使用 toolz 库开始在 Python 中进行函数式编程

在一个分为两部分的系列文章的第二篇中，我们将继续探索如何将函数式编程方法的思想导入 Python，以兼得两全。

在前一篇文章中，我们介绍了不可变数据结构。 这些结构允许我们编写“纯”函数，或者没有副作用的函数，仅仅接受一些参数并返回结果，同时保持良好的性能。

在这篇文章中，我们基于此使用 toolz 库。 这个库具有操作这些函数的功能，并且它们与纯函数特别配合良好。 在函数式编程世界中，这些通常被称为“高阶函数”，因为它们将函数作为参数并返回函数作为结果。

让我们从这个开始

def add_one_word(words, word):
    return words.set(words.get(word, 0) + 1)

此函数假定其第一个参数是不可变的类字典对象，并且它返回一个新的类字典对象，其中相关的place已递增：这是一个简单的频率计数器。

但是，只有当我们将其应用于单词流并进行reduce操作时，它才有用。 我们可以在内置模块 functools 中访问 reducer。 functools.reduce(function, stream, initializer)。

我们需要一个应用于流的函数，它将返回一个频率计数。

我们首先使用 toolz.curry

add_all_words = curry(functools.reduce, add_one_word)

使用此版本，我们将需要提供 initializer。 但是，我们不能只是将 pyrsistent.m 添加到 curry 中；它的顺序错误。

add_all_words_flipped = flip(add_all_words)

flip 高阶函数返回一个函数，该函数调用原始函数，但参数已翻转。

get_all_words = add_all_words_flipped(pyrsistent.m())

我们利用 flip 自动柯里化其参数的优势，为其提供一个起始值：一个空字典。

现在我们可以执行 get_all_words(word_stream) 并获得一个频率字典。 但是，我们如何获得单词流？ Python 文件是按行流。

def to_words(lines):
    for line in lines:
        yield from line.split()

在单独测试每个函数后，我们可以将它们组合起来

words_from_file = toolz.compose(get_all_words, to_words)

在这种情况下，仅由两个函数组成的组合很容易理解：首先应用 to_words，然后将 get_all_words 应用于结果。 散文，似乎与代码的顺序相反。

当我们开始认真对待可组合性时，这一点很重要。 有时可以将代码编写为一系列单元，分别测试每个单元，最后将它们全部组合起来。 如果有多个元素，则 compose 的顺序可能会变得难以理解。

toolz 库借鉴了 Unix 命令行，并使用 pipe 作为执行相同操作的函数，但顺序相反。

words_from_file = toolz.pipe(to_words, get_all_words)

现在它读起来更直观：将输入管道传输到 to_words，并将结果管道传输到 get_all_words。 在命令行上，等效的命令如下所示

$ cat files | to_words | get_all_words

toolz 库允许我们操作函数，进行切片、切块和组合，以使我们的代码更易于理解和测试。