Функциональное программирование HOWTO

Введение

В этом разделе объясняется основная концепция функционального программирования; если вас интересуют только языковые особенности Python, переходите к следующему разделу о Итераторах.

Языки программирования поддерживают декомпозицию задач несколькими способами:

• Большинство языков программирования являются процедурными: программы представляют собой списки инструкций, которые сообщают компьютеру, что делать с входными данными программы. C, Pascal и даже оболочки Unix являются процедурными языками.
• В декларативных языках вы записываете спецификацию, описывающую задачу, которую нужно решить, а реализация языка определяет, как выполнить вычисление эффективно. SQL — это декларативный язык, с которым вы, скорее всего, знакомы; запрос SQL описывает набор данных, который вы хотите получить, а движок SQL решает, сканировать ли таблицы или использовать индексы, какие подзапросы должны выполняться первыми и т. д.
• Программы на объектно-ориентированных языках манипулируют коллекциями объектов. Объекты имеют внутреннее состояние и поддерживают методы, которые запросом или изменяют это внутреннее состояние каким-либо образом. Smalltalk и Java являются объектно-ориентированными языками. C++ и Python поддерживают объектно-ориентированное программирование, но не навязывают использование объектно-ориентированных функций.
• В функциональном программировании задача разбивается на набор функций. В идеале функции принимают только входные данные и производят выходные данные, и не имеют внутреннего состояния, которое влияет на выходные данные для данного входного значения. Известные функциональные языки включают семейство ML (Standard ML, OCaml и другие варианты) и Haskell.

Разработчики некоторых языков программирования выбирают для акцента определенный подход к программированию. Это часто затрудняет написание программ, использующих другой подход. Другие языки являются языками многопарадигмы, которые поддерживают несколько различных подходов. Lisp, C++ и Python являются языками многопарадигмы; вы можете писать программы или библиотеки, которые в значительной степени являются процедурными, объектно-ориентированными или функциональными во всех этих языках. В большой программе разные разделы могут быть написаны с использованием разных подходов; например, графический интерфейс может быть объектно-ориентированным, в то время как логика обработки — процедурной или функциональной.

В функциональной программе входные данные проходят через набор функций. Каждая функция обрабатывает входные данные и производит выходные данные. Функциональный стиль не рекомендует функции с побочными эффектами, которые изменяют внутреннее состояние или вносят другие изменения, которые не видны в возвращаемом значении функции.

Функции, которые вообще не имеют побочных эффектов, называются чисто функциональными. Избежание побочных эффектов означает, что не нужно использовать структуры данных, которые обновляются по мере выполнения программы; выходные данные каждой функции должны зависеть только от ее входных данных.

Некоторые языки очень строго относятся к чистоте и даже не имеют операторов присваивания, таких как a=3 или c = a + b, но трудно избежать всех побочных эффектов, таких как вывод на экран или запись в файл диска. Другой пример — вызов функции print() или time.sleep(), ни одна из которых не возвращает полезного значения. Оба вызываются только для их побочных эффектов — отправки текста на экран или приостановки выполнения на секунду.

Программы Python, написанные в функциональном стиле, обычно не будут доходить до крайности, избегая всего ввода-вывода или всех присваиваний; вместо этого они предоставят функциональный интерфейс, но будут использовать внутренне не функциональные функции. Например, реализация функции по-прежнему будет использовать присваивания локальным переменным, но не будет изменять глобальные переменные или иметь другие побочные эффекты.

Функциональное программирование можно рассматривать как противоположность объектно-ориентированному программированию. Объекты — это небольшие капсулы, содержащие некоторое внутреннее состояние вместе с набором вызовов методов, которые позволяют вам изменять это состояние, и программы состоят из создания правильного набора изменений состояния. Функциональное программирование стремится максимально избежать изменений состояния и работает с данными, передаваемыми между функциями. В Python вы можете комбинировать оба подхода, написав функции, которые принимают и возвращают экземпляры, представляющие объекты в вашем приложении (сообщения электронной почты, транзакции и т. д.).

Функциональная разработка может показаться странным ограничением. Почему следует избегать объектов и побочных эффектов? Существуют теоретические и практические преимущества функционального стиля:

• Формальная проверяемость.
• Модульность.
• Композиционность.
• Простота отладки и тестирования.

Итераторы

Начну с рассмотрения важной для написания функциональных программ особенности языка Python: итераторов.

Итератор — это объект, представляющий поток данных; этот объект возвращает данные по одному элементу за раз. Итератор Python должен поддерживать метод с именем __next__(), который не принимает аргументов и всегда возвращает следующий элемент потока. Если в потоке больше нет элементов, __next__() должен возбудить исключение StopIteration. Итераторы не обязательно должны быть конечными; вполне разумно написать итератор, генерирующий бесконечный поток данных.

Встроенная функция iter() принимает произвольный объект и пытается вернуть итератор, который вернёт содержимое или элементы объекта, возбуждая TypeError, если объект не поддерживает итерацию. Несколько встроенных типов данных Python поддерживают итерацию, наиболее распространёнными из которых являются списки и словари. Объект называется итерируемым, если для него можно получить итератор.

Вы можете поэкспериментировать с интерфейсом итерации вручную:

>>> L = [1, 2, 3]
>>> it = iter(L)
>>> it  
<...iterator object at ...>
>>> it.__next__()  # same as next(it)
1
>>> next(it)
2
>>> next(it)
3
>>> next(it)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
>>>

Python ожидает итерируемые объекты в нескольких контекстах, наиболее важным из которых является оператор for. В операторе for X in Y, Y должен быть итератором или объектом, для которого iter() может создать итератор. Эти два оператора эквивалентны:

for i in iter(obj):
    print(i)

for i in obj:
    print(i)

Итераторы могут быть материализованы в списки или кортежи с помощью конструкторских функций list() или tuple():

>>> L = [1, 2, 3]
>>> iterator = iter(L)
>>> t = tuple(iterator)
>>> t
(1, 2, 3)

Распаковка последовательностей также поддерживает итераторы: если вы знаете, что итератор вернёт N элементов, вы можете распаковать их в N-кортеж:

>>> L = [1, 2, 3]
>>> iterator = iter(L)
>>> a, b, c = iterator
>>> a, b, c
(1, 2, 3)

Встроенные функции, такие как max() и min(), могут принимать один аргумент-итератор и возвращать наибольший или наименьший элемент. Операторы "in" и "not in" также поддерживают итераторы: X in iterator истинно, если X найден в потоке, возвращаемом итератором. Возникнут очевидные проблемы, если итератор бесконечен; max(), min() никогда не вернут результат, и если элемент X никогда не появляется в потоке, операторы "in" и "not in" тоже не вернут результат.

Обратите внимание, что вы можете перемещаться только вперёд в итераторе; нет способа получить предыдущий элемент, перезапустить итератор или сделать его копию. Объекты-итераторы могут по желанию предоставлять эти дополнительные возможности, но протокол итератора определяет только метод __next__(). Поэтому функции могут потреблять весь выходной поток итератора, и если вам нужно сделать что-то другое с тем же потоком, вам придётся создать новый итератор.

>>> m = {'Jan': 1, 'Feb': 2, 'Mar': 3, 'Apr': 4, 'May': 5, 'Jun': 6,
...      'Jul': 7, 'Aug': 8, 'Sep': 9, 'Oct': 10, 'Nov': 11, 'Dec': 12}
>>> for key in m:
...     print(key, m[key])
Jan 1
Feb 2
Mar 3
Apr 4
May 5
Jun 6
Jul 7
Aug 8
Sep 9
Oct 10
Nov 11
Dec 12

>>> L = [('Italy', 'Rome'), ('France', 'Paris'), ('US', 'Washington DC')]
>>> dict(iter(L))
{'Italy': 'Rome', 'France': 'Paris', 'US': 'Washington DC'}

for line in file:
    # do something for each line
    ...

S = {2, 3, 5, 7, 11, 13}
for i in S:
    print(i)

Выражения-генераторы и списковые включения

Две распространённые операции над выходом итератора: 1) выполнение какой-либо операции для каждого элемента, 2) выбор подмножества элементов, удовлетворяющих некоторому условию. Например, у вас может быть список строк, и вы хотите удалить пробелы в конце каждой строки или извлечь все строки, содержащие заданную подстроку.

Списковые включения и выражения-генераторы (краткое обозначение: «списковые включения» и «выражения-генераторы») — это краткая запись для таких операций, заимствованная из функционального языка программирования Haskell (https://www.haskell.org/). Вы можете удалить все пробелы из потока строк с помощью следующего кода:

line_list = ['  line 1\n', 'line 2  \n', ...]

# Generator expression -- returns iterator
stripped_iter = (line.strip() for line in line_list)

# List comprehension -- returns list
stripped_list = [line.strip() for line in line_list]

Вы можете выбрать только определённые элементы, добавив условие "if":

stripped_list = [line.strip() for line in line_list
                 if line != ""]

С помощью спискового включения вы получите список Python; stripped_list — это список, содержащий результирующие строки, а не итератор. Выражения-генераторы возвращают итератор, который вычисляет значения по мере необходимости, не материализуя все значения сразу. Это означает, что списковые включения не подходят, если вы работаете с итераторами, которые возвращают бесконечный поток или очень большой объём данных. В таких ситуациях предпочтительнее использовать выражения-генераторы.

Выражения-генераторы заключены в скобки («()»), а списковые включения — в квадратные скобки («[]»). Выражения-генераторы имеют вид:

( expression for expr in sequence1
             if condition1
             for expr2 in sequence2
             if condition2
             for expr3 in sequence3 ...
             if condition3
             for exprN in sequenceN
             if conditionN )

Опять же, для спискового включения отличаются только внешние скобки (квадратные скобки вместо круглых).

Элементы генерируемого результата будут последовательными значениями expression. Оператор if — это необязательные условия; если они присутствуют, expression оценивается и добавляется к результату только тогда, когда condition истинно.

Выражения-генераторы всегда должны записываться в круглых скобках, но также учитываются скобки, обозначающие вызов функции. Если вы хотите создать итератор, который немедленно передаётся функции, вы можете написать:

obj_total = sum(obj.count for obj in list_all_objects())

Операторы for...in содержат последовательности, по которым нужно итерироваться. Последовательности не обязательно должны иметь одинаковую длину, потому что они итерируются слева направо, а не параллельно. Для каждого элемента в sequence1, sequence2 перебирается с начала. sequence3 затем перебирается для каждой получившейся пары элементов из sequence1 и sequence2.

Другими словами, списковое включение или выражение-генератор эквивалентно следующему коду Python:

for expr1 in sequence1:
    if not (condition1):
        continue   # Skip this element
    for expr2 in sequence2:
        if not (condition2):
            continue   # Skip this element
        ...
        for exprN in sequenceN:
            if not (conditionN):
                continue   # Skip this element

            # Output the value of
            # the expression.

Это означает, что когда есть несколько for...in операторов, но нет if операторов, длина результирующего результата будет равна произведению длин всех последовательностей. Если у вас есть два списка длиной 3, длина выходного списка будет 9 элементов:

>>> seq1 = 'abc'
>>> seq2 = (1, 2, 3)
>>> [(x, y) for x in seq1 for y in seq2]  
[('a', 1), ('a', 2), ('a', 3),
 ('b', 1), ('b', 2), ('b', 3),
 ('c', 1), ('c', 2), ('c', 3)]

Чтобы избежать неоднозначности в грамматике Python, если expression создаёт кортеж, он должен быть заключён в круглые скобки. Первый списковое включение ниже является синтаксической ошибкой, тогда как второе — корректным:

# Syntax error
[x, y for x in seq1 for y in seq2]
# Correct
[(x, y) for x in seq1 for y in seq2]

Генераторы

Генераторы — это специальный класс функций, которые упрощают задачу написания итераторов. Обычные функции вычисляют значение и возвращают его, но генераторы возвращают итератор, который возвращает поток значений.

Вы, несомненно, знакомы с тем, как работают вызовы обычных функций в Python или C. При вызове функции ей предоставляется личное пространство имён, где создаются её локальные переменные. Когда функция достигает оператора return, локальные переменные уничтожаются, а значение возвращается вызывающей стороне. Поздний вызов той же функции создаёт новое личное пространство имён и новый набор локальных переменных. Но что, если локальные переменные не уничтожались при выходе из функции? Что, если вы могли бы позже возобновить функцию с того места, где она остановилась? Вот что предоставляют генераторы; их можно рассматривать как возобновляемые функции.

Вот самый простой пример функции-генератора:

>>> def generate_ints(N):
...    for i in range(N):
...        yield i

Любая функция, содержащая ключевое слово yield, является функцией-генератором; это обнаруживается компилятором байткода Python, который компилирует функцию особым образом как результат.

При вызове функции-генератора она не возвращает единственное значение; вместо этого она возвращает объект генератора, который поддерживает протокол итератора. При выполнении выражения yield, генератор выводит значение i, подобно оператору return. Основное различие между yield и оператором return заключается в том, что при достижении yield состояние выполнения генератора приостанавливается, и локальные переменные сохраняются. При следующем вызове метода генератора __next__(), функция будет продолжать выполнение.

Вот пример использования генератора generate_ints():

>>> gen = generate_ints(3)
>>> gen  
<generator object generate_ints at ...>
>>> next(gen)
0
>>> next(gen)
1
>>> next(gen)
2
>>> next(gen)
Traceback (most recent call last):
  File "stdin", line 1, in <module>
  File "stdin", line 2, in generate_ints
StopIteration

Вы могли бы так же записать for i in generate_ints(5), или a, b, c = generate_ints(3).

Внутри функции-генератора return value вызывает StopIteration(value) из метода __next__(). После этого или достижения конца функции, поток значений заканчивается, и генератор больше не может выводить значения.

Вы могли бы добиться эффекта генераторов вручную, написав свой собственный класс и сохранив все локальные переменные генератора в качестве переменных экземпляра. Например, возврат списка целых чисел можно сделать, установив self.count в 0 и добавив метод __next__(), который увеличивает self.count и возвращает его. Однако для умеренно сложного генератора написание соответствующего класса может быть намного сложнее.

Набор тестов, включенный в библиотеку Python, Lib/test/test_generators.py, содержит ряд более интересных примеров. Вот один генератор, реализующий обход дерева в порядке обхода в глубину с использованием рекурсивных генераторов.

# A recursive generator that generates Tree leaves in in-order.
def inorder(t):
    if t:
        for x in inorder(t.left):
            yield x

        yield t.label

        for x in inorder(t.right):
            yield x

Два других примера в test_generators.py создают решения задачи N ферзей (размещение N ферзей на шахматной доске NxN так, чтобы ни один ферзь не угрожал другому) и задачи конного тура (поиск маршрута, который перемещает коня по всем клеткам шахматной доски NxN без посещения любой клетки дважды).

val = (yield i)

def counter(maximum):
    i = 0
    while i < maximum:
        val = (yield i)
        # If value provided, change counter
        if val is not None:
            i = val
        else:
            i += 1

>>> it = counter(10)  
>>> next(it)  
0
>>> next(it)  
1
>>> it.send(8)  
8
>>> next(it)  
9
>>> next(it)  
Traceback (most recent call last):
  File "t.py", line 15, in <module>
    it.next()
StopIteration

Встроенные функции

Давайте подробнее рассмотрим встроенные функции, часто используемые с итераторами.

Две встроенные функции Python, map() и filter() дублируют возможности генераторных выражений:

map(f, iterA, iterB, ...) returns an iterator over the sequence

f(iterA[0], iterB[0]), f(iterA[1], iterB[1]), f(iterA[2], iterB[2]), ....

>>> def upper(s):
...     return s.upper()

>>> list(map(upper, ['sentence', 'fragment']))
['SENTENCE', 'FRAGMENT']
>>> [upper(s) for s in ['sentence', 'fragment']]
['SENTENCE', 'FRAGMENT']

Конечно, вы можете добиться того же результата с помощью спискового включения.

filter(predicate, iter) возвращает итератор по всем элементам последовательности, которые удовлетворяют определенному условию, и аналогично дублируется списковыми включениями. **Предикат** — это функция, которая возвращает значение истинности некоторого условия; для использования с filter() предикат должен принимать одно значение.

>>> def is_even(x):
...     return (x % 2) == 0

>>> list(filter(is_even, range(10)))
[0, 2, 4, 6, 8]

Это также можно записать как списковое включение:

>>> list(x for x in range(10) if is_even(x))
[0, 2, 4, 6, 8]

enumerate(iter, start=0) нумерует элементы в итерируемом объекте, возвращая кортежи из 2 элементов, содержащие счётчик (от start) и каждый элемент.

>>> for item in enumerate(['subject', 'verb', 'object']):
...     print(item)
(0, 'subject')
(1, 'verb')
(2, 'object')

enumerate() часто используется при переборе списка и записи индексов, в которых выполняются определённые условия:

f = open('data.txt', 'r')
for i, line in enumerate(f):
    if line.strip() == '':
        print('Blank line at line #%i' % i)

sorted(iterable, key=None, reverse=False) собирает все элементы итерируемого объекта в список, сортирует список и возвращает отсортированный результат. Аргументы key и reverse передаются методу sort() созданного списка.

>>> import random
>>> # Generate 8 random numbers between [0, 10000)
>>> rand_list = random.sample(range(10000), 8)
>>> rand_list  
[769, 7953, 9828, 6431, 8442, 9878, 6213, 2207]
>>> sorted(rand_list)  
[769, 2207, 6213, 6431, 7953, 8442, 9828, 9878]
>>> sorted(rand_list, reverse=True)  
[9878, 9828, 8442, 7953, 6431, 6213, 2207, 769]

(Более подробное обсуждение сортировки см. в Руководстве по сортировке.)

Встроенные функции any(iter) и all(iter) рассматривают значения истинности содержимого итерируемого объекта. any() возвращает True если какой-либо элемент в итерируемом объекте имеет значение «истина», а all() возвращает True если все элементы имеют значение «истина»:

>>> any([0, 1, 0])
True
>>> any([0, 0, 0])
False
>>> any([1, 1, 1])
True
>>> all([0, 1, 0])
False
>>> all([0, 0, 0])
False
>>> all([1, 1, 1])
True

zip(iterA, iterB, ...) берёт по одному элементу из каждого итерируемого объекта и возвращает их в виде кортежа:

zip(['a', 'b', 'c'], (1, 2, 3)) =>
  ('a', 1), ('b', 2), ('c', 3)

Она не создаёт список в памяти и не извлекает все входные итераторы, прежде чем вернуть результат; вместо этого кортежи создаются и возвращаются только по запросу. (Технический термин для этого поведения — ленивая оценка.)

Этот итератор предназначен для использования с итерируемыми объектами, имеющими одинаковую длину. Если итерируемые объекты имеют разную длину, результирующая последовательность будет иметь длину самого короткого итерируемого объекта.

zip(['a', 'b'], (1, 2, 3)) =>
  ('a', 1), ('b', 2)

Следует избегать этого, так как элемент может быть взят из более длинных итераторов и отброшен. Это означает, что вы не сможете продолжить использование итераторов, потому что рискуете пропустить отброшенный элемент.

Модуль itertools

Модуль itertools содержит ряд часто используемых итераторов, а также функции для комбинирования нескольких итераторов. Этот раздел познакомит вас с содержимым модуля на примерах.

Функции модуля можно разделить на несколько основных категорий:

• Функции, создающие новый итератор на основе существующего.
• Функции для обработки элементов итератора как аргументов функции.
• Функции для выбора частей выходных данных итератора.
• Функция для группировки выходных данных итератора.

itertools.count() =>
  0, 1, 2, 3, 4, 5, 6, 7, 8, 9, ...
itertools.count(10) =>
  10, 11, 12, 13, 14, 15, 16, 17, 18, 19, ...
itertools.count(10, 5) =>
  10, 15, 20, 25, 30, 35, 40, 45, 50, 55, ...

itertools.cycle([1, 2, 3, 4, 5]) =>
  1, 2, 3, 4, 5, 1, 2, 3, 4, 5, ...

itertools.repeat('abc') =>
  abc, abc, abc, abc, abc, abc, abc, abc, abc, abc, ...
itertools.repeat('abc', 5) =>
  abc, abc, abc, abc, abc

itertools.chain(['a', 'b', 'c'], (1, 2, 3)) =>
  a, b, c, 1, 2, 3

itertools.islice(range(10), 8) =>
  0, 1, 2, 3, 4, 5, 6, 7
itertools.islice(range(10), 2, 8) =>
  2, 3, 4, 5, 6, 7
itertools.islice(range(10), 2, 8, 2) =>
  2, 4, 6

itertools.tee( itertools.count() ) =>
   iterA, iterB

where iterA ->
   0, 1, 2, 3, 4, 5, 6, 7, 8, 9, ...

and   iterB ->
   0, 1, 2, 3, 4, 5, 6, 7, 8, 9, ...

itertools.starmap(os.path.join,
                  [('/bin', 'python'), ('/usr', 'bin', 'java'),
                   ('/usr', 'bin', 'perl'), ('/usr', 'bin', 'ruby')])
=>
  /bin/python, /usr/bin/java, /usr/bin/perl, /usr/bin/ruby

itertools.filterfalse(is_even, itertools.count()) =>
  1, 3, 5, 7, 9, 11, 13, 15, ...

def less_than_10(x):
    return x < 10

itertools.takewhile(less_than_10, itertools.count()) =>
  0, 1, 2, 3, 4, 5, 6, 7, 8, 9

itertools.takewhile(is_even, itertools.count()) =>
  0

itertools.dropwhile(less_than_10, itertools.count()) =>
  10, 11, 12, 13, 14, 15, 16, 17, 18, 19, ...

itertools.dropwhile(is_even, itertools.count()) =>
  1, 2, 3, 4, 5, 6, 7, 8, 9, 10, ...

itertools.compress([1, 2, 3, 4, 5], [True, True, False, False, True]) =>
   1, 2, 5

itertools.combinations([1, 2, 3, 4, 5], 2) =>
  (1, 2), (1, 3), (1, 4), (1, 5),
  (2, 3), (2, 4), (2, 5),
  (3, 4), (3, 5),
  (4, 5)

itertools.combinations([1, 2, 3, 4, 5], 3) =>
  (1, 2, 3), (1, 2, 4), (1, 2, 5), (1, 3, 4), (1, 3, 5), (1, 4, 5),
  (2, 3, 4), (2, 3, 5), (2, 4, 5),
  (3, 4, 5)

itertools.permutations([1, 2, 3, 4, 5], 2) =>
  (1, 2), (1, 3), (1, 4), (1, 5),
  (2, 1), (2, 3), (2, 4), (2, 5),
  (3, 1), (3, 2), (3, 4), (3, 5),
  (4, 1), (4, 2), (4, 3), (4, 5),
  (5, 1), (5, 2), (5, 3), (5, 4)

itertools.permutations([1, 2, 3, 4, 5]) =>
  (1, 2, 3, 4, 5), (1, 2, 3, 5, 4), (1, 2, 4, 3, 5),
  ...
  (5, 4, 3, 2, 1)

itertools.permutations('aba', 3) =>
  ('a', 'b', 'a'), ('a', 'a', 'b'), ('b', 'a', 'a'),
  ('b', 'a', 'a'), ('a', 'a', 'b'), ('a', 'b', 'a')

itertools.combinations_with_replacement([1, 2, 3, 4, 5], 2) =>
  (1, 1), (1, 2), (1, 3), (1, 4), (1, 5),
  (2, 2), (2, 3), (2, 4), (2, 5),
  (3, 3), (3, 4), (3, 5),
  (4, 4), (4, 5),
  (5, 5)

city_list = [('Decatur', 'AL'), ('Huntsville', 'AL'), ('Selma', 'AL'),
             ('Anchorage', 'AK'), ('Nome', 'AK'),
             ('Flagstaff', 'AZ'), ('Phoenix', 'AZ'), ('Tucson', 'AZ'),
             ...
            ]

def get_state(city_state):
    return city_state[1]

itertools.groupby(city_list, get_state) =>
  ('AL', iterator-1),
  ('AK', iterator-2),
  ('AZ', iterator-3), ...

where
iterator-1 =>
  ('Decatur', 'AL'), ('Huntsville', 'AL'), ('Selma', 'AL')
iterator-2 =>
  ('Anchorage', 'AK'), ('Nome', 'AK')
iterator-3 =>
  ('Flagstaff', 'AZ'), ('Phoenix', 'AZ'), ('Tucson', 'AZ')

Модуль functools

Модуль functools в Python 2.5 содержит некоторые высшего порядка функции. Функция высшего порядка принимает на вход одну или несколько функций и возвращает новую функцию. Наиболее полезным инструментом в этом модуле является функция functools.partial().

Для программ, написанных в функциональном стиле, иногда необходимо создать варианты существующих функций, в которых некоторые параметры заполнены. Рассмотрим функцию Python f(a, b, c); возможно, вы захотите создать новую функцию g(b, c), которая эквивалентна f(1, b, c); вы заполняете значение для одного из параметров функции f(). Это называется «частичным применением функции».

Конструктор для partial() принимает аргументы (function, arg1, arg2, ..., kwarg1=value1, kwarg2=value2). Результирующий объект является вызываемым, поэтому вы можете просто вызвать его, чтобы вызвать function с заполненными аргументами.

Вот небольшой, но реалистичный пример:

import functools

def log(message, subsystem):
    """Write the contents of 'message' to the specified subsystem."""
    print('%s: %s' % (subsystem, message))
    ...

server_log = functools.partial(log, subsystem='server')
server_log('Unable to open socket')

functools.reduce(func, iter, [initial_value]) кумулятивно выполняет операцию над всеми элементами итерируемого объекта и, следовательно, не может быть применена к бесконечным итерируемым объектам. func должна быть функцией, которая принимает два элемента и возвращает одно значение. functools.reduce() берет первые два элемента A и B, возвращаемых итератором, и вычисляет func(A, B). Затем она запрашивает третий элемент C, вычисляет func(func(A, B), C), комбинирует этот результат с четвёртым элементом и продолжает до тех пор, пока итерируемый объект не будет исчерпан. Если итерируемый объект не возвращает никаких значений, возникает исключение TypeError. Если указано начальное значение, оно используется в качестве отправной точки, и func(initial_value, A) является первым вычислением.

>>> import operator, functools
>>> functools.reduce(operator.concat, ['A', 'BB', 'C'])
'ABBC'
>>> functools.reduce(operator.concat, [])
Traceback (most recent call last):
  ...
TypeError: reduce() of empty sequence with no initial value
>>> functools.reduce(operator.mul, [1, 2, 3], 1)
6
>>> functools.reduce(operator.mul, [], 1)
1

Если вы используете operator.add() с functools.reduce(), вы сложите все элементы итерируемого объекта. Этот случай настолько распространён, что существует специальная встроенная функция sum() для его вычисления:

>>> import functools, operator
>>> functools.reduce(operator.add, [1, 2, 3, 4], 0)
10
>>> sum([1, 2, 3, 4])
10
>>> sum([])
0

Однако во многих случаях использования functools.reduce() более ясно использовать очевидный цикл for:

import functools
# Instead of:
product = functools.reduce(operator.mul, [1, 2, 3], 1)

# You can write:
product = 1
for i in [1, 2, 3]:
    product *= i

Похожей функцией является itertools.accumulate(iterable, func=operator.add). Она выполняет то же вычисление, но вместо возвращения только конечного результата, accumulate() возвращает итератор, который также возвращает каждый промежуточный результат:

itertools.accumulate([1, 2, 3, 4, 5]) =>
  1, 3, 6, 10, 15

itertools.accumulate([1, 2, 3, 4, 5], operator.mul) =>
  1, 2, 6, 24, 120

Небольшие функции и выражение lambda

При написании программ в функциональном стиле вам часто нужны небольшие функции, которые действуют как предикаты или которые каким-то образом комбинируют элементы.

Если существует подходящая встроенная функция Python или функция модуля, вам совсем не нужно определять новую функцию:

stripped_lines = [line.strip() for line in lines]
existing_files = filter(os.path.exists, file_list)

Если необходимой функции не существует, необходимо написать её. Один из способов написать небольшие функции — использовать выражение lambda. lambda принимает несколько параметров и выражение, объединяющее эти параметры, и создаёт анонимную функцию, возвращающую значение выражения:

adder = lambda x, y: x+y

print_assign = lambda name, value: name + '=' + str(value)

Альтернативой является использование оператора def и определение функции обычным способом:

def adder(x, y):
    return x + y

def print_assign(name, value):
    return name + '=' + str(value)

Какой вариант предпочтительнее? Это вопрос стиля; я обычно избегаю использования lambda.

Одна из причин моего предпочтения в том, что lambda достаточно ограничен в определениях функций. Результат должен быть вычислим как одно выражение, что означает, что у вас не может быть многосторонних if... elif... else сравнений или операторов try... except. Если вы попытаетесь сделать слишком много в операторе lambda, вы получите слишком сложное выражение, которое трудно читать. Что делает следующий код?

import functools
total = functools.reduce(lambda a, b: (0, a[1] + b[1]), items)[1]

Вы можете это выяснить, но потребуется время, чтобы разобрать выражение и понять, что происходит. Использование коротких вложенных def операторов немного улучшает ситуацию:

import functools
def combine(a, b):
    return 0, a[1] + b[1]

total = functools.reduce(combine, items)[1]

Но лучше всего было бы просто использовать цикл for:

total = 0
for a, b in items:
    total += b

Или встроенную функцию sum() и генераторское выражение:

total = sum(b for a, b in items)

Во многих случаях использования functools.reduce() использование циклов for более понятно.

Фредрик Лундх однажды предложил следующий набор правил для переработки использования lambda:

1. Напишите функцию lambda.
2. Напишите комментарий, объясняющий, что делает эта функция lambda.
3. Немного изучите комментарий и придумайте имя, которое отражает суть комментария.
4. Преобразуйте lambda в оператор def, используя это имя.
5. Удалите комментарий.

Мне очень нравятся эти правила, но вы можете не согласиться, лучше ли этот стиль без lambda.

История изменений и благодарности

Автор хотел бы поблагодарить следующих людей за предоставление предложений, исправлений и помощи в различных набросках этой статьи: Ian Bicking, Nick Coghlan, Nick Efford, Raymond Hettinger, Jim Jewett, Mike Krell, Leandro Lameiro, Jussi Salmela, Collin Winter, Blake Winton.

Версия 0.1: опубликована 30 июня 2006 г.

Версия 0.11: опубликована 1 июля 2006 г. Исправлены опечатки.

Версия 0.2: опубликована 10 июля 2006 г. Слияние разделов genexp и listcomp в один. Исправлены опечатки.

Версия 0.21: Добавлено больше ссылок, предложенных на списке рассылки tutor.

Версия 0.30: Добавление раздела о модуле functional, написанном Collin Winter; добавление короткого раздела о модуле operator; несколько других правок.

Ссылки