Programowanie funkcyjne w Pythonie. Jak pisać zwięzły, wydajny i ekspresywny kod - ebook

Mimo że Python nie jest typowym językiem programowania funkcyjnego, umożliwia pisanie kodu w sposób właściwy dla tego podejścia. W efekcie można tworzyć zwięzłe i eleganckie programy, które działają szybciej i zużywają mniej zasobów. Jeśli uważasz, że te argumenty uzasadniają zapoznanie się z funkcyjnym podejściem do programowania w Pythonie, to ta książka jest dla Ciebie.

Dzięki temu praktycznemu podręcznikowi zrozumiesz, kiedy i dlaczego warto zastosować myślenie funkcyjne, a także jak korzystać z technik funkcyjnych w różnych scenariuszach. Dowiesz się również, jakie narzędzia i biblioteki przeznaczone do tego celu są dostępne w Pythonie i jak używać wyrażeń generatorowych, list składanych i dekoratorów. W tym wydaniu znalazły się nowe rozdziały dotyczące złożonych obiektów bezstanowych, funkcji kombinatorycznych i pakietu toolz, zawierającego zbiór modułów wspomagających pisanie programów funkcyjnych. Umieszczono tu ponadto sporo ciekawych przykładów, dotyczących choćby eksploracyjnej analizy danych i ich czyszczenia.

W książce między innymi:

• najciekawsze biblioteki i wbudowane funkcje wyższego rzędu w Pythonie
• tworzenie funkcji generatorowych i leniwe wartościowanie
• implementacja dekoratorów do kompozycji funkcyjnej
• podpowiedzi typów w Pythonie
• obsługa współbieżności i implementacja usług sieciowych
• biblioteka PyMonad i tworzenie symulacji z obsługą stanów

Chcesz tworzyć wydajny kod? Naucz się programowania funkcyjnego!

Słowo wstępne

O autorze

O recenzentach

Przedmowa

Rozdział 1. Zrozumieć programowanie funkcyjne

• Funkcyjny styl programowania
• Podobieństwa i różnice pomiędzy stylami proceduralnym i funkcyjnym
  • Korzystanie z paradygmatu funkcyjnego
  • Korzystanie z funkcyjnych hybryd
  • Stos żółwi
• Klasyczny przykład programowania funkcyjnego
• Eksploracyjna analiza danych
• Podsumowanie
• Ćwiczenia
  • Konwersja imperatywnego algorytmu na kod funkcyjny
  • Konwersja obliczeń krokowych na kod funkcyjny
  • Popraw funkcję sqrt()
  • Etapy czyszczenia danych
  • Optymalizacja kodu funkcyjnego (zaawansowane)

Rozdział 2. Podstawowe pojęcia programowania funkcyjnego

• Funkcje jako obiekty pierwszej klasy
  • Czyste funkcje
  • Funkcje wyższego rzędu
• Dane niemutowalne
• Wartościowanie ścisłe i nieścisłe
• Wartościowanie leniwe i zachłanne
• Rekurencja zamiast jawnego stanu pętli
• Funkcyjne systemy typów
• Znajome terytorium
• Pojęcia zaawansowane
• Podsumowanie
• Ćwiczenia
  • Zastosowanie funkcji map() do sekwencji wartości
  • Funkcje czy wyrażenia lambda?
  • Zoptymalizuj rekurencję

Rozdział 3. Funkcje, iteratory i generatory

• Pisanie czystych funkcji
• Funkcje jako obiekty pierwszej klasy
• Korzystanie z łańcuchów znaków
• Używanie krotek i krotek nazwanych
• Korzystanie z wyrażeń generatorowych
  • Odkrywanie ograniczeń generatorów
  • Łączenie wyrażeń generatorowych
• Czyszczenie surowych danych za pomocą funkcji generatorowych
• Stosowanie generatorów do wbudowanych kolekcji
  • Generatory dla list, słowników i zbiorów
  • Korzystanie z mapowań stanowych
  • Wykorzystanie modułu bisect do tworzenia mapowania
  • Używanie stanowych zbiorów
• Podsumowanie
• Ćwiczenia
  • Przepisz funkcję some_function()
  • Alternatywna definicja klasy Mersenne
  • Alternatywy implementacji algorytmów
  • Mapowanie i filtrowanie
  • Słowniki składane
  • Oczyszczanie surowych danych

Rozdział 4. Praca z kolekcjami

• Przegląd rodzajów funkcji
• Praca z obiektami iterowalnymi
  • Parsowanie pliku XML
  • Parsowanie pliku na wyższym poziomie
  • Tworzenie par elementów z sekwencji
  • Jawne użycie funkcji iter()
  • Rozszerzanie iteracji
  • Stosowanie wyrażeń generatorowych do funkcji skalarnych
• Wykorzystanie funkcji any() i all() jako redukcji
• Używanie funkcji len() i sum() dla kolekcji
  • Używanie sum i zliczeń w obliczeniach statystycznych
• Korzystanie z funkcji zip() do tworzenia struktury i spłaszczania sekwencji
  • Rozpakowywanie spakowanej sekwencji
  • Spłaszczanie sekwencji
  • Nadawanie struktury płaskim sekwencjom
  • Tworzenie struktury płaskich sekwencji - podejście alternatywne
• Wykorzystanie funkcji sorted() i reversed() do zmiany kolejności elementów
• Wykorzystanie funkcji enumerate() w celu uwzględnienia numeru porządkowego
• Podsumowanie
• Ćwiczenia
  • Liczby palindromiczne
  • Zestaw kart w ręku
  • Zamień funkcję legs() na pairwise()
  • Rozszerz rozwiązanie z funkcją legs(), aby uwzględnić przetwarzanie par

Rozdział 5. Funkcje wyższego rzędu

• Wykorzystanie funkcji max() i min() do wyszukiwania ekstremów
  • Korzystanie z formatu wyrażeń lambda w Pythonie
  • Wyrażenia lambda i rachunek lambda
• Korzystanie z funkcji map() w celu zastosowania funkcji do kolekcji
  • Wykorzystanie wyrażeń lambda i funkcji map()
  • Użycie funkcji map() w odniesieniu do wielu sekwencji
• Wykorzystanie funkcji filter() do przekazywania lub odrzucania danych
  • Użycie funkcji filter() do identyfikacji wartości odstających
• Funkcja iter() z wartością "strażnika"
• Wykorzystanie funkcji sorted() do porządkowania danych
• Pisanie funkcji wyższego rzędu - przegląd
• Pisanie mapowań i filtrów wyższego rzędu
  • Rozpakowywanie danych podczas mapowania
  • Opakowywanie dodatkowych danych podczas mapowania
  • Spłaszczanie danych podczas mapowania
  • Strukturyzacja danych podczas filtrowania
• Budowanie funkcji wyższego rzędu z wykorzystaniem obiektów wywoływalnych
  • Zapewnienie dobrego projektu funkcyjnego
• Przegląd wybranych wzorców projektowych
• Podsumowanie
• Ćwiczenia
  • Klasyfikacja stanu
  • Klasyfikacja stanu, część II
  • Optymalizacja parsera plików

Rozdział 6. Rekurencje i redukcje

• Proste rekurencje numeryczne
  • Implementacja ręcznej optymalizacji ogonowej
  • Pozostawienie rekurencji bez zmian
  • Obsługa trudnego przypadku optymalizacji ogonowej
  • Przetwarzanie kolekcji za pomocą rekurencji
  • Optymalizacja ogonowa dla kolekcji
  • Używanie operatora przypisania (czasami zwanego morsem) w rekurencjach
• Redukcje i składanie kolekcji z wielu elementów w jeden element
  • Optymalizacja wywołań ogonowych za pomocą kolejek dwukierunkowych
• Redukcja grupowania - z wielu elementów do mniejszej liczby
  • Budowanie mapowania za pomocą metody Counter
  • Budowanie mapowania przez sortowanie
  • Grupowanie lub podział danych według wartości klucza
  • Pisanie bardziej ogólnych redukcji grupujących
  • Pisanie redukcji wyższego rzędu
  • Pisanie parserów plików
• Podsumowanie
• Ćwiczenia
  • Wielokrotna rekurencja i buforowanie
  • Refaktoryzacja funkcji all_print()
  • Parsowanie plików CSV
  • Klasyfikacja stanu, część III
  • Dane silnika Diesla

Rozdział 7. Złożone obiekty bezstanowe

• Używanie krotek do zbierania danych
• Używanie obiektów NamedTuple do zbierania danych
• Używanie do zbierania danych dekoratora dataclass z parametrem frozen
• Inicjalizacja złożonych obiektów i obliczenia właściwości
• Używanie modułu pyrsistent do zbierania danych
• Unikanie stanowych klas dzięki wykorzystaniu rodzin krotek
  • Obliczanie korelacji rangowej Spearmana
• Polimorfizm i dopasowywanie typów z wzorcami
• Podsumowanie
• Ćwiczenia
  • Zamrożone słowniki
  • Sekwencje podobne do słowników
  • Modyfikacja funkcji rank_xy() w celu wykorzystywania natywnych typów
  • Popraw funkcję rank_corr()
  • Modyfikacja funkcji legs() w celu wykorzystania modułu pyrsistent

Rozdział 8. Moduł itertools

• Praca z iteratorami nieskończonymi
  • Liczenie za pomocą count()
  • Zliczanie z wykorzystaniem argumentów zmiennoprzecinkowych
  • Wielokrotne iterowanie cyklu za pomocą funkcji cycle()
  • Powtarzanie pojedynczej wartości za pomocą funkcji repeat()
• Używanie iteratorów skończonych
  • Przypisywanie liczb za pomocą funkcji enumerate()
  • Obliczanie sum narastających za pomocą funkcji accumulate()
  • Łączenie iteratorów za pomocą funkcji chain()
  • Podział iteratora na partycje za pomocą funkcji groupby()
  • Scalanie obiektów iterowalnych za pomocą funkcji zip_longest() i zip()
  • Tworzenie par za pomocą funkcji pairwise()
  • Filtrowanie z wykorzystaniem funkcji compress()
  • Zbieranie podzbiorów za pomocą funkcji islice()
  • Filtrowanie stanowe z wykorzystaniem funkcji dropwhile() i takewhile()
  • Dwa podejścia do filtrowania za pomocą funkcji filterfalse() i filter()
  • Zastosowanie funkcji do danych z wykorzystaniem funkcji starmap() i map()
• Klonowanie iteratorów za pomocą funkcji tee()
• Receptury modułu itertools
• Podsumowanie
• Ćwiczenia
  • Zoptymalizuj funkcję find_first()
  • Porównaj rozwiązanie z rozdziału 4. z recepturą itertools.pairwise()
  • Porównaj rozwiązanie z rozdziału 4. z recepturą itertools.tee()
  • Podział zestawu danych do celów szkolenia i testowania
  • Szeregowanie rang

Rozdział 9. Moduł itertools dla kombinatoryków - permutacje i kombinacje

• Wyliczanie iloczynu kartezjańskiego
• Redukowanie iloczynu
  • Obliczanie odległości
  • Uzyskanie wszystkich pikseli i wszystkich kolorów
• Poprawa wydajności
  • Przeformowanie problemu
  • Łączenie dwóch transformacji
• Permutacje zbioru wartości
• Generowanie wszystkich kombinacji
  • Kombinacje z powtórzeniami
• Receptury
• Podsumowanie
• Ćwiczenia
  • Alternatywne obliczenia odległości
  • Rzeczywista dziedzina wartości kolorów pikseli
  • Punktacja ręki w grze Cribbage

Rozdział 10. Moduł functools

• Narzędzia przetwarzania funkcji
• Memoizacja wcześniejszych wyników za pomocą dekoratora cache
• Definiowanie klas z dekoratorem total_ordering
• Stosowanie argumentów częściowych za pomocą funkcji partial()
• Redukcja zbiorów danych za pomocą funkcji reduce()
  • Łączenie funkcji map() i reduce()
  • Korzystanie z funkcji reduce() i partial()
  • Użycie funkcji map() i reduce() do oczyszczania surowych danych
  • Korzystanie z funkcji groupby() i reduce()
  • Unikanie problemów z funkcją reduce()
• Obsługa wielu typów za pomocą funkcji singledispatch
• Podsumowanie
• Ćwiczenia
  • Porównanie funkcji string.join() i reduce()
  • Rozszerzenie funkcji comma_fix()
  • Modyfikacja funkcji clean_sum()

Rozdział 11. Pakiet toolz

• Funkcja starmap z pakietu itertools
• Redukcje z wykorzystaniem funkcji modułu operator
• Korzystanie z pakietu toolz
  • Wybrane funkcje modułu itertoolz
  • Wybrane funkcje modułu dicttoolz
  • Wybrane funkcje modułu functoolz
• Podsumowanie
• Ćwiczenia
  • Zamiana dzielenia na ułamek
  • Parsowanie pliku kolorów
  • Analiza kwartetu Anscombe'a
  • Obliczenia punktów trasy
  • Geostrefa punktów trasy
  • Obiekt wywoływalny dla funkcji row_counter()

Rozdział 12. Techniki projektowania dekoratorów

• Dekoratory jako funkcje wyższego rzędu
  • Korzystanie z funkcji update_wrapper() z modułu functools
• Zagadnienia przekrojowe
• Funkcje złożone
  • Wstępne przetwarzanie nieprawidłowych danych
• Dekoratory z parametrami
• Implementacja bardziej złożonych dekoratorów
• Kwestie złożonego projektu
• Podsumowanie
• Ćwiczenia
  • Konwersje dat i godzin
  • Optymalizacja dekoratora
  • Funkcje obsługujące wartości None
  • Logowanie
  • Sprawdzanie "na sucho"

Rozdział 13. Biblioteka PyMonad

• Pobieranie i instalacja modułu PyMonad
• Kompozycja funkcyjna i rozwijanie funkcji
  • Korzystanie z rozwijanych funkcji wyższego rzędu
  • Kompozycja funkcyjna z wykorzystaniem biblioteki PyMonad
• Funktory - uczyń funkcję ze wszystkiego
  • Korzystanie z wartościowanej leniwie monady ListMonad()
• Funkcja monady bind()
• Implementacja symulacji za pomocą monad
• Dodatkowe własności biblioteki PyMonad
• Podsumowanie
• Ćwiczenia
  • Popraw aproksymację z wykorzystaniem funkcji arcus tangens
  • Obliczenia statystyczne
  • Walidacja danych
  • Wiele modeli

Rozdział 14. Moduły Multiprocessing, Threading i Concurrent.Futures

• Programowanie funkcyjne a współbieżność
• Co naprawdę oznacza współbieżność?
  • Warunki brzegowe
  • Współdzielenie zasobów za pomocą procesów lub wątków
  • Jak uzyskać największe korzyści?
• Korzystanie z pul wieloprocesowych i zadań
  • Przetwarzanie wielu dużych plików
  • Parsowanie plików logu - pobieranie wierszy
  • Parsowanie wierszy logu do postaci nazwanych krotek
  • Parsowanie dodatkowych pól obiektu Access
  • Filtrowanie szczegółów dostępu
  • Analiza szczegółów dostępu
  • Pełny proces analizy
• Korzystanie z puli wieloprocesowej w celu przetwarzania równoległego
  • Korzystanie z funkcji apply() do wykonywania pojedynczych żądań
  • Bardziej złożone architektury przetwarzania wieloprocesowego
  • Korzystanie z modułu concurrent.futures
  • Korzystanie z pul wątków modułu concurrent.futures
  • Korzystanie z modułów threading i queue
  • Korzystanie z funkcji asynchronicznych
  • Projektowanie współbieżnego przetwarzania
• Podsumowanie
• Ćwiczenia
  • Leniwe parsowanie
  • Filtrowanie szczegółów ścieżki dostępu
  • Dodaj dekoratory @cache
  • Utworzenie przykładowych danych
  • Zmiana struktury potoku

Rozdział 15. Podejście funkcyjne do usług sieciowych

• Model HTTP żądanie-odpowiedź
  • Wstrzykiwanie stanu za pomocą plików cookie
  • Serwer o projekcie funkcyjnym
  • Szczegóły widoku funkcyjnego
  • Zagnieżdżanie usług
• Standard WSGI
  • Zgłaszanie wyjątków podczas przetwarzania WSGI
  • Praktyczne aplikacje webowe
• Definiowanie usług sieciowych jako funkcji
  • Przetwarzanie za pomocą aplikacji Flask
  • Warstwa dostępu do danych
• Monitorowanie użycia
• Podsumowanie
• Ćwiczenia
  • Aplikacja WSGI - powitanie
  • Aplikacja WSGI - demo
  • Serializacja danych do formatu XML
  • Serializacja danych do formatu HTML