Fn.py：享受Python中的函数式编程
尽管Python不是一种纯函数式编程语言，但它是多种范例，它为您提供了充分的自由来利用函数式编程方法。函数样式在理论上和实践上都有优势（您可以在Python文档中找到此列表）：
形式可证明性
模块化
可组合性
易于调试和测试
尽管此列表具有足够的描述性，但我真的很喜欢Michael O. Church在其文章“功能性程序很少腐烂”中对功能性编程的优势的描述。我在Pycon UA 2012上讨论了在Python中使用函数方法：使用Python进行函数编程，并且提到了很多问题，您可能很快就会发现，尝试使用Python编写可读性和可维护的函数代码。
创建了库fn.py来处理这些问题。尽管不可能解决所有问题，但该库为您提供了缺失的“电池”，即使在大多数命令程序中也可以从功能方法中获得最大价值。你会发现什么呢？
Scala样式的lambda定义
map（lambda x：x * 2，[1
斯卡拉
清单（1
Clojure
（地图＃（*％2）'（1 2 3））
哈斯克尔
地图（2 *）[1
Fn.py提供了特殊的_对象来简化lambda语法（受Scala的启发）。
从fn import _
断言（_ + _）（10
断言 列表（地图（_ *  2，范围（5）））== [ 0，2，4，6，8 ]
断言 列表（过滤器（_ <  10， [ 9，10，11 ]））== [ 9 ]
在许多其他情况下，您可以使用_：所有算术运算，属性解析，方法调用，切片。如果不确定函数要做什么，可以打印它：
从fn import _
打印（_ +  2）＃“（x1）=>（x1 + 2）”
打印（_ + _ * _）＃“（x1，x2，x3）=>（x1 +（x2 * x3））”
流和无限序列声明
延迟评估的Scala样式流。基本思想：“按需”评估每个新元素，并在所有创建的迭代器之间共享计算出的元素。流对象支持<<运算符，这意味着在必要时推送新元素。
惰性评估流是处理无限序列的强大抽象。让我们看看如何用函数式编程语言计算斐波那契数列：
哈斯克尔
fibs = 0：1：zipWith（+）fibs（tail fibs）
Clojure
（def fib（懒猫[0 1]（地图+ fib（rest fib））））
斯卡拉
def fibs：Stream [Int] =
     0＃:: 1＃:: fibs.zip（fibs.tail）.map {case（a，b）=> a + b}
现在，您可以在Python中执行相同的操作：
从FN进口流
从fn.iters进口冒，滴，地图
，从运营商进口加
f = Stream（）
FIB = ?F << [ 0，1 ] << 地图（ADD，F，降（1，f））的
断言 列表（取（10，FIB））== [ 0，1，1，2，3，5，8，13，21，34 ]
断言FIB [ 20 ] ==  6765
断言 列表（FIB [ 30:35 ] ）== [ 832040，1346269，2178309，3524578，5702887 ]
蹦床装饰
fn.recur.tco是在不占用大量堆栈的情况下处理TCO的解决方法。让我们从递归阶乘计算的简单示例开始：
def  fact（n）：
     如果n ==  0：返回 1
     返回n * fact（n - 1）
这种变体有效，但是确实很丑陋。为什么？它将利用内存太重的原因来递归存储所有先前的值来计算最终结果。如果您将使用大n执行此函数（更多sys.getrecursionlimit （）），CPython将失败并显示
>>> 进口SYS
>>>事实（SYS 。 getrecursionlimit（）*  2）
...堆栈跟踪的很多很多行...
RuntimeError：最大递归深度超过
这样做很好，因为它可以防止您在代码中犯下严重的错误。
我们如何优化该解决方案？答案很简单，让transform函数使用尾调用：
def  fact（n，acc = 1）：
     如果n ==  0：返回acc
     返回事实（n - 1，acc * n）
为什么这个变体更好？因为您无需记住先前的值即可计算最终结果。有关Wikipedia上的尾部呼叫优化的更多信息。但是... Python解释器将以与上一个相同的方式执行此功能，因此您将一无所获。
fn.recur.tco为您提供了使用“蹦床”方法编写“优化一点”尾调用递归的机制。例如，在Clojure中使用了相同的方法，主要思想是将功能调用的序列扩展为while循环。
从fn导入重复
@ recur.tco
def  fact（n，acc = 1）：
     如果n ==  0：返回 False，acc
     返回 True，（n - 1，acc * n）
@ recur.tco是一个装饰器，它在while循环中执行功能并检查输出：
（错误，结果）表示我们完成了
（True，args，kwargs）意味着我们需要使用其他参数再次调用函数
（func，args，kwargs）切换要在while循环内执行的功能
错误处理的功能风格
假设您有Request类，该类通过其名称为您提供参数值。要获得非空条带化值的大写表示法：
class  Request（dict）：
      def 参数（self，name）：
         返回 self 。get（name，None）
r =请求（测试= “固定”，空= ““））
参数= r 。如果param为None，则为parameter（“ testing”）
：
     固定=  “”
其他：     
     param = param 。如果 len（param）== 0则strip（）
      ：
         固定=  “”
     其他：
        固定=参数。上（）
嗯，看起来很丑。使用fn.monad.Option更新代码。它代表可选值，每个Option实例可以是Full或Empty实例（受Scala Option启发）。它为您提供了一种编写长计算序列并摆脱许多if / else块的简单方法。
从运营商进口methodcaller
从fn.monad进口optionable
类 Request（dict）：
     @optionable
     def 参数（self，name）：
         返回 self 。get（name，None）
r =请求（测试= “固定”，空= ““））
固定= - [R 。参数（“测试”）
           。map（methodcaller（“ strip”））
           。filter（len）
           。map（methodcaller（“ upper”））
           。get_or（“”）
fn.monad.Option.or_call是尝试几种变体以结束计算的好方法。即使用具有带有可选属性type，mimetype和url的Request类。您需要使用至少一个属性来评估“请求类型”：
从fn.monad导入选项
request =  dict（url = “ face.png”，mimetype = “ PNG”）
tp =选项\
          。from_value（请求。获得（“类型”，无））\ ＃检查“式的”关键第一
         。or_call（from_mimetype，request）\ ＃或..检查“ mimetype”键
         。or_call（from_extension，request）\ ＃或...获取“ url”并检查extension
         。get_or（“应用程序/未定义”）
还有吗
我仅描述了库功能的一小部分。您也可以找到并使用：
22种其他itertools配方可扩展内置模块的功能
Python 2和Python 3（范围，地图，过滤器等）的迭代器统一，这在跨版本库上工作时非常有用
用于功能组合和部分功能应用的简单语法
其他运算符可使用高级功能（应用，翻转等）
工作正在进行中
自从在Github上发布该库以来，我得到了社区的许多评论，想法和建议以及补丁和修复。我将继续致力于现有功能和新功能的增强。在最接近的路线图中：
更多运算符与可迭代对象一起使用，例如foldl，foldr
更多的单子，即fn.monad.Either处理错误日志
大多数模块的C加速器
咖喱函数生成器以简化lambda arg1：lambda arg2：...
更多文档，更多测试，更多示例

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！