Python之函数式编程:funcy，功能更加齐全的函数式编程库
引言
通过前面的关于Python中进行函数式编程的系列文章的介绍，我们已经把函数式编程范式中的相关特性，以及Python内置的类、functools模块对函数式编程范式的支持，都介绍了一遍。
今天这篇文章，打算介绍一个支持Python更好地进行函数式编程的三方模块：funcy。
本文的主要内容有：
1、funcy模块的简单介绍
2、funcy中的三大件：map、filter和reduce
3、柯里化和偏函数的支持
4、组合函数的支持
5、funcy中的其他特性
funcy模块的简单介绍
funcy模块是一个用于函数式编程的Python三方模块，该模块提供了絮叨简洁且强大的函数和工具，用于简化函数式编程的开发。
funcy模块旨在使Python编程更具有声明性和功能性，进一步减少代码的冗余，同时提高代码的可读性和可维护性。
安装funcy
funcy模块的安装很简单，直接使用pip进行安装即可：
pip install funcy说明：根据各自不同的环境，可能是pip3，不要机械的复制。
源码地址
https://github.com/Suor/funcy感兴趣的可以自行查阅。
funcy中的三大件：map、filter和reduce
首先看下定义：
从定义中，我们可以看到，funcy模块中的map和filter是函数，但是函数体实现中，还是使用了Python内置的map和filter类。
不同于functools.reduce，funcy中的规约功能，函数名为reductions()。
下面，我们通过代码进行演示、验证：
import funcy as fn
# 测试funcy模块的map函数
square_nums = fn.map(lambda x: x * x, range(10))
print(square_nums)
# funcy模块的map函数的返回值，确实是内置类map的实例化对象
print(isinstance(square_nums, map))
print(list(square_nums))
print('=' * 40)
# 测试filter
odd_nums = fn.filter(lambda x: x % 2 == 1, range(10))
print(odd_nums)
print(isinstance(odd_nums, filter))
print(list(odd_nums))
print('=' * 40)
# 测试reduce
sum_result = fn.reductions(lambda x, y: x + y, range(10), acc=100)
print(sum_result)
print(sum_result.__next__())
print(sum_result.__next__())
print(sum_result.__next__())
print(fn.last(sum_result))
执行结果：
从定义及代码的验证中，可以得知：
1、funcy模块中的map()函数和filter()函数，本质上都是返回Python内置的map和filter内置类的实例化对象，从而实现map和filter算子的逻辑。
2、需要特别说明的是，funcy模块中的reductions()函数，不同于functools中的reduce()函数，reductions()是延迟计算的逻辑，返回的是一个生成器。
3、funcy模块中提供了快速访问序列、生成器等的实用函数，比如last()可以获取序列或者生成器中的最后一个元素。
柯里化和偏函数的支持
首先看下funcy模块中的curry()的定义：
通过代码验证一下funcy.curry()的使用：
import funcy as fn
# 模拟一个相加的多元函数
def add(x, y, z):
return x + y + z
# 自定义实现柯里化的方法
def inner_curried_add(x):
def add_y(y):
def add_z(z):
return x + y + z
return add_z
return add_y
# 使用funcy实现柯里化
funcy_curried_add = fn.curry(add)
print(funcy_curried_add)
print(add(1, 2, 3))
print('=' * 20)
print(inner_curried_add(1)(2)(3))
print('=' * 20)
print(funcy_curried_add(1)(2)(3))
执行结果：
接下来，再看下funcy模块中的偏函数的功能：
import funcy as fn
import functools
# 模拟一个相加的多元函数
def add(x, y, z):
return x + y + z
# functools的偏函数功能
functools_add_one = functools.partial(add, 1)
print(functools_add_one)
print(functools_add_one(2, 3))
print('=' * 40)
# funcy的偏函数功能
funcy_add_one = fn.partial(add, 1)
print(funcy_add_one)
print(funcy_add_one(2, 3))
执行结果：
可以看到funcy模块中的偏函数本质上就是functools中的partial类。
从定义中也可以看出：
组合函数的支持
funcy模块中的compose()可以将多个函数组合，从而生成一个新的函数。可以用于进行纯函数的复用、组合，实现对数据的流水线式处理的功能。
从定义中可以看出，compose()函数的功能，是通过叠加map和functools.reduce()来实现的。
接下来，通过实例看下compose()函数的使用：
import funcy as fn
# 实现一个 y = (x + 1) ^ 2的功能
f = fn.compose(lambda x: x ** 2, lambda x: x + 1)
print(f)
print(f(1))
print(f(10))
执行结果：
需要注意的是，最先进行的计算操作写在最后，这个顺序决定了计算的顺序。
funcy中的其他特性
funcy模块的其他特性中，需要特别关注的有两个，一个是关于序列的操作，另一个就是一些好用的装饰器。
首先看序列的操作
funcy模块支持懒序列的操作，可以在需要时生成元素，具有延迟计算的特性，从前面的reductions()函数中可以看到这一点。
通过代码简单演示一下懒序列的使用：
import funcy as fn
# 定义一个斐波那契数列的生成器
def fibonacci():
a, b = 0, 1
for i in range(100):
yield a
a, b = b, a + b
fib = fibonacci()
# 第一个
print(fn.first(fib))
# 第二个
print(fn.second(fib))
# 第n个
print(fn.nth(50, fib))
# 最后一个
print(fn.last(fib))
执行结果：
还有更多的函数可以使用，感兴趣的同学可以自行尝试。
接下来看几个比较实用的装饰器
1、retry()：重试装饰器
通过代码简单试用一下：
import funcy as fn
import random
@fn.retry(3)
def random_with_fails():
res = random.random()
if res > 0.5:
print(res)
raise ValueError('Random value too large')
return res
print(random_with_fails())
可以多运行几次，会发现有时正常返回，有时会抛异常：
2、memoize()：缓存装饰器
直接通过代码演示：
import funcy as fn
import time
@fn.memoize
def add(a, b):
print('calculating...')
time.sleep(1)
return a + b
print(add(10, 20))
print('=' * 40)
print(add(10, 20))
print('=' * 40)
print(add(11, 20))
执行结果：
3、ignore()装饰：忽略指定异常
同样通过代码简单使用一下：
import funcy as fn
@fn.ignore((TypeError, ZeroDivisionError), default='出现异常')
def divide(a, b):
return a / b
print(divide(10, 20))
print('=' * 40)
# TypeError被忽略，同时返回指定的默认值
print(divide('abc', 20))
print('=' * 40)
# ZeroDivisionError被忽略，同时返回指定的默认值
print(divide(10, 0))
执行结果：
总结
本文简单介绍了Python中的三方模块funcy中的各种特性，主要是在函数式编程中的一些支持，此外，还补充了几个比较实用的装饰器。
感谢您的拨冗阅读，希望对您有所帮助。