转换将“增长”表格的命令式算法转换为纯函数

Question

我的程序是用Python 3编写的，它有很多地方以一个（非常大的）类似数字的数据结构开始，并按照某种算法为它添加列。 （每个地方的算法都不同。）

我试图将其转换为纯函数方法，因为我遇到了命令式方法的问题（难以重用，难以回忆临时步骤，难以实现“懒惰”计算，由于依赖于状态而容易出错等） 。

Table类实现为字典字典：外部字典包含行，由row_id索引; inner包含一行中的值，由column_title索引。 该表的方法非常简单：

# return the value at the specified row_id, column_title
get_value(self, row_id, column_title)

# return the inner dictionary representing row given by row_id
get_row(self, row_id) 

# add a column new_column_title, defined by func
# func signature must be: take a row and return a value
add_column(self, new_column_title, func)

到目前为止，我只是在原始表中添加了列，每个函数都将整个表作为参数。 当我转向纯函数时，我必须使所有参数都是不可变的。 因此，初始表变得不可变。 任何其他列都将作为独立列创建，并仅传递给需要它们的那些函数。 典型的函数将采用初始表和已创建的几列，并返回一个新列。

我遇到的问题是如何实现独立列（ Column ）？

我可以把它们都变成字典，但看起来很贵。 实际上，如果我需要在每个逻辑行中的10个字段上执行操作，我将需要进行10次字典查找。 最重要的是，每列将包含键和值，使其大小加倍。

我可以使Column成为一个简单的列表，并在其中存储对从row_id到数组索引的映射的引用。 好处是这个映射可以在对应于同一个初始表的所有列之间共享，并且一次查找一次，它适用于所有列。 但是这会产生任何其他问题吗？

如果我这样做，我可以更进一步，并实际将映射存储在初始表本身中吗？ 我可以将Column对象的引用放回到创建它们的初始表吗？ 它似乎与我想象的功能性工作方式有很大不同，但我看不出它会导致什么问题，因为一切都是不可改变的。

通常，函数方法是否会将返回值中的引用保留为其中一个参数？ 它似乎不会破坏任何东西（如优化或懒惰评估），因为无论如何已经知道了这个论点。 但也许我错过了一些东西。

Answer 1

我将如何做到这一点：

1. 从冻结集中派生您的表类。
2. 每一行都应该是元组的一个子级。

现在你无法修改表 - > immutability，太棒了！ 下一步可能是将每个函数都考虑为应用于表的突变以生成新的函数：

f T -> T'

这应该被理解为应用表T上的函数f来产生新的表T'。 您还可以尝试对表数据的实际处理进行客观化，并将其视为您应用或添加到表中的Action。

add(T, A) -> T'

这里的好处是可以减去add而不是为您提供一种简单的撤消建模方法。 当你进入这种心态时，你的代码变得非常容易推理，因为你没有可以搞砸的状态。

下面是一个如何在Python中以纯函数方式实现和处理表结构的示例。 Imho，Python并不是学习FP的最佳语言，因为它使得命令式编程变得容易。 我认为Haskell，F＃或Erlang是更好的选择。

class Table(frozenset):
    def __new__(cls, names, rows):
        return frozenset.__new__(cls, rows)

    def __init__(self, names, rows):
        frozenset.__init__(self, rows)
        self.names = names

def add_column(rows, func):
    return [row + (func(row, idx),) for (idx, row) in enumerate(rows)]

def table_process(t, (name, func)):
    return Table(
        t.names + (name,),
        add_column(t, lambda row, idx: func(row))
        )

def table_filter(t, (name, func)):
    names = t.names
    idx = names.index(name)
    return Table(
        names,
        [row for row in t if func(row[idx])]
        )

def table_rank(t, name):
    names = t.names
    idx = names.index(name)
    rows = sorted(t, key = lambda row: row[idx])
    return Table(
        names + ('rank',),
        add_column(rows, lambda row, idx: idx)
        )

def table_print(t):
    format_row = lambda r: ' '.join('%15s' % c for c in r)
    print format_row(t.names)
    print '\n'.join(format_row(row) for row in t)

if __name__ == '__main__':
    from random import randint
    cols = ('c1', 'c2', 'c3')
    T = Table(
        cols,
        [tuple(randint(0, 9) for x in cols) for x in range(10)]
        )
    table_print(T)

    # Columns to add to the table, this is a perfect fit for a
    # reduce. I'd honestly use a boring for loop instead, but reduce
    # is a perfect example for how in FP data and code "becomes one."
    # In fact, this whole program could have been written as just one
    # big reduce.
    actions = [
        ('max', max),
        ('min', min),
        ('sum', sum),
        ('avg', lambda r: sum(r) / float(len(r)))
        ]
    T = reduce(table_process, actions, T)
    table_print(T)

    # Ranking is different because it requires an ordering, which a
    # table does not have.
    T2 = table_rank(T, 'sum')
    table_print(T2)

    # Simple where filter: select * from T2 where c2 < 5.
    T3 = table_filter(T2, ('c2', lambda c: c < 5))
    table_print(T3)