Документ посвящен функциональному программированию на Python, охватывая его основные принципы и концепции, такие как чистые функции, замыкания, рекурсия и неизменяемые структуры. Обсуждаются преимущества и недостатки функционального стиля по сравнению с императивным, а также примеры использования функций высших порядков и ленивых вычислений. Важное внимание уделяется итераторам, их архитектуре и применению в контексте Python.

1. Pyton – пробуем
функциональный
стиль
Жлобич Андрей
Wargaming.net
Python Developer
Minsk Python Meetup

2. Принципы ФП
✔ Чистота – нет побочных эффектов.
✔ Функции – сущности 1го рода.
✔ Функции высших порядков.
✔ Замыкания.
✔ Рекурсия.
✔ Неизменяемые структуры.
✔ Ленивые вычисления.

3. Versus
➔ Императивный стиль
➔ Функциональный Декларативный стиль
grep 'search-for' inputfile.txt > s1.txt
sort s1.txt > s2.txt
uniq s2.txt > result.txt
rm s1.txt s2.txt
cat inputfile.txt | grep 'search-for' |
sort | uniq | cat > result.txt

4. Чистые функции
def p_fact(n): # pure
return 1 if n < 2 else n * p_fact(n - 1)
def c_fact(n): # referentially transparent
try:
return c_fact._cache[n]
except KeyError:
x = c_fact._cache[n] = p_fact(n)
return x
c_fact._cache = {}
def o_fact(n): # io + logic - bad
f = p_fact(n)
print("{}! = {}".format(n, f)
return f
calculated_factorials = {}
def g_fact(n): # side effents
f = fact(n)
calculated_factorials[n] = f
return f

5. Побочные эффекты – плохо?
● Могут приводить к гейзенбагам.
● Без побочных эффектов никак не обойтись.
● Даже в pure-functional языках.
● Но их можно локализовать.
● Система типов может в этом помогать.

6. Ошибки начинающих
a = [[]] * 3
a[0].append(1)
print(a)
# [[1], [1], [1]] - WTF?
class Foo:
g = {}
def __init__(self, x):
self.g[x] = x
f1, f2 = Foo(5), Foo(6)
print(f2.x)
# {5:5, 6:6} - WTF
f = [lambda: i for i in [1, 2]]
for x in f:
print(x(), end="")
# 22 – WTF?
def f(x, a=[]):
a.append(x)
print(a)
print(f(1))
print(f(2))
# [1, 2] – WTF?
`

7. Мутабельный объект
class Point(object):
def __init__(self, x, y):
self.x, self.y = x, y
def move(self, dx, dy):
self.x += dx
self.y += dy
def distance(self, other):
return ((self.x - other.x) ** 2 +
(self.y - other.y) ** 2) ** 0.5

8. Немутабельный объект
class Point(object):
def __init__(self, x, y):
self.x, self.y = x, y
def move(self, dx, dy):
return Point(self.x + dx, self.y + dy)
def distance(self, other):
return ((self.x - other.x) ** 2 +
(self.y - other.y) ** 2) ** 0.5

9. А зачем тогда объект?
Point = namedtuple('Point', 'x, y')
def move_point(point, dx, dy):
return Point(point.x + dx, point.y + dy)
def distance(point1, point2):
return ((point1.x - point2.x) ** 2 +
(point1.y - point2.y) ** 2) ** 0.5

10. “Перестаньте писать классы”
class Greeting(object):
def __init__(self, word):
self.word = word
def greet(self, name):
return "{}, {}!".format(self.word, name)
greet_hello = Greeting('Hello').greet
# -- VERSUS --
def greet(word, name):
return "{}, {}!".format(word, name)
greet_hello = functools.partial(greet, 'Hello')

11. Высокоуровневые функции ввода-вывода
def process_line(line):
a, b = map(int, line.split())
return "out: " + str(a + b)
def interact(f):
for line in sys.stdin:
print(f(line))
def run():
interact(process_line)
Какой вариант лучше?
def print_result(val):
print("out:" + str(val))
def run():
for line in sys.stdin:
a, b = map(int, line.split())
print_result(a + b)

12. PEP 443 – singledispatch – in stdlib since 3.4
from singledispatch import singledispatch
@singledispatch
def move_point(point, x, y): ...
@move_point.register(tuple)
def _(point, x, y): ...
@move_point.register(Point)
def _(point, x, y): ...

13. Функции – сущности 1го рода
def singledispatch(func):
registry = {}
def dispatch(cls):
try:
return registry[cls]
except KeyError:
return _find_impl(cls, registry)
def register(cls, func=None):
if func is None:
return lambda f: register(cls, f)
registry[cls] = func
return func
def wrapper(*args, **kwargs):
return dispatch(args[0].__class__)(*args, **kwargs)
registry[object] = func
wrapper.register = register
wrapper.dispatch = dispatch
return wrapper

14. singledispatch – тест
CPython PyPy
0
10
20
30
40
50
60
70
80
90
class singledispatch

15. Origins of lambda
def genfunc(args, expr):
exec("def f(" + args + "): return " + expr)
return eval('f')
vals = [1, 2, 3]
newvals = map(genfunc('x', 'x * 2'), vals)
1993 – Python version < 1.0 – нет lambda

16. print map(lambda x: x * 2, [1, 2, 3])
# внутри другой функции - ERROR!
y = 2
print map(lambda x: x * y, [1, 2, 3])
# workaround
print map(lambda x, y=y: x * y, [1, 2, 3])
January 1994 – Python 1.0
Origins of lambda

17. Origins of lambda
April 2001 – Python 2.1 – замыкания
December 2008 – Python 3.0
● Больше итераторов (map, filter, dict values/keys).
● Хотели убрать lambda – оставили!
● Добавили nonlocal – мутабельные замыкания.
● Убрали reduce из builtins.

18. Sugared lambda
Добавляем “новый” синтаксис
from underscore import _
print map(_ + 1, [1, 2, 3])
assert (_)(1) == 1
assert (_ + _)(1, 2) == 3
assert ((_ * _) + _)(2, 3, 4) == 10

19. Sugared lambda – реализация
● Прототип underscore <90 строк.
● Реализации на pypi – fn, whatever.
● Нету замыканий, оверхед на создание.
class Underscore(object):
__slots__ = ['_arity', '_call']
def __init__(self, arity, call):
self._arity = arity
self._call = call
def __call__(self, *args):
return self._call(*args)
def __add__(self, value):
...
...

20. Sugared lambda – скорость
CPython PyPy
0
5
10
15
20
25
30
35
40
45
50
lambda underscore whatever fn
X 4

21. Функции высших порядков
Функции принимают другие функции в
качестве аргументов.
map, filter, timeit, iter...
Все декораторы!
trace, memoize, locking, transaction...

22. Пример
def process_file(filename):
with open(filename) as fp:
lines = iter(fp.readline, "")
ints = map(int, lines)
print map(memoize(func), ints)
timed(process_file)(filename)

23. Функции – тоже данные
● Можно хранить в структурах данных.
● Список или словарь функций – хорошо!
● Не забываем про замыкания.
● Функции – атомарные значения.

24. Функции везде
map("%s:%s".__mod__, zip("abc", [1, 2, 3]))
# ["a1", "b2", "c3"]
filter(set([1, 3]).__contains__, [2, 3, 4, 5])
# [3]
filter(bool, [1, 0, "", None, 3])
# [1, 3]
reduce(operator.mul, range(1, 5))
# 24

25. (F(f, a, b) << g << F(p, c))(x) ~~ f(a, b, g(p(c, x)))
from fn import F, _
F(add, 1)(10) # 11
f = F(add, 1) << F(mul, 100)
list(map(f, [0, 1, 2]))
# [1, 101, 201]
list(map(F() << str << (_ ** 2), range(1, 5)))
# ["1", "4", "9", "16"]

26. Readability counts
ss = ["list", "of", "words"]
# 1 – imperative
tlen = 0
for s in ss:
tlen += len(s)
# 2 – so ugly
reduce(lambda l,r: l+r, map(lambda s: len(s), ss))
# 3 – not bad
reduce(add, map(len, ss))
# 4 – good
sum(map(len, ss))

27. Рекурсия
● Во многих функциональных языках –
единственная операция для огранизации
цикла.
● Многие алгоритмы проще выражаются в
рамках рекурсии.
● Не типична для Python программ.

28. Хвостовая рекурсия
def factorial(n):
if n:
return n * factorial(n - 1)
else:
return 1
def factorial(n, acc=1):
if n:
return factorial(n – 1, n * acc)
else:
return acc

29. TCO в Python
● Мешает красивым стектрейсам.
● Это оптимизация – деталь реализации, а не
элемент языка.
● Рекурсия – не базовая операция в
программировании.
● Мешает динамичная сущность Python'а.

30. Trampoline
def trampoline(f):
def wrapper(*args, **kwargs):
ff = f(*args, **kwargs)
while callable(ff): ff = ff()
return ff
return wrapper
def factorial(n, acc=0):
if n:
return lambda: factorial(n - 1, n * acc)
else:
return acc
print(trampoline(factorial)(10))
Эмулируем
хвостовую рекурсию
Нельзя использовать
как декоратор!

31. Trampoline - варианты
def recur(*args, **kwargs): ...
@trampoline
def factorial(n, acc=0):
if n:
return recur(
n - 1, n * acc)
else:
return acc
@trampoline
def factorial(n, acc=0):
if n:
yield factorial(
n - 1, n * acc)
else:
return acc
Py3k only

32. Сами реализуем TCO
➔ Модификация байткода.
➔ Модификация исходного кода (препроцессинг).
➔ Анализ стека (sys._getframe()).
➔ Хранение локального состояния (threading.local).
Оптимизируем хвостовой вызов без
модификации самой функции

33. Используем threading.local
_FunCall = namedtuple(
'_FunCall', 'func, args, kwargs')
def tco(f):
tl = threading.local()
tl.trampolined = False
def func(*args, **kwargs):
if not tl.trampolined:
try:
tl.trampolined = True
while 1:
res = f(*args, **kwargs)
if isinstance(res, _FunCall) and
res.func is f:
args = res.args
kwargs = res.kwargs
else:
return res
finally:
tl.trampolined = False
else:
return _FunCall(f, args, kwargs)
return func
Проще – быстрее?
Не обрабатывает
ситауцию
f → k → f

34. Используем sys._getframe()
TailRecurseCall = collections.namedtuple(
'TailRecurseCall', 'args, kwargs')
def tco(f):
def wrapper(*args, **kwargs):
fr = sys._getframe()
b = (fr.f_back and fr.f_back.f_back and
fr.f_back.f_back.f_code == fr.f_code)
del fr
if b:
return TailRecurseCall(args, kwargs)
else:
while 1:
r = f(*args, **kwargs)
if isinstance(r, TailRecurseCall):
args = r.args
kwargs = r.kwargs
else:
return r
return wrapper
trampoline на
стероидах
“правильная”
реализация

35. Trampoline/TCO bench
CPython PyPy
0
5
10
15
20
25
30
35
40
loop recursive trampoline tco-simple tco-getframe
X 5

36. Итераторы
● В Python они везде!
● Но в Python3K их еще больше.
● Простая универсальная абстракция.
● Ленивые вычисления.
● Простота композиции.
● Запись в “итеративном” стиле
(генераторы)

37. Itertools
things = [('2009-08-01', 11), ('2009-08-23', 3), ('2009-09-03', 10),
('2009-09-03', 4), ('2009-09-05', 22), ('2009-09-09', 33), ...]
get_date = itemgetter(0)
get_value = itemgetter(1)
filtered1 = dropwhile(lambda x: get_date(x) < '2009-09-01', things)
filtered2 = takewhile(lambda x: get_date(x) < '2009-10-01', things)
grouped_by_date = groupby(filtered2, get_date)
get_total_value = lambda (dt, items):
(dt, reduce(add, map(get_value, items)))
result = sorted(map(get_total_value, grouped_by_date), key=get_value)
print(list(result))
# [('2009-09-03', 36), ('2009-09-06', 33)]

38. Funcy
from funcy import *
walk(reversed, {'a': 1, 'b': 2}) # {1: 'a', 2: 'b'}
walk_keys(double, {'a': 1, 'b': 2}) # {'aa': 1, 'bb': 2}
walk_values(inc, {'a': 1, 'b': 2}) # {'a': 2, 'b': 3}
select(even, {1,2,3,10,20}) # {2,10,20}
select(r'^a', ('a','b','ab','ba')) # ('a','ab')
some(even, [1, 2, 5]) # 2
take(4, iterate(double, 1)) # [1, 2, 4, 8]
first(drop(3, count(10))) # 13
split(odd, range(5)) # [[1, 3], [0, 2, 4]]
chunks(2, range(5)) # [[0, 1], [2, 3], [4]]

39. Итераторы не pure
odd = lambda x: bool(x % 2)
odds = ifilter(odd, count())
print(list(islice(odds, 4)))
# [1, 3, 5, 7] – ok
print(list(islice(odds, 4)))
# [9, 11, 13, 15] – WTF
Итераторы работают с побочными эффктами
Можно использовать (пройтись) только один раз.

40. Lazycol
class lazycol(object):
__slots__ = 'iterator'
def __new__(cls, iterable):
if isinstance(iterable, (tuple, frozenset, lazycol)):
return iterable
return object.__new__(cls)
def __init__(self, iterable):
self.iterator = iter(iterable)
def __iter__(self):
self.iterator, result = itertools.tee(self.iterator)
return result

41. Fn - Streams
s = Stream() << [1,2,3,4,5]
assert list(s) == [1,2,3,4,5]
assert s[1] == 2
assert list(s[0:2]) == [1,2]
s = Stream() << range(6) << [6,7]
assert list(s) == [0,1,2,3,4,5,6,7]
def gen():
yield 1; yield 2; yield 3
s = Stream() << gen << (4,5)
assert list(s) == [1,2,3,4,5]
● Элементы
вычисляются лениво
(“по требованию”).
● Элементы
кешируются.
● Коллекция, не
итератор.
● Мутабельная.

42. Fn - Streams
from fn import Stream
from fn.iters import take, drop, map
from operator import add
f = Stream()
fib = f << [0, 1] << map(add, f, drop(1, f))
assert list(take(10, fib)) == [0,1,1,2,3,5,8,13,21,34]
assert fib[20] == 6765
assert fib[20] == 6765
assert list(fib[30:34]) == [832040,1346269,2178309,3524578]
Ленивая бесконечная последовательность чисел фиббоначи

43. Иммутабельные структуры
● Нельзя случайно изменить – меньше
ошибок и времени в дебаггере.
● Могут быть оптимизированы для
многопоточных програм – не в Python.
● Могут разделять общую структуру.
● Встроенные: str, tuple, frozenset.

44. frozenlist, frozendict
def _build_fmethod(parent_method):
def method(self, *args, **kwargs):
if self._frozen: raise TypeError("frozen list")
return parent_method(self, *args, **kwargs)
return method
class frozenlist(list):
def __init__(self, iterable=None):
list.__init__(self, iterable)
self._frozen = False
if __debug__:
for mn in ['append', 'extend', …, '__delitem__']:
locals()[mn] = _build_fmethod(getattr(list, mn))
def freeze(self):
self._frozen = True

45. Иммутабельные структуры – реализации
● immutablepy
● dictproxyhack
● fronzendict
● changeless
● werkzeug.datastructures
● sqlalchemy.util

46. Персистентные структуры
● Хрянят “историю”
● Разделяют общую
структуру
● Используются в
Clojure, Git, CouchDB

47. Funktown
v = ImmutableVector([1, 2, 3])
v2 = v.conj(9)
print(v2)
# [1, 2, 3, 9]
v = v.assoc(1, 999)
print(v, v[1])
# 999
v = v.conj([])
v[3].append('BAD')
print(v)
# [1, 2, 3, ['BAD']]
d = ImmutableDict({'a': 1})
d = d.assoc('b', 2)
print(d['b'], d.get('b'))
# 2 2
print(d.assoc('c', 9))
# {'a': 1, 'c': 9, 'b': 2}
print(d.remove('d'))
# {'a': 1, 'b': 2}
print(d.items())
# [('a', 1), ('b', 2)]

48. I have never considered Python to be
heavily influenced by functional
languages, no matter what people say or
think. I was much more familiar with
imperative languages such as C and Algol
68 and although I had made functions
first-class objects, I didn't view Python as
a functional programming language.
Мнение автора языка
Guido van Rossum

49. В завершение
● Python – не функциональный язык.
● Но в нем есть функциональные элементы.
● Избегайте побочных эффектов.
● Не стоит увлекаться классами.
● Плохой код можно написать в любом стиле.
● В любом случае весьма полезно познакомится
с Clojure, Haskell, Erlang и другими.

50. Minsk Python Meetup
Всем большое
спасибо за внимание
вопросы?
a.zhlobich@gmail.com
anjensan@jabber.ru
anjensan at github, habrahabr etc