Question

请参阅toolz.thread_first()和toolz.thread_last()。

在我看来，他们使代码严格恶化。考虑

x = f(x)
x = g(x)
x = h(x)

VS

x = thread_last(x,
                f,
                g,
                h)

第一个例子是

更易读，易懂，
不依赖于外部Python库，
更容易调试，因为多个语句都有自己的行，并且
更详细，但不是很大。

即使你想通过x传递一个具有x = thread_first(x, *funcs)的可变大小的函数列表，这也可以通过常规迭代来完成 - 这又是更详细的，但是，不管怎么说，这种情况并不常见。

为什么有人想要使用thread_first()和thread_last()？它对我来说基本上看起来非常糟糕。 原则上，实现一种通过函数管道参数列表的方法可以通过并行化实现加速 - 但在我看来并不像在这些实现中实际发生这种情况。

Answer 1

虽然这主要是基于意见，但有许多好处：

命名很难（或者他们说）thread_*或pipe允许您跳过中间分配。无需发明数十个中间名称，甚至更糟糕的是生活在x，y，z个变量中。

专注于数据流和数据结构启用干净的声明式样式。代码的大部分可以表示为简单的数据结构，并使用标准数据结构方法进行转换。可以说，它使您的代码更容易理解：

thread_first(
  url, 
  requests.get,
  requests.models.Response.json,
  operator.itemgetter("result"))

并撰写/重用代码：

request_pipeline = [authorize, fetch, validate]
api_response = [render_json]
html_response = [render_html]

thread_first(request, *request_pipeline + api_response)
thread_first(request, *request_pipeline + html_response)

将焦点转移到引用透明度它自然地强制执行小的，引用透明的函数，并且作为副作用（双关语）使您的代码更容易调试。

它可以很好地处理延迟代码（toolz.map，toolz.filter），这使得它可以用于数据处理，可能是无限的数据结构。

最后你必须记住，这些功能不是单独存在的。它们旨在与toolz的其他部分（尤其是函数组合和currying），内置模块（如operator）一起使用，并且与第三方工具（如multipledispatch一起玩得非常好））。只有这样，他们才能充分发挥自己的力量。

然而 toolz中实现的许多想法在严格的函数式语言（Clojure和Elixir）中更为自然，正如您所提到的，对于Python开发人员来说可能并不自然。

toolz.thread_first（）和toolz.thread_last（）的目的是什么？

1 个答案: