函數式程式設計
上學期有上一門叫'人工智慧' 的課，老師強行要我們學了一個叫做prolog 的語言，哇那感覺確實難受，思維方式完全和之前學過的不一樣，寫個漢諾塔想了半天，最後還是在網上找了段代碼修改一下(怕被老師發現抄襲)才寫出來，貼一段出來感受一下：
hanoi(N) :- dohanoi(N, 'a', 'b', 'c').
dohanoi(0, _ , _ , _ ) :- !.
dohanoi(N, A, B, C) :-
N1 is N-1,
dohanoi(N1, A, C, B),
writeln([move, N, A-->C]),
dohanoi(N1, B, A, C).
登入後複製
當時是差不多弄懂了，主要是資料實在太少，debug 都無從談起，一遇上bug 就gg，我現在自己看也有點頭暈。不過據說 prolog 當年能和 Lisp 一爭高下，最近對 Lisp 也有點興趣，等弄完這些就去參拜一下這類函數式語言。
何謂函數式程式設計？廖大這裡寫道：
函數式程式設計就是一種抽象程度很高的程式設計範式，純粹的函數式程式語言所寫的函數沒有變量，因此，任意一個函數，只要輸入是確定的，輸出就是確定的，這種純函數我們稱之為沒有副作用。而允許使用變數的程式設計語言，由於函數內部的變數狀態不確定，同樣的輸入，可能得到不同的輸出，因此，這種函數是有副作用的。
可能看完還是有些不太理解，不急，先看完這幾個小節吧。
高階函數
在數學和電腦科學中，高階函數是至少滿足下列一個條件的函數:
接受一個或多個函數作為輸入
-
輸出一個函數
是說，把函數本身當成參數傳遞，或是回傳一個函數。
例如，可以像普通賦值一樣將函數賦值給變數：
>>> min(1, 2)
1
>>> f = min
>>> f(1, 2)
1
>>> f
<built-in function min>
>>> min
<built-in function min>
登入後複製
也可以給函數賦值(代碼接上)：
>>> min = 10
>>> min(1, 2)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'int' object is not callable
>>> f(1, 2)
1
>>> min = f
>>> min(1, 2)
1
登入後複製
還可以傳參，例如，一個計算所有數字的和的函數：
>>> def add(a, b):
... return a+b
...
>>> def mysum(f, *l):
... a = 0
... for i in l:
... a = f(a, i)
... return a
...
>>> mysum(add, 1, 2, 3)
6
>>> mysum(add, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
55
登入後複製
當然，將這個f 換成乘法就是計算所有數字的乘積了。
再來看看 python 內建的一些高階函數，常常會用到。
map/reduce
記得上學期上雲端運算的課程時依稀有聽過這個詞，不過這課很水，就沒怎麼聽，在這裡看到好像發現不太一樣？ ？
不過沒啥說的，簡單說一下每個函數的作用。
對於 map，其計算式可以看成這樣：
map(f, [x1, x2, ..., xn]) = [f(x1), f(x2), ..., f(xn)]
登入後複製
對於 reduce，其計算式可以看成這樣：
reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)
登入後複製
廖大那裡說得很清楚啦。
filter
filter 和 map 函數類似，接受一個函數和 iterable，傳回也是一個 list，不過其功能是根據函數傳回值是否為 True 來判斷是否保留該值。例如：
def is_odd(n):
return n % 2 == 1
list(filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15]))
# 结果: [1, 5, 9, 15]
登入後複製
sorted
sorted 函數同樣是一個高階函數，對參數key 傳遞函數可以將需要排列的序列經過key 函數處理後再進行排序，不過不會改變序列的值，例如：
>>> sorted([36, 5, -12, 9, -21], key=abs)
[5, 9, -12, -21, 36]
登入後複製
裝飾器(decorator)
匿名函數就不說了，以後用時再仔細看吧，裝飾器我記得之前看flask 的時候都研究了好久，這次再來複習一下。
簡單裝飾器
首先是一個簡單的裝飾器，在每次調用函數前打印出日誌：
import logging
def log(func):
def wrapper(*args, **kw):
logging.warn("%s is running" % func.__name__)
func(*args, **kw)
return wrapper登入後複製
這就是一個極其簡單的裝飾器，如何使用它呢？我最先看到的用法是在需要裝飾的函數前面加上@，但其實這是Python 的一個語法糖，最原始的用法反而更能讓人理解，先定義一個函數f：
def f():
print("in function f")
f = log(f)登入後複製
這樣定義了之後，我們再呼叫f 函數：
>>> f()
WARNING:root:f is running
in function f
登入後複製
使用@log 的結果與其一樣，其實@符號作為裝飾器的語法糖，與前面的賦值語句具有相同的功能，使代碼看起來更簡潔明了，避免再一次賦值操作，就像下面這樣：
@log
def f():
print("in function f")登入後複製
含參數的裝飾器
有時候我們還需要向裝飾器中傳入參數，例如，狀態，層次等信息，只需要在wrapper 函數外再'包裹'一層函數，如下所示：
import logging
def log(level):
def decorator(func):
def wrapper(*args, **kw):
logging.warn("%s is running at level %d" % (func.__name__, level))
return func(*args, **kw)
return wrapper
return decorator
@log(2)
def f():
print("in function f")
>>> f()
WARNING:root:f is running at level 2
in function f登入後複製
進一步理解
為了再進一步理解裝飾器，我們可以打印出函數f 的name 屬性：
#对于不加装饰器的 f，其 name 不变
>>> def f():
... print("in function f")
...
>>> f.__name__
'f'
#对于添加装饰器的函数，其 name 改变了
>>> @log
... def f():
... print("in function f")
...
>>> f.__name__
'wrapper'登入後複製
聯繫到最前面的裝飾器賦值語句，就可以大致明白髮生了什麼：
f = log(f)
使得f 指向修改為log(f) 的回傳值，即wrapper 函數。每次執行原函數 f 時，則會呼叫 wrapper 函數，在我們這個範例中，則是先列印日誌，然後執行原函數 f。
不過這樣有一個問題，這樣使得原函數f 的元資訊被替換了，關於f 的許多資訊消失不見，這是很難令人接受的，不過好在我們有functools 模組，修改函數為：
import functools
import logging
def log(func):
functools.wraps(func)
def wrapper(*args, **kw):
logging.warn("%s is running" % func.__name__)
func(*args, **kw)
return wrapper
>>> @log
... def f():
... print("in function f")
...
>>> f.__name__
'f'登入後複製
另外，還可以對同一個函數添加多個裝飾器：
@a
@b
@c
def f ():
# 等价于
f = a(b(c(f)))
登入後複製
總結
關於函數式編程我也不是很了解，這裡只是大概了解了一下其概念吧，平時肯定還是使用命令式編程用得多。不過有語言是純函數式語言，例如 Haskell 或 Lisp，學習它們會讓人打開一種新思路。
更多[python] 初探'函數式程式設計'相關文章請關注PHP中文網！
