Question

我正在将一些Python代码转换为Haskell。业务逻辑相当复杂，我的Haskell代码变得丑陋。

我的Python功能：

def f(some_state):
    doAction1() # e.g. send_message("Hi there!")
    if not userIsAuthenticated:
        doAction2() # e.g. send_message("Please login")
        return
    if not userHasPermission:
        doAction3() # e.g. send_message("Please sudo")
        return
    if somePredicate3:
        doAction4()
        if somePredicate4:
            doAction5()
    return

我对Haskell版本有两个约束：

为了保持我的代码纯粹可能，我想在列表中收集我的所有动作（或者如果我感觉很好看，则收集免费Monad）然后（在函数外部）执行它。在Python中，我会在函数的开头定义tmp = []，将所有动作追加到tmp（不调用它们）并返回tmp。然后，我会遍历列表来执行所有操作（根本不是Pythonic！）。
不最终会像这样被推向正确的疯狂：

-

if a
then undefined
else if b
     then undefined
     else if c
          then undefined
          else if d
               then undefined
               else undefined

基本上，我想收集行动清单并在必要时尽早退出，以便我可以写下这样的内容：

tell Action1
when somePredicate1 $ tell doAction2
when somePredicate2 $ tell doAction3
...

tell不是来自编写者monad，但是它是一个函数（它不存在）聚合到目前为止“告诉”的所有内容（作者monad）并在退出时返回。 / p>

这真的感觉像是一个广义的Either monad，除了我需要保留在第一个Left之前发生的所有动作（而不仅仅是Left值）然后在第一个Left的早期退出。我认为解决方案可能以某种方式建立在MonadPlus或Alternative上，但我无法弄清楚一些不错的东西。基本上是一种花哨的guard。

我也绝对有可能过度设计这个过程，我应该接受我的代码必须向右移动。但这不会很优雅，不是吗？

编辑：为清楚起见，我想要一个f :: State -> [Action]类型的函数，其中data Action = Action1 | Action2 | Action3。

Answer 1

这听起来像import org.apache.spark.ml.{Pipeline, PipelineModel} import org.apache.spark.ml.classification.LogisticRegression import org.apache.spark.ml.evaluation.BinaryClassificationEvaluator import org.apache.spark.ml.tuning.{ParamGridBuilder, CrossValidator} import org.apache.spark.mllib.linalg.Vector import java.io._ import org.apache.spark.mllib.util.MLUtils import org.apache.log4j.Logger import org.apache.log4j.Level Logger.getLogger("org").setLevel(Level.OFF) Logger.getLogger("akka").setLevel(Level.OFF) val training = sqlContext.read.format("libsvm").option("numFeatures", "2564828").load("/path/to/large/libsvm/training/data") val test = sqlContext.read.format("libsvm").option("numFeatures", "2564828").load("/path/to/large/libsvm/test/data") val lr = (new LogisticRegression()).setMaxIter(100).setElasticNetParam(1.0).setRegParam(0.1) val lrm = lr.fit(training) val output = lrm.transform(test) val evaluator = (new BinaryClassificationEvaluator()) val metric = evaluator.evaluate(output)的理想用法，来自mtl的Control.Monad.Except，如下所示：

throwError

如有必要，尽早收集行动和分支

1 个答案: