Python函數式編程：不可變數據結構

不可變性可以幫助我們更好地理解我們的代碼。下面我將講述如何在不犧牲性能的條件下來實現它。

在這個由兩篇文章構成的系列中，我將討論如何將函數式編程方法論中的思想引入至 Python 中，來充分發揮這兩個領域的優勢。

本文(也就是第一篇文章)中，我們將探討不可變數據結構的優勢。第二部分會探討如何在toolz庫的幫助下，用 Python 實現高層次的函數式編程理念。

為什么要用函數式編程?因為變化的東西更難推理。如果你已經確信變化會帶來麻煩，那很棒。如果你還沒有被說服，在文章結束時，你會明白這一點的。

我們從思考正方形和矩形開始。如果我們拋開實現細節，單從接口的角度考慮，正方形是矩形的子類嗎?

子類的定義基于里氏替換原則。一個子類必須能夠完成超類所做的一切。

如何為矩形定義接口?

from zope.interface import Interfaceclass IRectangle(Interface):def get_length(self):"""正方形能做到"""def get_width(self):"""正方形能做到"""def set_dimensions(self, length, width):"""啊哦"""如果我們這么定義，那正方形就不能成為矩形的子類：如果長度和寬度不等，它就無法對set_dimensions方法做出響應。

另一種方法，是選擇將矩形做成不可變對象。

class IRectangle(Interface):def get_length(self):"""正方形能做到"""def get_width(self):"""正方形能做到"""def with_dimensions(self, length, width):"""返回一個新矩形"""現在，我們可以將正方形視為矩形了。在調用with_dimensions時，它可以返回一個新的矩形(它不一定是個正方形)，但它本身并沒有變，依然是一個正方形。

這似乎像是個學術問題 —— 直到我們認為正方形和矩形可以在某種意義上看做一個容器的側面。在理解了這個例子以后，我們會處理更傳統的容器，以解決更現實的案例。比如，考慮一下隨機存取數組。

我們現在有ISquare和IRectangle，而且ISequere是IRectangle的子類。

我們希望把矩形放進隨機存取數組中：

class IArrayOfRectangles(Interface):def get_element(self, i):"""返回一個矩形"""def set_element(self, i, rectangle):"""'rectangle' 可以是任意 IRectangle 對象"""我們同樣希望把正方形放進隨機存取數組：

class IArrayOfSquare(Interface):def get_element(self, i):"""返回一個正方形"""def set_element(self, i, square):"""'square' 可以是任意 ISquare 對象"""盡管ISquare是IRectangle的子集，但沒有任何一個數組可以同時實現IArrayOfSquare和IArrayOfRectangle.

為什么不能呢?假設bucket實現了這兩個類的功能。

>>> rectangle = make_rectangle(3, 4)>>> bucket.set_element(0, rectangle) # 這是 IArrayOfRectangle 中的合法操作>>> thing = bucket.get_element(0) # IArrayOfSquare 要求 thing 必須是一個正方形>>> assert thing.height == thing.widthTraceback (most recent call last):File "", line 1, in AssertionError無法同時實現這兩類功能，意味著這兩個類無法構成繼承關系，即使ISquare是IRectangle的子類。問題來自set_element方法：如果我們實現一個只讀的數組，那IArrayOfSquare就可以是IArrayOfRectangle的子類了。

在可變的IRectangle和可變的IArrayOf*接口中，可變性都會使得對類型和子類的思考變得更加困難 —— 放棄變換的能力，意味著我們的直覺所希望的類型間關系能夠成立了。

可變性還會帶來作用域方面的影響。當一個共享對象被兩個地方的代碼改變時，這種問題就會發生。一個經典的例子是兩個線程同時改變一個共享變量。不過在單線程程序中，即使在兩個相距很遠的地方共享一個變量，也是一件簡單的事情。從 Python 語言的角度來思考，大多數對象都可以從很多位置來訪問：比如在模塊全局變量，或在一個堆棧跟蹤中，或者以類屬性來訪問。

如果我們無法對共享做出約束，那我們可能要考慮對可變性來進行約束了。

這是一個不可變的矩形，它利用了attr庫：

@attr.s(frozen=True)class Rectange(object):length = attr.ib()width = attr.ib()@classmethoddef with_dimensions(cls, length, width):return cls(length, width)這是一個正方形：

@attr.s(frozen=True)class Square(object):side = attr.ib()@classmethoddef with_dimensions(cls, length, width):return Rectangle(length, width)使用frozen參數，我們可以輕易地使attrs創建的類成為不可變類型。正確實現__setitem__方法的工作都交給別人完成了，對我們是不可見的。

修改對象仍然很容易;但是我們不可能改變它的本質。

too_long = Rectangle(100, 4)reasonable = attr.evolve(too_long, length=10)Pyrsistent能讓我們擁有不可變的容器。

# 由整數構成的向量a = pyrsistent.v(1, 2, 3)# 并非由整數構成的向量b = a.set(1, "hello")盡管b不是一個由整數構成的向量，但沒有什么能夠改變a只由整數構成的性質。

如果a有一百萬個元素呢?b會將其中的 999999 個元素復制一遍嗎?Pyrsistent具有“大 O”性能保證：所有操作的時間復雜度都是O(log n). 它還帶有一個可選的 C 語言擴展，以在“大 O”性能之上進行提升。

修改嵌套對象時，會涉及到“變換器”的概念：

blog = pyrsistent.m(title="My blog",links=pyrsistent.v("github", "twitter"),posts=pyrsistent.v(pyrsistent.m(title="no updates",content="I'm busy"),pyrsistent.m(title="still no updates",content="still busy")))new_blog = blog.transform(["posts", 1, "content"],"pretty busy")new_blog現在將是如下對象的不可變等價物：

{'links': ['github', 'twitter'],'posts': [{'content': "I'm busy",'title': 'no updates'},{'content': 'pretty busy','title': 'still no updates'}],'title': 'My blog'}不過blog依然不變。這意味著任何擁有舊對象引用的人都沒有受到影響：轉換只會有局部效果。

當共享行為猖獗時，這會很有用。例如，函數的默認參數：

def silly_sum(a, b, extra=v(1, 2)):extra = extra.extend([a, b])return sum(extra)在本文中，我們了解了為什么不可變性有助于我們來思考我們的代碼，以及如何在不帶來過大性能負擔的條件下實現它。下一篇，我們將學習如何借助不可變對象來實現強大的程序結構。