python:python是什么

转自：https://blog.csdn.net/pr去掉ogram_t汉hink/article/d字etails/7240881#comments_17004541

 

正文：

春节前有 网友留言，提醒Python系列好久没更新了（不知不觉又过了一年多）。俺回复留言说：春节假期补上后一篇。昨天听到鞭炮声才发觉元宵已经到了，赶忙写出本文。
　　 前一个帖子介绍了Python作为"面向对象编程"（以下简称OOP）语言的特点，今天来聊一聊Python作为"函数式编程"（以下简称FP）语言的特点。考虑到本系列面向的是Python的门外汉或刚入门的新手，故本文仅介绍若干浅显的FP特性。

 

★什么是函数式编程

　　说实话，"函数式编程语言"是一个很大的话题。由于篇幅有限，本文不可能对这个话题做全面介绍。俺干脆偷一下懒，只简单说说。
　　从字面上看，所谓的函数式编程，就是以"函数"为中心的"编程范式"。估计有同学又会问了，啥是"编程范式"捏？哎呦，这又是一个很大的话题。通俗来讲，"编程范式"就是指编程的套路。比方说大家很熟悉的OOP，就是一种"编程范式"。FP跟OOP一样，都是一种编程的套路。做个简单类比：OOP以"对象/类"作为程序设计的核心，而FP以"函数"作为程序设计的核心。

 

★FP的特点

　　既然说到FP，自然要稍微说一下FP的特色。

◇函数很牛X

　　刚才说了，FP是以函数为中心。既然如此，在支持FP的语言中，函数的功能自然十分牛X。通俗地说，OOP语言中，类/对象能干的事情，FP语言中的函数也能干。下面做一些对比，以加深大伙儿的印象。
OOP中，对象可以互相赋值；FP中，函数可以互相赋值。
OOP中，对象可以作为函数的参数/返回值，FP中，函数可以作为函数的参数/返回值。
某些OOP中，类可以嵌套定义；FP中，函数可以嵌套定义。
某些OOP中，可以有匿名类；FP中，可以有匿名函数。

◇避免副作用

　　在FP中，特别强调函数不要有"副作用"（洋文叫" side effect"）。没有副作用的函数，又称之为纯函数（pure function）。其输出完全依赖于输入。换句话说，只要输入一样，输出就一样。
　　要成为纯函数，函数内部不能读写函数外部变量、不能有设备I/O（比如读写文件）......
　　无副作用是FP的重要特性。FP的很多优点来自于此特性。

◇避免控制流

　　在FP中，尽量避免用控制流语句（循环语句、判断语句）。对于控制流语句，FP有另外的替代方式。比如：常用递归或高阶函数来替代循环。如此一来，FP的代码会显得更简洁，更可读。

◇多态

　　大部分支持FP的语言，也都支持多态。函数参数支持多态化，便可实现非常灵活的功能。

　　说了这么多，不知道大伙儿明白了没？还是没整明白的同学，请看 维基百科的英文词条（中文词条太简单，看不明白滴）。
　　洋文实在看不下去吗？那不妨看看IT大牛Joel写的《 你的编程语言能这样做吗？》（中文版在" 这里"）。此文以JavaScript来阐述FP的妙处。

 

★FP的优点

　　再稍微说一下FP的好处，以强化大伙儿学习的动力。

◇模块化

　　在FP的思想中，函数最好是"纯"的，而且最好只完成"单一"的任务。在这种指导思想下，函数的模块化程度自然就高。

◇可复用性

　　模块化程度高，直接的好处就是可复用性好。

◇可读性

　　刚才说了，FP的思想强调函数又纯又小。这样的函数，代码的可读性自然好，修改起来也方便。

◇易于调试

　　前面提到了纯函数。如果你的程序中大部分函数都是纯函数，则调试Bug会容易很多。像OOP中，类的多个成员函数都可以修改类的成员变量，有时候会导致调试极其困难。而纯函数没有此问题。
　　另外，多线程是调试的一大噩梦。当年俺还专门写过帖子，介绍C++多线程的注意事项（在" 这里"）。而纯函数由于没有副作用，不必担心各种"互斥"、"死锁"等问题。

◇易于测试

　　除了易于调试，纯函数的输出仅仅依赖于输入，这一特点注定了它很容易进行单元测试。

◇适合并行

　　在FP中，由于纯函数无副作用，很适合编写并行处理的代码。最典型并且在工业界获得巨大成功的例子就是Erlang。

◇其它

　　当然啦，FP的好处远不止上述这些（比如还有：利于形式化证明）。限于篇幅，俺就不展开了。

 

★Python的函数语法

　　Python中，常见的函数定义和函数调用，想必各位都晓得了。下面说几种不太常见的，且跟FP有关的语法。

 

◇函数赋值

Python可以把函数直接赋值给一个变量。举例如下：

def square(n) : # 这是一个计算平方的小函数，后面会反复用它举例
    return n ** 2

f = square # 此处赋值给变量f
f(10) # 此处返回100。注意：对该变量使用小括号，等同于调用函数

 

◇匿名定义

　　Python可以用lambda关键字定义 单行的匿名函数。套用刚才的例子

square = lambda x : x**2 # 定义一个单参数的匿名函数，并把该函数赋值给变量
square(10) # 此处返回 100

 

◇嵌套定义

Python支持函数的嵌套定义（请看如下例子）。这种语法，在"闭包"中经常出现（后面会具体介绍闭包）。

def outer() : # 外层函数
    s = "hello"
    def inner() : # 内层函数
        print(s) # 此处引用的是外层作用域的变量

inner() # 输出 hello
s = "world"
inner() # 输出 world

 

★和FP相关的内置函数

　　Python内置了一大坨用于FP的函数，以方便程序猿写出简洁的代码。在接下去聊之前，俺有必要先介绍其中的2个。

 

◇map(func, iter)

为了省事，俺只介绍2参数的map（正宗的map支持N参数）。
参数func是个函数，参数iter是个迭代器（也可以理解为集合）
map()会把iter的每个元素传给func，并把每次调用的结果保存到一个list中，然后返回此list。
举例：
挨个计算整数list的平方

map(square, [1, 2, 3]) # 返回 [1, 4, 9]

 

◇filter(func, iter)

参数含义同map
filter()会把iter的每个元素传给func，如果func返回结果为True，就把元素保存在一个list中，最后返回此list。

举例：
要过滤出所有奇数

def odd(n) :
    return (n%2) == 1

filter(odd, [1, 2, 3]) # 返回[1, 3]

此处可以用上lambda，把代码简化为一行

filter(lambda n: (n%2)==1, lst)

 

★消除控制流

　　为了让大伙儿更深刻体会FP风格同传统风格的差别，俺把刚才两个例子组合一下——要求返回整数list中所有奇数的平方。
传统的写法（有控制流）

def func1(lst) :
    new_lst = []
    for n in lst :
        if odd(n) :
        new_lst.append(square(n))
    return new_lst

FP的写法（无控制流）

def func2(lst) :
    return map(square, filter(odd, lst))

怎么样？是不是更简洁？连 for / if 两个关键字都不需要。

 

★List Comprehension

　　这个洋文比较难翻译。有人叫做"列表推导"，也有人称为"列表展开"或"列表解析"。（俺比较喜欢头一个翻译——不禁让人联想到"推倒":）
　　在Python中，这是一个很好吃的语法糖——可以让你写出很简洁、很优雅的代码。
举例1：
还拿刚才过滤奇数的例子。

filter(lambda n: (n%2)==1, lst)

上述写法可以等价替换为列表推导

[n for n in lst if (n%2)==1]

举例2：
再来一个稍微复杂的例子。假设有两个整数list，分别存储矩形的宽度和高度。现在想把所有的宽度和高度进行两两组合，把大于10的面积打印出来。
传统的写法（2层循环，4行代码）

for w in width :
    for h in height :
        if w*h > 10 :
    print(w*h)

FP的写法（无循环，1行代码，多精致啊）

print( [w*h for w in width for h in height if w*h > 10] )

　　除了列表推导，Python中还有字典推导、集合推导等等。为了省点口水，暂且打住。

 

★闭包

闭包，洋文叫"closure"，解释在" 这里"。它是FP的常见手法。那闭包到底有啥用捏？俺举一个微积分中，函数求导的例子。（不懂微积分或者对高数有心理阴影的同学，别担心，请把注意力集中在代码上）

def d(f) :
    def calc(x) :
        dx = 0.000001 # 表示无穷小的Δx
        return (f(x+dx) - f(x)) / dx # 计算斜率。注意，此处引用了外层作用域的变量 f
    return calc # 此处用函数作为返回值（也就是函数 f 的导数）    

现在，假设要计算二次函数 f(x) = x 2 + x + 1 的导数，只需

f = lambda x : x**2 + x + 1 # 先把二次函数用代码表达出来
    f1 = d(f) # 这个f1 就是 f 的一阶导数啦。注意，导数依然是个函数

有了一阶导数，就可以很容易地计算该函数在某点的斜率
比如要计算 x=3 的斜率，只需
f1(3)

如果要想得到二阶导数（导数的导数），只需依样画葫芦（瞧这代码写得多优雅）
f2 = d(f1)

　　看到这里，大伙儿不妨设想一下：如果不用FP，改用OOP，上述需求该如何实现？俺觉得吧，用OOP来求导，这代码写起来多半是又丑又臭。

 

★结尾

　　今天聊了不少FP的语法特性，可惜还是没聊完。由于俺比较懒，而且怕写得太长没人看，所以一些高级话题（比如：迭代器、生成器、等），今天就不介绍了。假如列位看官对那些玩意儿感兴趣，再抽空单独写一帖。