利用Fn.py库在Python中进行函数式编程

尽管Python事实上并不是一门纯函数式编程语言，但它本身是一门多范型语言，并给了你足够的自由利用函数式编程的便利。函数式风格有着各种理论与实际上的好处（你可以在Python的文档中找到这个列表）：

虽然这份列表已经描述得够清楚了，但我还是很喜欢Michael O.Church在他的文章“函数式程序极少腐坏（Functional programs rarely rot）”中对函数式编程的优点所作的描述。我在PyCon UA 2012期间的讲座“Functional Programming with Python”中谈论了在Python中使用函数式方式的内容。我也提到，在你尝试在Python中编写可读同时又可维护的函数式代码时，你会很快发现诸多问题。

fn.py类库就是为了应对这些问题而诞生的。尽管它不可能解决所有问题，但对于希望从函数式编程方式中获取最大价值的开发者而言，它是一块“电池”，即使是在命令式方式占主导地位的程序中，也能够发挥作用。那么，它里面都有些什么呢？
Scala风格的Lambda定义

在Python中创建Lambda函数的语法非常冗长，来比较一下：

Python

map(lambda x: x*2, [1,2,3])

Scala

代码如下:
List(1,2,3).map(_*2)

Clojure

代码如下:
(map #(* % 2) '(1 2 3))

Haskell

代码如下:
map (2*) [1,2,3]

受Scala的启发，Fn.py提供了一个特别的_对象以简化Lambda语法。

from fn import _assert (_ + _)(10, 5) = 15assert list(map(_ * 2, range(5))) == [0,2,4,6,8]assert list(filter(_ < 10, [9,10,11])) == [9]

除此之外还有许多场景可以使用_：所有的算术操作、属性解析、方法调用及分片算法。如果你不确定你的函数具体会做些什么，你可以将结果打印出来：

from fn import _ print (_ + 2) # "(x1) => (x1 + 2)" print (_ + _ * _) # "(x1, x2, x3) => (x1 + (x2 * x3))"

流（Stream）及无限序列的声明

Scala风格的惰性求值（Lazy-evaluated）流。其基本思路是：对每个新元素“按需”取值，并在所创建的全部迭代中共享计算出的元素值。Stream对象支持<<操作符，代表在需要时将新元素推入其中。

惰性求值流对无限序列的处理是一个强大的抽象。我们来看看在函数式编程语言中如何计算一个斐波那契序列。

Haskell

代码如下:fibs = 0 : 1 : zipWith (+) fibs (tail fibs)

Clojure

代码如下:(def fib (lazy-cat [0 1] (map + fib (rest fib))))

Scala

代码如下:def fibs: Stream[Int] =
     0 #:: 1 #:: fibs.zip(fibs.tail).map{case (a,b) => a + b}

现在你可以在Python中使用同样的方式了：