معرفی شرکت ها
fppy-learn-0.3.1
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
A implements of Functional Programming in Python.
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | fppy-learn-0.3.1 |
| نام | fppy-learn |
| نسخه کتابخانه | 0.3.1 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | huangbaochen |
| ایمیل نویسنده | huangbaochenwo@live.com |
| آدرس صفحه اصلی | https://github.com/threecifanggen/python-functional-programming |
| آدرس اینترنتی | https://pypi.org/project/fppy-learn/ |
| مجوز | MIT |
# fppy
开发状态：
    
依赖：
  
一个基于`python`的函数式编程类库，仅做学习使用。主要功能如下：
- [x] 常量定义
- [x] 惰性求值/惰性属性
- [x] 抽象代数
- [x] 常用组合子
- [x] 列表类
- [x] 基于`Iterable`的惰性列表
- [x] 基于元组定义的列表
- [x] 基于类定义的列表
- [x] 基于类从头定义的惰性列表
- [x] 偏函数
- [x] 基于性质测试(Property-based Testing)
- [x] 更多功能的函数装饰器
- [ ] State类
- [ ] 设计模式
- [ ] 错误处理
- [x] Option类
- [x] Either类
- [x] Try类
- [ ] Lens
- [ ] Cake
## 如何安装
从[PYPI](https://pypi.org/)软件库：
```bash
pip install fppy-learn
```
下载源码自己安装：
```python
pip install poetry
git clone https://github.com/threecifanggen/python-functional-programming.git
cd python-functional-programming
poetry install
```
## 快速功能预览
### 函数修饰器
```python
from fppy.base import F_
@F_
def f(x):
return x + 1
>>> f(1)
2
>>> f.apply(1)
2
>>> f.and_then(lambda x: x ** 3)(1) # (x + 1) ** 3
8
>>> f.compose(lambda x: x ** 3)(1) # (x ** 3) + 1
1
>>> f.map([1, 2, 3])
[2, 3, 4]
```
### 常量定义
```python
>>> from fppy.const import Const
>>>
>>> const = Const()
>>> const.a = 1
>>> const.a
1
>>> const.a = 2
# raise ConstError
```
### 列表类
一个可以实现`map`、`reduce`等操作的惰性列表
#### 元组实现的列表
##### 1. 新建
```python
from fppy.cons_list_base import *
a = cons_apply(1, 2, 3)
head(a) # 1
tail(a) # cons(2, cons(3, ()))
```
##### 2. 打印
```python
>>> print_cons(cons_apply(1, 2, 3))
1, 2, 3, nil
```
##### 3. 列表操作
```python
a = cons_apply(1, 2, 3)
map_cons_curry(lambda x: x + 1)(a) # cons_apply(2, 3, 4)
filter_cons_curry(lambda x: x % 2 == 0)(a) # cons_apply(2)
fold_left_cons_curry(lambda x, y: x + y)(0)(a) # 6
```
#### 类实现的列表
```python
from fppy.cons_list import Cons
Cons.maker(1, 2, 3)\
.map(lambda x: x + 1)\
.filter(lambda x: x % 2 == 0)\
.fold_left(lambda x, y: x + y, 0)
```
#### 从头实现的惰性列表
```python
from fppy.lazy_list_base import LazyCons
LazyCons.from_iter(1)(lambda x: x)\
.map(lambda x: x + 1)\
.filter(lambda x: x % 2 == 0)\
.take(3)\
.fold_left(lambda x, y: x + y, 0)
```
#### 惰性列表
##### 1. 新建
```python
from fppy.lazy_list import LazyList
# 定义正整数无穷列表
ll = LazyList.from_iter(2)(lambda x: x + 2)
# 从List对象定义
ll = LazyList([1, 2, 3])
# 从生成器、迭代器定义
x = (i for i in range(100))
ll = LazyList(x)
```
##### 2. map、filter、collect
```python
LazyList([1, 2, 3])\
.map(lambda x: x + 1)\
.filter(lambda x: x % 2 == 0)\
.collect() # 返回[2, 4]
```
##### 3. 其他
其他方法参考文档。
### 常见组合子
#### 1. Y组合子
下面的例子是计算阶乘：
```python
from fppy.combinator import Y
fac = Y(lambd f: lambda x: 1 if (x ==0) else x * f(x - 1))
```
#### 2. Z组合子
下面是计算指数函数的Z组合子实现
```python
from fppy.combinator import Z
power = Z(lambda f: lambda x, n: 1 if (n == 0) else x * f(x, n - 1))
```
### 偏函数
这里的偏函数是指Partial Function，即定义域取不完整的函数；而不是高阶函数中的Partial Applied Function的概念。
定义一个如下函数：
- 如果`x > 0`，则计算`1 / x`
- 如果`x < 0`，则计算`log(-x)`
```python
from math import log
from fppy.partail_function import PartialFunction
# 直接定义
pf = PartialFunction\
.case(lambda x: x > 0)\
.then(lambda x: 1 / x)\
.case(lambda x: x < 0)\
.then(lambda x: log(-x))
## 计算
pf.apply(1) # 返回1
pf.apply(-1) # 返回0
pf.apply(0) # 返回NoOtherCaseError
## 判断是否在某点有定义
pf.is_defined_at(0.4) # 返回True
pf.is_defined_at(0) # 返回False
```
我们还可以使用`or_else`来组合偏函数，比如上面的函数可以如下实现：
```python
pf_greater_then_0 = PartialFunction\
.case(lambda x: x > 0)\
.then(lambda x: 1 / x)
pf_less_then_0 = PartialFunction\
.case(lambda x: x < 0)\
.then(lambda x: log(-x))
pf = pf_greater_then_0.or_else(pf_less_then_0)
```
### 惰性求值
#### 1. 惰性属性
```python
from fppy.lazy_evaluate import lazy_property
@dataclass
class Circle:
x: float
y: float
r: float
@lazy_property
def area(self):
print("area compute")
return self.r ** 2 * 3.14
```
以上定义了一个圆的类，具体获取`area`时，仅第一次会计算（通过打印`"area compute"`显示）。
#### 2. 惰性值
`Python`没有代码块的概念，所以必须把惰性求值过程包在一个函数内，以下是调用方法：
```python
from fppy.lazy_evaluate import lazy_val
def f():
print("f compute")
return 12
lazy_val.a = f
```
调用结果下：
```python
>>> lazy_val.a
f compute
12
>>> lazy_val.a
12
```
这就表示仅第一次调用时发生了计算。
### 错误处理
### 1. Option
```python
from fppy.option import Just, Nothing
>>> Just(1).map(lambda x: x + 1)
Just(2)
>>> Just(1).flat_map(lambda x: Just(x * 3))
Just(3)
>>> Just(1).get
1
>>> Just(1).get_or_else(2)
1
>>> Just(1).filter(lambda x: x < 0)
Nothing()
>>> Just(1).filter(lambda x: x > 0)
Just(1)
```
与偏函数合用会有很多妙处：
```python
from math import log
from fppy.partail_function import PartialFunction
pf = PartialFunction\
.case(lambda x: x > 0)\
.then(lambda x: 1 / x)\
.case(lambda x: x < 0)\
.then(lambda x: log(-x))
>>> pf.lift(1)
Just(1)
>>> pf.lift(0)
Nothing()
>>> Just(1).collect(pf)
Just(1)
>>> Just(0).collect(pf)
Nothing()
>>> Just(1).collect(pf)
Just(1.)
>>> Just(1).collect(pf).map(lambda x: int(x) - 1)
Just(-1)
>>> Just(1).collect(pf).map(lambda x: int(x) - 1).collect(pf)
Just(0)
>>> Just(1).collect(pf).map(lambda x: int(x) - 1).collect(pf).collect(pf)
Nothing()
>>> Just(1).collect(pf).map(lambda x: int(x) - 1).collect(pf).collect(pf).collect(pf)
Nothing()
>>> Just(1).collect(pf).map(lambda x: int(x) - 1).collect(pf).collect(pf).collect(pf).get_or_else(2)
2
```
### 2. Either
(待完善)
### 3. Try
`Try`单子时一个非常方便地处理错误的类，它的逻辑时传递错误类一直到最后处理，可以获取到错误发生时的错误类型和输入值，方便调试：
```python
>>> from fppy.try_monad import Try
>>> res = Try(1).map(lambda x: x / 0).map(lambda x: x + 1)
>>> res.error
ZeroDivisionError('division by zero')
>>> res.get_or_else(2)
2
>>> res.get_error_input()
1
```
نیازمندی
| مقدار | نام |
|---|---|
| >=0.2.8,<0.3.0 | pathos |
| >=1.2.0,<2.0.0 | drill |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.10,<4.0 | Python |
نحوه نصب
نصب پکیج whl fppy-learn-0.3.1:
pip install fppy-learn-0.3.1.whl
نصب پکیج tar.gz fppy-learn-0.3.1:
pip install fppy-learn-0.3.1.tar.gz