Day 095 — 函数式编程深入 · 练习清单

✅ 今日完成清单

[ ] 掌握 functools 模块的所有高级函数
[ ] 理解柯里化与偏函数的区别
[ ] 学习不可变数据结构的使用场景
[ ] 实现自定义管道组合
[ ] 理解惰性求值的优势

📝 练习题

基础题

1. functools 实战

使用 functools 模块完成以下任务： - 使用 reduce 实现字典扁平化（嵌套字典转一层字典） - 使用 lru_cache 优化斐波那契数列，并统计缓存命中率 - 使用 singledispatch 实现一个多类型序列化器

python

# 测试用例
nested = {"a": {"b": 1, "c": 2}, "d": 3}
# flatten_dict(nested) → {"a.b": 1, "a.c": 2, "d": 3}

2. 柯里化管道

使用柯里化创建一个数据处理管道生成器： - 输入：函数列表 - 输出：柯里化版本的管道函数 - 支持部分应用

python

pipeline = make_pipeline(
    str.strip,
    str.lower,
    lambda s: s.replace(" ", "_"),
)
# pipeline("  Hello World  ") → "hello_world"
# pipeline("  Good Bye  ") → "good_bye"

3. 不可变数据操作

实现一个不可变的栈（Stack）数据结构： - push(item) → 返回新栈（原栈不变） - pop() → 返回 (新栈, 弹出的元素) - peek() → 查看栈顶元素 - size() → 返回大小

进阶题

4. 惰性求值迭代器

实现一个惰性求值的 Range 类： - 支持 map, filter, take 操作 - 只在迭代时才计算 - 支持无限序列

python

lazy = LazyRange(1, 1000000).filter(lambda x: x % 2 == 0).map(lambda x: x * 2).take(5)
print(list(lazy))  # [4, 8, 12, 16, 20]

5. 函数式状态机

使用不可变数据和函数组合实现一个有限状态机： - 状态：OFF, ON, ERROR - 转换：turn_on, turn_off, error_occurred, reset - 每次转换返回新状态对象

python

machine = StateMachine(initial="OFF")
machine = machine.transition("turn_on")  # OFF → ON
machine = machine.transition("error")    # ON → ERROR

6. 数据验证管道

构建一个可组合的数据验证管道： - 每个验证规则是一个函数 - 管道支持短路（第一个失败就停止） - 支持错误消息聚合

python

validator = ValidationPipeline(
    required("username"),
    min_length("username", 3),
    max_length("username", 20),
    pattern("email", r'^[\w.-]+@[\w.-]+\.\w+$'),
)

result = validator.validate({"username": "alice", "email": "alice@example.com"})
# {"valid": True, "data": {...}}

🔍 检查点

完成后，确认你能回答以下问题：

reduce 和 sum 的区别是什么？什么时候用 reduce？
lru_cache 的 maxsize 参数设为 None 和设为具体数值有什么区别？
柯里化和偏函数（partial）的区别是什么？各自的使用场景？
为什么 frozenset 可以作为字典键，而 set 不行？
惰性求值在处理大数据时有什么优势？