Python函数式编程之面向过程面向对象及函数式简析

时间:2022-09-04 11:33:45

Python 函数式编程

Python 不是纯粹的函数式语言,但你可以使用 Python 进行函数式编程

典型的听君一席话,如听一席话,说白了就是 Python 具备函数式编程的特性,

so,可以借用函数式语言的设计模式和编程技术,把代码写成函数式编程的样子

一般此时我会吹嘘一下,函数式代码比较简洁和优雅~

好了,已经吹嘘完了。

以上内容都属于讲道理的范围,那在 Python 中有哪些适合函数式编程的技能点

又有哪些不适的点呢?

下述 2 点先有个印象就行

优点:生成器表达式,这个后面咱会反复提及,具备很多高阶函数,例如 reducemapfilter 三巨头。

缺点:没有无限递归等~

如果你去百度 “什么是函数式编程”,很多地方会给出答案

函数式编程: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。

有道理!

其实函数式编程就是在函数中定义表达式和实现表达式的求职,说白了就是用函数落地你的代码。

看起来好像是废话,它还有一个补充的说明,在函数式编程中要避免状态变化和使用可变对象。

其中避免状态变化 重点要关注赋值语句以及它如何改变状态,因此你在函数式编程中,不会看到 globalnolocal 等内容。

同一案例的不同写法,展示函数式编程

概念与原理都是比较抽象的,咱还是少说概念,这个留到未来你自己总结就好,直接展示源码差异。

计算 1~100 内,计算 5 与 7 的倍数之和

面向过程的写法

?
1
2
3
4
5
count = 0
for num in range(1, 101):
    if num % 5 == 0 or num % 7 == 0:
        count += num
print(count)

在面向过程的写法中,逻辑都是从上向下进行运行的,例如 num 从 1 数到 100,如果对 5 或者对 7 取余等于 0,那表示可以整除,然后将 count 与对应的 num 相加,得到最后的余数。

这种思路是纯面向过程的写法,一般我们学习编程时,首先学会的就是该类写法。

面向对象的写法

该类写法有两种,一种是使用 Python 内置的列表实现,一种是自己声明一个类来实现。

第一种写法:

?
1
2
3
4
5
count = list()
for num in range(1, 101):
    if num % 5 == 0 or num % 7 == 0:
        count.append(num)
print(sum(count))

在上述写法中,变量 count 声明一个 list,即列表对象,但是整理看起来还是有些过程式编程语言的影子。

例如最后的 sum(count) 的使用就有些奇怪,看不出来面向对象的影子。

接下来,咱们创建一个自定义的类,进行逻辑实现。

?
1
2
3
4
5
6
7
8
9
10
11
class My_List_Sum(list):
    def sum(self):
        count = 0
        for n in self:
            count += n
        return count
count = My_List_Sum()
for num in range(1, 101):
    if num % 5 == 0 or num % 7 == 0:
        count.append(num)
print(count.sum())

上述代码,我们自行实现了一个 My_List_Sum 类,让它继承自 list,此时你应该明白,list 就是一个类名,然后在类的内部实现了 sum 方法,再调用该对象的 sum 方法,完美的应用了面向对象的写法。

接下来进入正题,函数式编程的落地实现

在正式编写前,需要回忆一些基础知识,例如 lambda 表达式以及列表相加。

判断一个数字是 5 或者 7 的倍数, lambda 写法如下:

?
1
2
3
4
5
multiple = lambda x: x % 5 == 0 or x % 7 == 0
a = multiple(3) # False
b = multiple(5) # True
c = multiple(7) # False
print(a, b, c)

列表相加代码如下:

?
1
print([1]+[2]) # [1,2]

有了上述内容,可以编写一个递归函数,实现对应的逻辑,代码的说明已经添加到注释中。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
def tool(n: int, end: int, filter_func) -> list:
    """返回一个筛选之后的列表
    :param n: 起始值
    :param end: 终止值
    :param filter_func: 判断表达式
    """
    # 如果到达上限,直接返回空列表
    if n == end: return []
    # 如果满足过滤条件,返回该值与下一个值组成的列表
    if filter_func(n):
        return [n] + tool(n + 1, end, filter_func)
    else:
        # 不满足过滤条件,直接返回下一个值
        return tool(n + 1, end, filter_func)
# 测试代码
ret = tool(1, 101, lambda x: x % 5 == 0 or x % 7 == 0)
print(ret)
print(sum(ret))

上述代码即为求和的函数式实现,其中部分逻辑如下:

  • 给定初始值与上限值,当迭代的值等于上限值时,返回空列表,即运行结束;
  • 传入一个判断条件,本案例中为一个 lambda 表达式,用于判断 5 和 7 的倍数;
  • 当满足条件时,进行的是相加+迭代工作,当不满足条件时,直接进入下一次迭代。

当然还有一种函数式编程的写法,代码如下:

?
1
print(sum(n for n in range(1, 101) if n % 5 == 0 or n % 7 == 0))

这里用到的生成器后文会进行说明。

Python 函数式编程的特点

在 Python 中,函数即对象,例如声明一个函数之后,你可以调用其属性。

下述代码展示的即为函数对象的属性,其余内容可以自行再做测试。

?
1
2
3
4
5
6
7
8
def my_func(var1, var2, **kw):
    return var1 + var2
print(type(my_func))  # <class 'function'>
print(my_func.__code__)
print(my_func.__dict__)
print(my_func.__code__.co_code)
print(my_func.__code__.co_filename)
print(my_func.__code__.co_argcount)

函数式编程之所以高效,其中一个很重要的原因就是延迟计算,也叫做惰性求值,这些在后面都将逐步展开,现在依旧是接收一下印象概念。

正是因为函数即对象,所有才有本文开篇那段对函数式编程的定义。

函数可以使用其它函数作为参数,或者返回另一个函数,所以在实际编码过程中,我们将会把函数转换成其它代码中的 “对象”,从而实现函数式编程。

接下来咱们要接触一下 Python 中的纯函数概念以及应用。

纯函数

纯函数是一个概念,也就是让函数不会对函数外作用域产生影响,即作用域为本地。

说简单点,就是在函数内部避免赋值操作,当然类似 global 等关键字也避免使用。

针对此,lambda 表达式就是纯函数。

首先查看一个纯函数的例子:

?
1
2
def my_func(num: int) -> int:
    return num * 100

上述代码中函数的返回值仅与 num 有关,满足下面两个条件:

  • 没有改变全局变量;
  • 没有更新可变数据结构,例如列表,字典。

接触完毕纯函数概念之后,下面了解一下函数作为对象的落地应用。

在 Python 中声明一个类,默认会携带部分内置的方法,例如:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
from typing import Callable
# 声明一个类,该类无意义,仅测试使用
class Ext:
    # 传入的函数,可携带1~2个参数
    def __init__(self, test_demo: Callable[[int], int]) -> None:
        self.func = test_demo
    # 返回结果扩大2倍
    def __call__(self, arg: int) -> int:
        return self.func(arg) * 2
def one_func(var):
    return var + 1
def two_func(var):
    return var * 3
def three_func(var):
    return var
a = Ext(one_func)
print(a(3))  # 8
b = Ext(two_func)
print(b(3))  # 18
c = Ext(three_func)
print(c(3))  # 6

上述代码使用了一个新的模块 typing,该模块是 Python 3.5 之后新增的模块,主要为 Python 提供静态类型的检查 。

本案例中导入的是回调函数 Callable,格式如下:

?
1
Callable[[Arg1Type, Arg2Type],ReturnType]

其中内部中括号 Arg1Type 是参数类型,ReturnType 为返回值类型。

上述三个函数的签名都与 Callable 定义的一致,所以都可以作为 test_demo 参数的值去传递。

以上就是Python函数式编程之面向过程面向对象及函数式简析的详细内容,更多关于Python函数式编程面向过程面向对象及函数式的资料请关注服务器之家其它相关文章!

原文链接:https://dream.blog.csdn.net/article/details/120129762