toolz 庫允許你操作函數，使其更容易理解，更容易測試代碼。

　　在這個由兩部分組成的系列文章的第二部分中，我們將繼續探索如何將函數式編程方法中的好想法引入到 Python中，以實現兩全其美。

　　在上一篇文章中，我們介紹了不可變數據結構。 這些數據結構使得我們可以編寫“純”函數，或者說是沒有副作用的函數，僅僅接受一些參數並返回結果，同時保持良好的性能。

　　在這篇文章中，我們使用 toolz 庫來構建。 這個庫具有操作此類函數的函數，並且它們在純函數中表現得特別好。 在函數式編程世界中，它們通常被稱爲“高階函數”，因爲它們將函數作爲參數，將函數作爲結果返回。

　　讓我們從這裏開始：

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

　　這個函數假設它的第一個參數是一個不可變的類似字典的對象，它返回一個新的類似字典的在相關位置遞增的對象：這就是一個簡單的頻率計數器。

　　但是，只有將它應用於單詞流並做歸納時纔有用。 我們可以使用內置模塊 functools 中的歸納器。

　　functools.reduce(function, stream, initializer)

　　我們想要一個函數，應用於流，並且能能返回頻率計數。

　　我們首先使用 toolz.curry 函數：

　　add_all_words = curry(functools.reduce, add_one_word)

　　使用此版本，我們需要提供初始化程序。但是，我們不能只將 pyrsistent.m 函數添加到 curry 函數中； 因爲這個順序是錯誤的。

　　add_all_words_flipped = flip(add_all_words)

　　flip 這個高階函數返回一個調用原始函數的函數，並且翻轉參數順序。

　　get_all_words = add_all_words_flipped(pyrsistent.m())

　　我們利用 flip 自動調整其參數的特性給它一個初始值：一個空字典。

　　現在我們可以執行 get_all_words(word_stream) 這個函數來獲取頻率字典。 但是，我們如何獲得一個單詞流呢？ Python 文件是按行供流的。

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

　　在單獨測試每個函數後，我們可以將它們組合在一起：

　　words_from_file = toolz.compose(get_all_words, to_words)

　　在這種情況下，組合只是使兩個函數很容易閱讀：首先將文件的行流應用於 to_words，然後將 get_all_words 應用於 to_words 的結果。 但是文字上讀起來似乎與代碼執行相反。

　　當我們開始認真對待可組合性時，這很重要。有時可以將代碼編寫爲一個單元序列，單獨測試每個單元，最後將它們全部組合。如果有幾個組合元素時，組合的順序可能就很難理解。

　　toolz 庫借用了 Unix 命令行的做法，並使用 pipe 作爲執行相同操作的函數，但順序相反。

　　words_from_file = toolz.pipe(to_words, get_all_words)

　　現在讀起來更直觀了：將輸入傳遞到 to_words，並將結果傳遞給 get_all_words。 在命令行上，等效寫法如下所示：

　　$ cat files | to_words | get_all_words

　　toolz 庫允許我們操作函數，切片、分割和組合，以使我們的代碼更容易理解和測試。

　　via:https://opensource.com/article/18/10/functional-programming-python-toolz

　　作者：Moshe Zadka選題：lujun9972譯者：Flowsnow校對：wxy

　　本文由LCTT原創編譯，Linux中國榮譽推出