Python函数式编程系列012：惰性列表之生成器与迭代器

因为本系列还是基于一些已经对Python有一定熟悉度的读者，所以我们在此不做非常多的赘述来介绍基本知识了。而是回我们之前的主题，我们要用迭代器和生成器实现之前的指数函数。

当然，我们这里还是需要回到惰性列表是什么这个问题。事实上，回到原来惰性求值的概念，惰性列表的概念其实是「需要时才计算出值」的列表。我们在调用iter的时候，其实对常见的对象并没有特别大的优势。我们可以假想，其实iter转化[1, 2, 3, 4]的结果其实如下：

def yield_list():
    yield 1
    yield 2
    yield 3
    yield 4

唯一的优势，我们之前已经提到过了，就是反复套用函数f和g时，我们是计算g(f(x))而不是先把列表里每个值套用f再套用g。这里有个极大的优势，就是提前终止时可以避免没有必要的运算。比如，下面一个for里面的例子，我们是为了发现列表ls中应用f函数后如果结果等于a就返回index否则返回None：

def find_index_apply_f(f, ls, a):
    for i, x in enumerate(ls):
        if f(x) == a:
            return i
        else:
            continue
    return None

>>> find_index_apply_f(lambda x: x + 1, [1, 2, 3, 4, 5], 3)
1

现在，这里提前跳出可以减少非常多的运算量，但是如果使用一个普通列表却很难，我们在使用map之后必然已经全都计算了，但如果惰性求值，我们可以就在需要的时候停止就行。这个是列表操作替代循环必须实现的东西。

第二个惰性列表的最大应用，就是无穷列表，比如下面一个生成器，我们可以生成一个无限长度的全是x的列表。后面我们会聊到我们在各种场合中已经用到了这个抽象。

def yield_x_forever(x):
    while True:
        yield x

实现一些常用的(惰性)列表操作

大部分操作迭代器/生成器的函数，我们都可以在itertoools中找到。但，我们这里还是要实现一些非常函数式的函数，方便以后的操作：

1. head

head很简单，即取出(惰性)列表第一个元素：

head = next

2. take

take的目标是列表前N个值，这个可以实现成触发计算（转化成非惰性对象，一般为一个值或者列表）或者不触发计算的版本。下面我们实现的是触发计算的函数。

def take(n, it):
    """将前n个元素固定转为列表
    """
    return [x for x in islice(it, n)]

take_curry = lambda n: lambda it: take(n, it)

3. drop

drop则相反是删去前N个值。

def drop(n, it):
    """剔除前n个元素
    """
    return islice(it, n, None)

4. tail

tail是删去head后的列表，可以用drop实现：

from functools import partial

tail = partial(drop, 1)

5. iterate

iterate是重点要用到的函数，就是通过一个迭代函数还有初始值，实现一个无穷列表：

def iterate(f, x):
    yield x
    yield from iterate(f, f(x))

比如，实现所有正偶数的无穷列表：

positive_even_number = iterate(lambda x: x + 2, 2)

当然，更简单地写法是使用itertools里面的repeat和accumulate：

def iterate(f, x):
    return accumulate(repeat(x), lambda fx, _: f(fx))

简单实践

例子一：求指数

我们回到之前求指数的例子中，我们可以实现惰性列表的版本。

第一个思路，我们就是直接用iterate从x开始，每次乘以x，然后取出前n个值，拿到最后一个：

power = lambda x, n: take(n, iterate(lambda xx: xx * x, x))[-1]

另一个就是先生成一个无穷长度的x，取出前n个，相乘来reduce：

power = lambda x, n: reduce(
    lambda x, y: x * y, 
    take(n, iterate(lambda _: x, x))
)

当然，我们还可以用生成器生成无穷长列表：

def yield_power(x, init=x):
    yield init
    yield from yield_power(x, init * x)

例子二：查找

我们回到上面解说的例子，我们要找到一个无穷列表中套用f后，第一个等于a的值的index。如果不是惰性的话，这个必须提前跳出也不可能实现。

def find_a_in_lazylist(f, lls, a):
    return head(filter(lambda x: f(x[1]) == a, enumerat(lls)))[0]

总结

本章回顾了利用Python自带的生成器、迭代器实现惰性列表，并展示如何运用这些概念做一些数据操作应用。当然在其中，我们要深刻感受到，函数式编程与数据是非常亲近的，它关注数据胜于项目结构，这点和对象式编程非常不同。大部分对象式编程的教程倾向于概述分层、结构这些概念，真是因为这个是对象式编程擅长的地方。

在我实现的教学项目fppy(点击这里前往github)中，我用内置的python模块实现了一个LazyList类，用它可以用链式写法完成上面的所有例子:

power1 = lambda x, n: LazyList.from_iter(x)(lambda xx: x * x).take(n).last
power2 = lambda x, n: LazyList.from_iter(x)(lambda _: x).take(n).reduce(lambda xx, yy: xx * yy)

find_a_in_lazylist = lambda f, lls, a: LazyList(lls)\
    .zip_with(LazyList.from_iter(0)(lambda x: x + 1))\
    .filter(lambda x: f(x[1]) == a)\
    .split_head()[0]