [1, 2, 3, 4, 5, 6]
    even_numbers = filter(lambda x: x % 2 == 0, numbers)  # 结果为[2, 4, 6]
    print(list(even_numbers))

3.2、Lambda（匿名函数）

Lambda函数是一种简洁的函数定义方式，通常用于临时需要一个简单函数的情况。当我们在传入函数时，有些时候，不需要显式地定义函数，直接传入匿名函数更方便。在Python中，对匿名函数提供了有限支持。就像前面filter函数中的lambda x: x % 2 == 0，该匿名函数实际上是：

def func(x):
    return x % 2 == 0

其中关键字lambda表示匿名函数，冒号前面的x表示函数参数。匿名函数有个限制，就是只能有一个表达式，不用写return，返回值就是该表达式的结果。用匿名函数有个好处，因为函数没有名字，不必担心函数名冲突。此外，匿名函数也是一个函数对象，也可以把匿名函数赋值给一个变量，再利用变量来调用该函数。如：

if __name__ == '__main__':
    # 使用lambda定义匿名函数
    multiply = lambda x, y: x * y
    result = multiply(3, 4)  # 结果为12
    print(result)

3.3、递归 & 尾递归优化

函数式编程中，递归是一种强大的技术，可以通过函数调用自身来解决问题。

# 阶乘的递归实现
def factorial(n):
    if n == 0 or n == 1:
        return 1
    else:
        return n * factorial(n - 1)

在Python并不是尾递归优化的语言，但你可以使用一些技巧来模拟尾递归优化，如使用尾递归优化装饰器。

class TailRecursive:
    def __init__(self, func):
        self.func = func
        self.args = None
        self.kwargs = None

    def __call__(self, *args, **kwargs):
        self.args = args
        self.kwargs = kwargs
        while self.args is not None:
            result = self.func(*self.args, **self.kwargs)
            if callable(result):
                result()
            else:
                self.args = None
                self.kwargs = None
        return result

# 使用尾递归优化装饰器
@TailRecursive
def factorial_tail_recursive(n, acc=1):
    if n == 0:
        return acc
    else:
        return factorial_tail_recursive(n - 1, n * acc)

result = factorial_tail_recursive(5)  # 结果为120

3.4、functools模块

functools 是 Python 标准库中的一个模块，提供了一些与函数相关的高阶功能。它包含了一些用于函数操作的工具，其中一些特别有用于函数式编程。上面介绍reduce方法时，就已经有引入了该模块了。下面详细介绍几个常用方法，更多具体的可以详细查看API。

3.4.1、partial

该函数用于部分应用（partial application）一个函数，即固定函数的一些参数，返回一个新的函数。

from functools import partial

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

square = partial(power, exponent=2)
result = square(4)  # 结果为16

3.4.2、reduce

该函数通常用于对可迭代对象的所有元素进行累积操作。

from functools import reduce

numbers = [1, 2, 3, 4]
product = reduce(lambda x, y: x * y, numbers)  # 结果为24

3.4.3、lru_cache

该函数用于实现缓存机制，可以缓存函数的结果，以避免重复计算。

from functools import lru_cache

@lru_cache(maxsize=None)
def fibonacci(n):
    if n <= 1:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

3.4.4、wraps

该函数用于在装饰器中正确处理被装饰函数的元信息，如文档字符串和函数名。

from functools import wraps

def my_decorator(f):
    @wraps(f)
    def wrapper(*args, **kwds):
        print('Calling decorated function')
        return f(*args, **kwds)
    return wrapper

@my_decorator
def example():
    """Docstring"""
    print('Called example function')

这些功能使得 functools 成为编写更加灵活和可维护的代码的有用工具。在函数式编程、装饰器和缓存等方面，functools 提供了一些实用的功能。

4、函数式编程的实际应用

4.1、函数式编程风格的代码

函数式编程风格的代码通常更简洁、清晰，具有更好的可读性。

# 命令式编程
result = []
for number in numbers:
    result.append(number * 2)

# 函数式编程
result = map(lambda x: x * 2, numbers)

4.2、不可变性和线程安全性

函数式编程中的不可变性使得代码更容易在多线程环境中工作，因为不需要担心共享状态的问题。

# 命令式编程
shared_state = 0

def increment_state():
    global shared_state
    shared_state += 1

# 函数式编程
immutable_state = 0

def increment_state(state):
    return state + 1

5、小结

本文Python中函数式编程的基础概念、语法和实际应用。通过深入理解和应用函数式编程，你可以写出更具表达力、模块化和可维护性的代码。在实际项目中，根据需要灵活选择编程范式，将函数式编程的思想融入到你的Python代码中，发挥Python强大而灵活的特性。