作者 | Brandon Skerritt

译者 | 王天宇、琥珀

编辑 | 琥珀

出品 | AI科技大本营

本文，你会了解到什么是函数式编程，以及如何用 Python 进行函数式编程。你还会了解到列表解析和其他形式的解析。

编程式函数

在命令式编程中，你需要给计算机一系列任务，然后计算机会一一执行。在执行过程中，计算机可以改变其状态。举个例子，假设你将 A 的初始值设为 5，接下来你还可以改变 A 的值。在变量内部值变化的层面来讲，你可以掌控这些变量。

在函数式编程中，你无需告诉计算机去做什么，而是为它提供一些必要的信息。如什么是一个数字的最大公约数，1 到 n 的乘积是多少等等。

由于这样，变量就无法改变了。一旦你设置了一个变量，它就会永远保持初始状态（注意：在纯函数式语言中，它们不叫作变量）。因此在函数式编程中，函数不会产生“副作用”。“副作用”是指函数可能会修改外部变量的值。让我们通过一个典型的 Python 例子来看一下：

a=3

defsome_func():

globala

a=5



some_func()

print(a)

这段代码的输出结果是5。在函数式编程中，改变变量是大忌，而且让函数改变外部变量也是绝对禁止的。函数唯一能做的事是执行计算然后返回结果。

现在你可能在想：没有变量，就没有副作用吗？为什么这么做很管用？好问题，下面我们简单讲一下这个问题。

如果一个函数伴随着相同参数被调用两次，它一定会返回一样的结果。如果你对数学上的函数有所了解，你就会理解这里的意义，这被称作引用透明性。因为函数没有副作用，如果你创建了一个可以执行计算的程序，你就可以使该程序提升性能。如果程序知道 func(2) 等于 3，我们可以把这一信息存入表中。这么做可以防止在我们已经知道答案的情况下，程序依然反复运行同一函数。

一般来说，在函数式编程中，我们不使用循环。而是用递归。递归是一个数学概念，我们通常将其理解为“自己喂自己”。在一个递归函数中，函数将自己作为子函数反复调用。这里有一个易于理解的递归函数的 Python 例子：

deffactorial_recursive(n):

#Basecase:1!=1

ifn==1:

return1



#Recursivecase:n!=n*(n-1)!

else:

returnn*factorial_recursive(n-1)

还有一些编程语言也是很“懒”的，也就是说它们直到最后一刻才会进行计算。如果你写一段想要计算 2+2 的代码，函数式程序只会在你要使用其结果时才会执行计算命令。我们接下来继续探索 Python 都“懒”在哪些方面。

Map

若要理解 map，我们要先看看 iterable 是什么。iterable 指一类可以进行迭代的对象。通常来看，它们是列表或数组，但 Python 有许多不同类型的 iterable。你甚至可以创建自己的 iterable 对象，来执行各种魔术方法 (magic method)。魔术方法可以是一个 API，来使你的对象更加 Pythonic。你需要用两个魔术方法来使对象成为 iterable：

classCounter:

def__init__(self,low,high):

#setclassattributesinsidethemagicmethod__init__

#for"inistalise"

self.current=low

self.high=high



def__iter__(self):

#firstmagicmethodtomakethisobjectiterable

returnself



def__next__(self):

#secondmagicmethod

ifself.current>self.high:

raiseStopIteration

else:

self.current+=1

returnself.current-1

第一个魔术方法 __iter__ ，或者说 "dunder"（指以双下划线 “__” 作为名字开头和结尾的方法），返回了迭代对象，这常常也被当做循环的开端。dunder 方法接下来会返回下一个对象。

让我们快速查看一下终端会话的结果：

forcinCounter(3,8):

print(c)

输出结果为：

3
4
5
6
7
8

在 Python 中，迭代器指只包含一个魔术方法 __iter__ 的对象。这意味着你可以访问该对象的任何部分，但不能对其循环访问。有些对象包含魔术方法 __next__，以及除了 __iter__ 以外的魔术方法，如 sets（下文会进行详细讨论）。在本文中，假定我们涉及的所有东西都是可迭代的对象。

那么现在我们知道了什么是可迭代对象，再回头看一下 map 函数。map 函数可以让我们在同一个 iterable 对象中，把函数作用在每一个元素上。我们通常将函数作用于列表中的每个元素，但这对大多数 iterable 对象也是可行的。Map 需要两个输入，分别是要执行的函数和 iterable 对象。

map(function,iterable)

假设我们有一个如下的数字列表：

[1,2,3,4,5]

然后计算每个数字的平方，我们可以写下面一段代码：

x=[1,2,3,4,5]

defsquare(num):

returnnum*num



print(list(map(square,x)))

Python 中的函数式函数也有“懒”的特性。如果我们不引入 "list()"，那函数就会存取 iterable 对象，而不是存取列表本身。我们需要明确告诉 Python 程序 “将其转换成列表” ，从而供我们使用。

听起来可能有点奇怪，我们对 Python 的评价从 “一点也不懒” 突然转变到 “懒”。如果你对函数式编程的感悟胜过指令式编程，最终你会习惯这种转变的。

现在我们可以很容易写出一个像 "square(num)" 这样的函数了，但看起来不太合适。我们有必要定义一个函数仅仅为了在 map 中调用它一次吗？好吧，我们可以基于 lambda 在 map 中定义一个函数。

Lambda表达式

lambda 表达式是一个单行的函数。以一个计算数字平方的 lambda 表达式为例：

square=lambdax:x*x

现在执行这行代码：

>>>square(3)
9

我已经听见你在问了，参数在哪？这到底是怎么回事？它看起来并不像个函数？

这可能有点让人困扰，但可以解释得清楚。首先我们给变量 "square"赋一个值，例如：

lambdax:

我们告诉 Python 这是一个 lambda 函数，且输入值为 x。冒号后面的部分代表对输入要做的事情，然后它就会返回得到的结果。

我们可以将该计算平方值的程序简化成一行：

x=[1,2,3,4,5]

print(list(map(lambdanum:num*num,x)))

由此可见，在一个 lambda 表达式中，所有参数都在左边，你想要对其执行的指令都在右边。不得不承认这样看起来有点杂乱。实际上这是一种很受欢迎的编程方式，只有其他的函数式程序员可以读懂代码。同时，把一个函数转化成单行表达式真的很酷。

Reduce

Reduce 是将 iterable 转换成一个结果的函数。通常用作来对一个列表进行计算，将其缩减为一个数字。如下：

reduce(function,list)

我们可以将 lambda 表达式用作函数，事实上我们通常也是这么做的。

一个列表的乘积为每个单独的数字相乘在一起的结果。你可以通过如下程序实现：

product=1

x=[1,2,3,4]

fornuminx:

product=product*num

但基于 reduce 你可以将上面程序写作：

fromfunctoolsimportreduce


product=reduce((lambdax,y:x*y),[1,2,3,4])

得到的乘积结果是一样的。基于对函数式编程的理解，代码量减小了，代码也变得更简洁。

Filter

filter 函数用于传入一个 iterable，并过滤掉这个 iterable 中所有你不想要的序列。

通常，filter 函数传入一个函数和一个列表。将该函数作用在列表中的任意一个元素上，如果该函数返回 True，不做任何事情。如果返回 False，将该元素从列表中删除。

语法如下：

filter(function,list)

案例:（不使用 filter）

x=range(-5,5)

new_list=[]



fornuminx:

ifnum<0:

new_list.append(num)

（使用 filter）

x=range(-5,5)

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

高阶函数

高阶函数可以将函数作为参数传入并返回，如下：

defsummation(nums):

returnsum(nums)



defaction(func,numbers):

returnfunc(numbers)



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



#Outputis6

再比如：

defrtnBrandon():

return"brandon"

defrtnJohn():

return"john"



defrtnPerson():

age=int(input("What'syourage?"))



ifage==21:

returnrtnBrandon()

else:

returnrtnJohn()

你之前知道我提到的纯函数式编程语言没有变量是怎么说的吗？高阶序列函数能让这件事变得更为简单。你不需要储存一个变量，如果你就是为了将数据通过函数的管道进行传递。

Python 中的所有函数都是一等对象。一等对象具有以下一种或多种特征：

• 运行时创建

• 将变量或元素赋值在一个数据结构中

• 作为一个参数传递给一个函数

• 作为函数结果返回

因此，Python 中的所有函数都是第一类且可以作为高阶函数使用。

偏函数应用

偏函数应用（又叫闭包）有点难理解，但超级酷。你可以调用一个函数而无需提供它所需要的全部参数。先来看看这个例子：我们想创建一个函数，传入的两个参数分别是 base 和 exponet，然后返回 base 的 exponent 次方。如下：

defpower(base,exponent):

returnbase**exponent

现在，我们想要一个专用的平方函数，使用 power 函数得到一个数字的平方。如下：

defsquare(base):

returnpower(base,2)

这个方式可以，但如果我们想要一个三次方函数呢？或者是四次方？我们能一直这样写吗？当然，你是可以的。但程序员可没那么勤快。如果你一遍又一遍地重复做一件事，那么你就需要用一种更高效率的方式做事，无需重复。因此，我们采用了闭包的方法。以下是一个采用闭包的平方函数的例子：

fromfunctoolsimportpartial



square=partial(power,exponent=2)

print(square(2))



#outputis4

这样是不是很酷！通过告诉 Python 第二个参数是什么，我们只用一个参数就能调用需要两个参数的函数。

我们还能用一个 loop，产生一个乘方函数以实现从三次方到 1000 次方的计算:

fromfunctoolsimportpartial



powers=[]

forxinrange(2,1001):

powers.append(partial(power,exponent=x))



print(powers[0](3))

#outputis9

有时，函数式编程无法与Python相匹配

你可能已经注意到了，我们想要在函数式编程中完成的事情都会列表相关。除了 reduce 函数和偏函数应用外，所有你看到的函数都会产生列表。Python 之父 Guido 不喜欢 Python 当中的函数式编程部分，因为 Python 已经产生自己列表的方式。

如果你在 Python 的命令执行环境中输入「import this」，你会得到如下提示：

>>>importthis
TheZenofPython,byTimPeters
Beautifulisbetterthanugly.
Explicitisbetterthanimplicit.
Simpleisbetterthancomplex.
Complexisbetterthancomplicated.
Flatisbetterthannested.
Sparseisbetterthandense.
Readabilitycounts.
Specialcasesaren’tspecialenoughtobreaktherules.
Althoughpracticalitybeatspurity.
Errorsshouldneverpasssilently.
Unlessexplicitlysilenced.
Inthefaceofambiguity,refusethetemptationtoguess.
Thereshouldbeoneandpreferablyonlyoneobviouswaytodoit.
Althoughthatwaymaynotbeobviousatfirstunlessyou’reDutch.
Nowisbetterthannever.
Althoughneverisoftenbetterthan*right*now.
Iftheimplementationishardtoexplain,it’sabadidea.
Iftheimplementationiseasytoexplain,itmaybeagoodidea.
Namespacesareonehonkinggreatidealet’sdomoreofthose!

这就是 Python 的精妙所在。在 Python 环境中，map&filter 可以实现列表解析式同样的事情。这个打破了 Python 的一条规则，于是这部分的函数式编程看起来不那么 Pythonic了。

另一个需要讨论的是 lambda。在 Python 中，一个 lambda 函数是一个常函数。Lambda 实际上是一个语法糖，因此二者是等价的：

foo=lambdaa:2



deffoo(a):

return2

理论上，一个常函数可以实现一个 lambda 函数能实现的任何事情，但反过来却不行一个 lambda 函数无法实现一个常函数所能做的所有事情。这也是为什么大家会有争论函数式编程不能很好地与整个 Python 生态系统匹配。

列表解析式

列表解析式是 Python 产生列表的一种方式，语法如下：

[functionforiteminiterable]

然后将列表中的所有数字进行平方：

print([x*xforxin[1,2,3,4]])

这样，可以看到如何将一个函数作用于列表中的每一个元素。如果利用 filter 呢？请先看下此前出现过的代码：

x=range(-5,5)



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

print(all_less_than_zero)

然后将其转换成列表解析式：

x=range(-5,5)



all_less_than_zero=[numfornuminxifnum<0]

列表解析式支持这样的 if 表达式。你不需要通过上百万个函数最终得到你想要的。

那么如果想要将列表中的所有数字进行平方呢？采用 lambda、map 、 filter 你会这么写：

x=range(-5,5)



all_less_than_zero=list(map(lambdanum:num*num,list(filter(lambdanum:num<0,x))))

这样看起来相当冗长且复杂。如果用列表解析式只需要这样：

x=range(-5,5)



all_less_than_zero=[num*numfornuminxifnum<0]

其他解析式

你可以创建任何一个 iterable 的解析式。

通过解析式可产生任何一个 iterable。从 Python 2.7 开始，你甚至可以创作出一本字典了。

#Takenfrompage70chapter3ofFluentPythonbyLucianoRamalho



DIAL_CODES=[

(86,'China'),

(91,'India'),

(1,'UnitedStates'),

(62,'Indonesia'),

(55,'Brazil'),

(92,'Pakistan'),

(880,'Bangladesh'),

(234,'Nigeria'),

(7,'Russia'),

(81,'Japan'),

]



>>>country_code={country:codeforcode,countryinDIAL_CODES}

>>>country_code

{'Brazil':55,'Indonesia':62,'Pakistan':92,'Russia':7,'China':86,'UnitedStates':1,'Japan':81,'India':91,'Nigeria':234,'Bangladesh':880}

>>>{code:country.upper()forcountry,codeincountry_code.items()ifcode<66}

{1:'UNITEDSTATES',7:'RUSSIA',62:'INDONESIA',55:'BRAZIL'}

如果这是一个 iterable，那么就能实现。我们最后来看一个关于集合（sets）的例子。

• 集合是元素列表，且没有重复出现两次的元素。

• 集合的排序无关紧要。

#takenfrompage87,chapter3ofFluentPythonbyLucianoRamalho



>>>fromunicodedataimportname

>>>{chr(i)foriinrange(32,256)if'SIGN'inname(chr(i),'')}

{'×','','°','','','#','','%','','>','¤','±','','§','<','=','','$','÷','','+'}

你可能会注意到集合具有和字典中一样的花括号。这就在于 Python 的智能性，它会根据你是否提供了额外的值以判断你写的是dictionary comprehension 还是 set comprehension。

总结

函数式编程是优雅而简洁的。函数式代码可以非常简洁，但也可以非常凌乱。一些 Python 程序员不喜欢用 Python 函数式解析。因此，你应该用你想用的，用最好的工具完成任务。

相关链接：https://hackernoon.com/learn-functional-python-in-10-minutes-to-2d1651dece6f

招聘

AI科技大本营现招聘内容运营实习生，有意者请将简历投至：gulei@csdn.net，期待你的加入！

工作要求：

• 熟练使用微信、今日头条等平台发布文章，并负责其他对外推广渠道的内容铺建，用户管理以及互动；

• 追踪AI领域动态，协助AI内容生产；

• 能保证每周三天的工作时间。

工作地点：

北京市朝阳区酒仙桥路10号院恒通商务园

精彩推荐

◆

AI 大行其道，你准备好了吗？

◆

推荐 CSDN 学院开设的王牌课程《人工智能工程师》实训营

如果你有一定的编程经验，成为一名 AI 工程师也许仅需百天！扫码预定名额！

　　　　　　　　　　　　　 查看评论 回复