简析Python函数式编程字符串和元组及函数分类与高阶函数_Python

函数式编程中的字符串

在函数式编程中，经常用到 Python 字符串，因其是不可变数据结构。

字符串本身是一个对象，具备很多对象方法，与常识中函数的使用不太相同，例如下述代码

				?

									my_str = "xiangpica"

									print(my_str.upper())

									print(len(my_str.upper()))

其中 len() 函数的用法被称为前置写法，而 my_str.upper() 被称为后置写法，这样很容易造成函数式编程的理解问题，所以需要系统性的解决该问题。

如果上述代码可以修改为 len(upper(my_str))，就变得相对容易理解。

				?

									# 类型 Text 是 str 的别名

									from typing import Text

									my_str = "xiangpica"

									def upper(str: Text) -> Text:

									    return str.upper()

									print(upper(my_str))

									print(len(upper(my_str)))

上述代码重新定义了一个前置用法的函数 upper，用于解决函数式编程中的一致性问题，该解决办法在后续代码中会经常出现。

不变类型元组

除字符串外，Python 中的另一个不可变数据类型为元组，元组分为普通元组与命名元组。

普通元组的声明与访问

在之前的文章中对元组的基本知识，已经进行了说明，可以去稍微复习一下，然后在进入本文的学习。

先看一下代码，然后再判断是否可以理解。

				?

									from typing import Tuple, Text, Callable

									LANGUAGE = Tuple[Text, Text, Text]

									python: Callable[[LANGUAGE], Text] = lambda languages: languages[1]

									items = ("c","python","js")

									a = python(items)

									print(a)

上述代码定义了一个新的类型 LANGUAGE，该类型是一个元组，具备三个元素。

python 类型注解是 Callable[[LANGUAGE], Text]，即它的参数是 LANGUAGE 类型，返回值是字符串类型。

注意 typing 模块加入不会影响程序的运行不会报正式的错误，仅作为类型检查，防止运行时出现参数、返回值类型不符，开发人员查阅。

除上述内容外，还可以使用命名元组来实现。

				?

									from collections import  namedtuple

									Language = namedtuple("Language",("name1", "name2", "name3"))

									l = Language("c", "python", "js")

									print(l)

									print(l.name1)

或者直接使用 typing 模块的 NamedTuple 也可以。

				?

									from typing import NamedTuple, Text

									class Language(NamedTuple):

									    name: Text

									    description: Text

									l = Language("C", "C语言")

									print(l)

									print(l.name)

									print(l.description)

函数式的分类

函数大类分为两种：

标量函数：函数的返回结果为一个值；
集合函数：函数的结果为可迭代的集合。

集合函数也可以细分：

规约/累积函数：将集合内的元素进行累积计算，最后得到一个值；
映射函数：将标量函数应用于几个的每个元素，最后得到一个与原集合相同长度的新集合；
过滤函数：将标量函数应用于每个元素，保留一部分，得到一个子集。

有了上述概念之后，对于函数式编程的理解可以更进一步。

any() 、all() 、len()、sum() 对比学习

any 与 all 两个函数属于规约函数，进行的操作叫做布尔规约，即将一个集合的元素归约为 True 或者 False，all 需要所有值都是 True，any 只要有一个值是 True 即可。

len 与 sum 也是归约函数，它们分别表示计算集合中所有值的个数和汇总值。

zip()、reversed()、enumerate()

zip 函数可以把多个可迭代对象或者序列，之间的数据进行交叉组合，即将 n 个元素的可迭代对象转换为 n 元组，然后返回一个生成器。

如果 zip 函数没有输入参数，那将返回一个空列表 []。

				?

									a = zip()

									print(list(a))

reversed 函数用于改变序列顺序，即反转序列。

enumerate 函数获取序列或者可迭代对象的下标值，转换成概念描述就是将可迭代对象映射为二元组序列（带上序号了），每个二元组序列中，第一个元素是下标值，第二个元素是值本身。

高阶函数

学习 Python 函数式编程，绕不开高阶函数的学习，高阶函数就是以函数为参数，或者以返回值为函数的函数。

函数 max 和 min()

上述两个函数是规约函数，即输入的是集合，输出的是单个值，主要用途就是寻找极值。

一般在学习的时候，可以把二者当成普通的函数，也可用于高阶函数，主要为参数位置的差异。

最简单的用法为：

				?

									max_num = max(1, 2, 3, 4)

									min_num = min(1, 2, 3, 4)

									print(max_num)

									print(min_num)

接下来就是其高阶函数模式的实现，自定义比较规则。

				?

									# 第一种写法，比较字符串长度

									max_num = max("a", "abc", "ceda", "aaaaa", key=lambda x: len(x))

									min_num = min("a", "abc", "ceda", "aaaaa", key=lambda x: len(x))

									print(max_num)

									print(min_num)

									# 第二种写法，比较字符串长度

									max_num = max(["a", "abc", "ceda", "aaaaa"], key=lambda x: len(x))

									min_num = min(["a", "abc", "ceda", "aaaaa"], key=lambda x: len(x))

									print(max_num)

									print(min_num)

上述代码的 key 为可选参数，默认值为 None。

map 函数

map 函数用于将一个集合映射到另一个集合，例如可以将一个由字符串组成的列表中的每一项，都转换为整数。

				?

									data = ["1", "2", "3"]

									print(map(int, data))

									print(list(map(int, data)))

代码 map(int, data) 的含义就是将 int 函数作用于 data 中的每一项。

map 函数的第一个参数也可以用 lambda 代替。

				?

									data = ["1", "2", "3"]

									print(map(lambda x: int(x), data))

									print(list(map(int, data)))

filter 函数

filter 函数主要用于将一个**判定函数（谓语函数）**用于集合的每一个元素，最后得到满足判定函数的结果集，测试代码如下：

				?

									data = [1, 3, 5, 7, 9]

									print(filter(lambda x: x > 3, data))

									print(list(filter(lambda x: x > 3, data)))

sorted 函数

sorted 函数也支持高阶函数 key 参数定制规则。

				?

									result = sorted(["afghsss", "abc", "ceda", "aaaaa"], key=lambda x: len(x))

									print(result)

同一需求的不同效率问题

通过 map 函数，生成器表达式，存在迭代器的生成器函数分别多一亿数据量的列表进行测试。

				?

									import time

									def demo(x):

									    return x * 2

									def demo1(f, l):

									    for x in l:

									        yield f(x)

									my_list = list(range(1, 10000000))

									start = time.perf_counter()

									# map(lambda x: x * 2, my_list) # 程序运行耗时 3.904999999998493e-06

									# (demo(x) for x in my_list) # 程序运行耗时 6.310000000009364e-06

									demo1(demo, my_list) # 程序运行耗时 5.1070000000041915e-06

									cost_time = time.perf_counter() - start

									print("程序运行耗时", cost_time)