在第一部分简单介绍了python的函数式编程基本方法后，从这部分开始将开始更深入的学习toolz的使用方法。话不多说，下面开始上示例代码。
将上一部分的函数拿来继续用
def add(x, y):
return x + y
def mul(x, y):
return x * y
def lesser(x, y):
if x < y:
return x
else:
return y
def greater(x, y):
if x > y:
return x
else:
return y
首先是accumulate的用法，功能类似于numpy的累加，不过操作（加、乘或其他计算）具体由传入的第一个参数来决定；又可以看出和reduce相近，只不过reduce只返回最后的结果
import numpy as np
X[X>=10].cumsum()
# >>>array([ 10, 21, 33, 46, 60, 75, 91, 108, 126, 145], dtype=int32)
data = range(10, 20)
list(accumulate(add, data))
# >>>[10, 21, 33, 46, 60, 75, 91, 108, 126, 145]
from functools import reduce
reduce(add,data)
# >>>145
继续来看map、reduce、accumulate的更灵活的一些用法，
data1 = [1, 2, 3, 4, 5]
data2 = [10, 20, 30, 40, 50]
list(map(add, data1, data2))
# >>>[11, 22, 33, 44, 55]
reduce(lesser, [5, 3, 2, 7, 3], 999999999) # 注意第三个参数为初值
# >>> 2
reduce(lesser, [5, 3, 2, 7, 3], 1)
# >>> 1
list(accumulate(lesser, [5, 3, 2, 7, 3]))
# >>> [5, 3, 2, 2, 2]
可以看出map、reduce、accumulate的第一个参数需要传入一个两个参数的函数（类似于双目运算符）。
到现在为止，热身活动已经结束了，开始介绍下面重要的一个概念，函数的柯里化（Currying，中文翻译还是有些怪，看英文有可能突然想到投3分的库里啊）。首先介绍python中的几种处理高阶函数（higher order function）的方式，高阶函数可以简单理解为函数的函数，即函数可以当做变量传来传去，从而达到更灵活的用法。
#方式1 普通函数
def cumsum(data):
return accumulate(add, data)
#方式2 匿名函数
cumsum = lambda data: accumulate(add, data)
#方式3 偏函数
from functools import partial
cumsum = partial(accumulate, add)
#三种方式都是下面一个结果
list(cumsum(data))
# >>>[10, 21, 33, 46, 60, 75, 91, 108, 126, 145]
我们用高阶函数的方式实现了一个输出每步累加值的函数cumsum，除了普通函数的方式外，另外两种方式个人感觉都还算pythonic，选哪种看个人喜好了。
同样的功能，更函数式的方式，下面轮到神射手curry出场了！
from toolz import curry
mul_cur = curry(mul)
mul_cur(2) # 传入参数后返回一个函数，然后就剩下一个参数可传了
# >>> <function mul at 0x00000000072A1EA0>
mul_cur(2)(3)
# >>> mul_cur(2)(3)
# 方式4 currying的方式
accumulate = curry(accumulate)
cumsum = accumulate(add)
用斐波那契函数的例子来说明一下稍微复杂一点的情况，生成斐波那契数列的前10个数字，但是又不想（或者不能）改变fib函数的前提下（虽然我知道这样执行效率低），通过curry来得到了一个新的函数，相比于直接用列表展开或者每次都用map去做的话，肯定是更加方便快捷，并且通过新的函数名提高了程序的可读性。
def fib(n):
a, b = 0, 1
for i in range(n):
a, b = b, a + b
return b
fib(9)
# >>> 55
map = curry(map)
fibMany = map(fib)
list(fibMany(range(10)))
# >>> [1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
最后，告诉大家其实没必要每次都用curry去“包裹”一次map，toolz里面做好准备工作，提供了相关的柯里化好的函数。
from toolz.curried import map, accumulate, reduce, filter
# 函数很多就不一一列举了， 这些都等价于下面手动柯里化
from toolz import map, curry
map = curry(map)
未完待续 ...
网友评论