您好,登錄后才能下訂單哦!
這篇文章主要講解了“Python如何實(shí)現(xiàn)SICP賦值和局部狀態(tài)”,文中的講解內(nèi)容簡單清晰,易于學(xué)習(xí)與理解,下面請大家跟著小編的思路慢慢深入,一起來研究和學(xué)習(xí)“Python如何實(shí)現(xiàn)SICP賦值和局部狀態(tài)”吧!
所謂模塊化,也即使這些系統(tǒng)能夠“自然地”劃分為一些內(nèi)聚(coherent)的部分,使這些部分可以分別進(jìn)行開發(fā)和維護(hù)。
在哲學(xué)上,組織程序的方式與我們對被模擬系統(tǒng)的認(rèn)識息息相關(guān)。接下來我們要研究兩種特色很鮮明的組織策略,它們源自于對于系統(tǒng)結(jié)構(gòu)的兩種非常不同的“世界觀”(world views)。
第一種策略將注意力集中在對象(objects)上,將一個(gè)大型系統(tǒng)看成不同對象的集合,它們的狀態(tài)和行為可能隨著時(shí)間不斷變化。
另一種組織策略將注意力集中在流過系統(tǒng)的信息流(streams of information)上,非常像EE工程師觀察一個(gè)信號處理系統(tǒng)。
這兩種策略都對程序設(shè)計(jì)提出了具有重要意義的語言要求。對于對象途徑而言,我們必須關(guān)注對象可以怎樣變化而又保持其標(biāo)識(identity)。這將迫使我們拋棄前面說講過的計(jì)算的代換模型,轉(zhuǎn)向更機(jī)械式的,理論上也更不容易把握的計(jì)算的環(huán)境模型(environment model)。在處理對象、變化和標(biāo)識時(shí),各種困難的根源在于我們需要在這一計(jì)算模型中與時(shí)間搏斗,如果引入并發(fā)后還將變得更糟糕。流方式將我們的模型中的模擬時(shí)間與求值過程中的事件發(fā)生順序進(jìn)行解耦,我們將通過一種稱為延時(shí)求值(lazy evaluation)的技術(shù)做到這一點(diǎn)。
在對象世界觀里,我們想讓計(jì)算對象具有隨著時(shí)間變化的狀態(tài),而這就需要讓每個(gè)計(jì)算對象有自己的一些局部狀態(tài)變量。現(xiàn)在讓我們來對一個(gè)銀行賬戶支取現(xiàn)金的情況做一個(gè)模擬。我們將用一個(gè)過程withdraw
完成此事,它有一個(gè)參數(shù)amount
表示支取的現(xiàn)金量。如果余額足夠則withdraw
返回支取之后賬戶里剩余的款額,否則返回消息Insufficient funds
(金額不足)。假設(shè)開始時(shí)賬戶有100元錢,在不斷使用withdraw
的過程中我們可能得到下面的響應(yīng)序列:
withdraw(25) # 70 withdraw(25) # 50 withdraw(60) # "In sufficient funds" withdraw(15) # 35
在這里可以看到表達(dá)式widthdraw(25)
求值了兩次,但它產(chǎn)生的值卻不同,這是過程的一種新的行為方式。之前我們看到的過程都可以看做是一些可計(jì)算的數(shù)學(xué)函數(shù)的描述,兩次調(diào)用一個(gè)同一個(gè)過程,總會產(chǎn)生出相同的結(jié)果。
為了實(shí)現(xiàn)withdraw
,我們可以用一個(gè)全局變量balance
表示賬戶里的現(xiàn)金金額,并將withdraw
定義為一個(gè)訪問balance
的過程。下面是balance
和widthdraw
的定義:
balance = 100 def withdraw(amount): global balance if balance > amount: balance = balance - amount return balance else: return "Insufficient funds"
雖然withdraw
能像我們期望的那樣工作,變量balance
卻表現(xiàn)出一個(gè)問題。如上所示,balance
是定義在全局環(huán)境中的一個(gè)名字,因此可以被任何過程檢查或修改。我們希望將balance
做成withdraw
內(nèi)部的東西,因?yàn)檫@將使withdraw
成為唯一能直接訪問balance
的過程,而其他過程只能間接地(通過對withdraw
的調(diào)用)訪問balance
。這樣才能準(zhǔn)確地模擬有關(guān)的概念:balance是一個(gè)只有withdraw
使用的局部狀態(tài)變量,用于保存賬戶狀態(tài)的變化軌跡。
我們可以通過下面的方式重寫出withdraw
,使balance
成為它內(nèi)部的東西:
def new_withdraw(): balance = 100 def inner(amount): nonlocal balance if balance > amount: balance = balance - amount return balance else: return "Insufficient funds" return inner W = new_withdraw() print(W(25)) # 70 print(W(25)) # 50 print(W(60)) # "In sufficient funds" print(W(15)) # 35
這里的做法是用創(chuàng)建起一個(gè)包含局部變量balance
的環(huán)境,并使它初始值為100。在這個(gè)環(huán)境里,我們創(chuàng)建了一個(gè)過程inner
,它以amount
作為一個(gè)參數(shù),其行為就像是前面的withdraw
過程。這樣最終返回的過程就是new_withdraw
,它的行為方式就像是withdraw
,但其中的變量確實(shí)其他任何過程都不能訪問的。用程序設(shè)計(jì)語言的行話,我們說變量balance
被稱為是封裝在new_withedraw
過程里面。
將賦值語句與局部變量相結(jié)合,形成了一種具有一般性的程序設(shè)計(jì)技術(shù),我們將一直使用這種技術(shù)區(qū)構(gòu)造帶有局部狀態(tài)的計(jì)算對象。但這一技術(shù)也帶來了麻煩,我們之前在代換模型中說,應(yīng)用(apply)一個(gè)過程應(yīng)該解釋為在將過程的形式參數(shù)用對應(yīng)的值取代之后再求值這一過程。但現(xiàn)在出現(xiàn)了麻煩,一旦在語言中引進(jìn)了賦值,代換就不再適合作為過程應(yīng)用的模型了(我們將在3.1.3節(jié)中看到其中的原因)。我們需要為過程應(yīng)用開發(fā)一個(gè)新模型,這一模型將在3.2節(jié)中介紹?,F(xiàn)在我們要首先檢查new_withdraw
所提出的問題的幾種變形。
下面過程make_withdraw
能創(chuàng)建出一種“提款處理器”。make_withdraw
的形式參數(shù)balance
描述了有關(guān)賬戶的初始余額值。
def make_withdraw(balance): def withdraw(amount): nonlocal balance if balance > amount: balance = balance - amount return balance else: return "Insufficient funds" return withdraw
下面用make_withdraw
創(chuàng)建了兩個(gè)對象:
W1 = make_withdraw(100) W2 = make_withdraw(100) print(W1(50)) # 50 print(W2(70)) # 30 print(W2(40)) # Insufficient funds print(W1(40)) # 10
我們可以看到,W1
和W2
是相互完全獨(dú)立的對象,每一個(gè)都有自己的局部狀態(tài)變量balance
,從一個(gè)對象提款與另一個(gè)毫無關(guān)系。
我們還可以創(chuàng)建出除了提款還能夠存入款項(xiàng)的對象,這樣就可以表示簡單的銀行賬戶了。下面是一個(gè)過程,它返回一個(gè)具有給點(diǎn)初始余額的“銀行賬戶對象”:
def make_account(balance): def withdraw(amount): nonlocal balance if balance >= amount: balance = balance - amount return balance else: return "In sufficient funds" def deposit(amount): nonlocal balance balance = balance + amount return balance def dispatch(m): nonlocal balance if m == "withdraw": return withdraw if m == "deposit": return deposit else: raise ValueError("Unkown request -- MAKE_ACOUNT %s" % m) return dispatch
對于make_acount
的每次調(diào)用將設(shè)置好一個(gè)帶有局部狀態(tài)變量balance
的環(huán)境,在這個(gè)環(huán)境里,make_account
定義了能夠訪問balance
過程deposit
和withdraw
,另外還有一個(gè)過程dispatch
,它以一個(gè)“消息”做為輸入,返回這兩個(gè)局部過程之一。過程dispatch
本身將會被返回,做為表示有關(guān)銀行賬戶對象的值。這正好是我們在2.4.3節(jié)中看到過的程序設(shè)計(jì)的消息傳遞風(fēng)格,當(dāng)然這里將它與修改局部變量的功能一起使用。
acc = make_account(100) print(acc("withdraw")(50)) # 50 print(acc("withdraw")(60)) # In sufficient funds print(acc("deposit")(40)) # 90 print(acc("withdraw")(60)) # 30
對acc
的每次調(diào)用將返回局部定義的deposit
或者withdraw
過程,這個(gè)過程隨后被應(yīng)用于給定的amount
。就像make_withdraw
一樣,對make_amount
的另一次調(diào)用
acc2 = make_acount(100)
將產(chǎn)生出另一個(gè)完全獨(dú)立的賬戶對象,維持著它自己的局部balance
。
這里再舉一個(gè)實(shí)現(xiàn)累加器的例子(事實(shí)上該例子在《黑客與畫家》[2]第13章中也有出現(xiàn),被用來說明不同編程語言編程能力的差異)。累加器是一個(gè)過程,反復(fù)用數(shù)值參數(shù)調(diào)用它,就會使得它的各個(gè)參數(shù)累加到一個(gè)和中。每次調(diào)用時(shí)累加器將返回當(dāng)前的累加和。請寫出一個(gè)生成累加器的過程make_accumulator
,它所生成的每個(gè)累加器維持著一個(gè)獨(dú)立的和。傳給make_accumulator
的輸入描述了和的初始值。其Python實(shí)現(xiàn)代碼如下:
def make_accumulator(sum_value): def accumulator(number): nonlocal sum_value sum_value += number return sum_value return accumulator A = make_accumulator(5) print(A(10)) # 15 print(A(10)) # 25
當(dāng)然,Common Lisp的寫法將更為簡單:
(defun make_accumulator (sum_value) (lambda (number) (incf sum_value number)))
Ruby的寫法與Lisp幾乎完全相同:
def make_accumulator (sum_value) lambda {|number| sum_value += number } end
正如下面將要看到的,將賦值引進(jìn)所用的程序設(shè)計(jì)語言中,將會使我們陷入困難概念問題的叢林之中。但無論如何,將系統(tǒng)看做是帶有局部狀態(tài)的對象的集合,也是一種維護(hù)模塊化設(shè)計(jì)的強(qiáng)有力技術(shù)。先讓我們看一個(gè)簡單的例子:如何設(shè)計(jì)出一個(gè)過程rand
,每次它被調(diào)用就會返回一個(gè)隨機(jī)選出的整數(shù)。這里的“隨機(jī)選擇”的意思并不清楚,其實(shí)我們希望的就是對rand
的反復(fù)調(diào)用將產(chǎn)生一個(gè)具有均勻分布統(tǒng)計(jì)性質(zhì)的序列。假定我們已經(jīng)有一個(gè)過程rand-update
,它的性質(zhì)就是,如果從一個(gè)給點(diǎn)的數(shù)x1
開始,執(zhí)行下面操作
x2 = random_update(x1) x3 = random_update(x2)
得到的值序列x1
、x2
,x3
,...將具有我們所希望的性質(zhì)。
實(shí)現(xiàn)random_update
的一種常見方法就是采用將xx更新為ax+bax+b取模mm的規(guī)則,其中a
、b
和m
都是適當(dāng)選出的整數(shù)。比如:
def rand_update(x): a = int(pow(7, 5)) b = 0 m = int(pow(2, 31)) - 1 return (a * x + b) % m
Knuth的TAOCP第二卷(半數(shù)值算法)[3]中包含了有關(guān)隨機(jī)數(shù)序列和建立起統(tǒng)計(jì)性質(zhì)的深入討論。注意,random_update
是計(jì)算一個(gè)數(shù)學(xué)函數(shù),兩次給它同一個(gè)輸入,它將產(chǎn)生同一個(gè)輸出。這樣,如果“隨機(jī)”強(qiáng)調(diào)的事序列中每個(gè)數(shù)與前面的數(shù)無關(guān)的話,由random_update
生成的數(shù)序列肯定不是“隨機(jī)的”。在“真正的隨機(jī)性”與所謂偽隨機(jī)序列(由定義良好的確定性計(jì)算產(chǎn)生出的但又具有適當(dāng)統(tǒng)計(jì)性質(zhì)的序列)之間的關(guān)系是一個(gè)非常復(fù)雜的問題,涉及到數(shù)學(xué)和哲學(xué)中的一些困難問題,Kolmogorov、Solomonoff、Chaitin為這些問題做出了很多貢獻(xiàn),從Chaitin 1975[4]可以找到有關(guān)討論。
現(xiàn)在回到當(dāng)前的話題來。我們已經(jīng)實(shí)現(xiàn)好了random_update
,接下來在此基礎(chǔ)上實(shí)現(xiàn)rand
。我們可以將rand
實(shí)現(xiàn)為一個(gè)帶有局部狀態(tài)變量x
的過程,其中將這個(gè)變量初始化為某個(gè)固定值rand_init
。對rand
的每次調(diào)用算出當(dāng)前xx值的random_update
值:
def make_rand(random_init): x = random_init def inner(): nonlocal x x = rand_update(x) return x return inner rand = make_rand(42) print(rand()) # 705894 print(rand()) # 1126542223
當(dāng)然,即使不用賦值,我們也可以通過簡單地調(diào)用rand_update
,生成同樣的隨機(jī)序列。但是這意味著程序中任何使用隨機(jī)數(shù)的部分都必須顯式地記住,需要將x
的當(dāng)前值傳給rand_update
作為參數(shù),這樣會徒增煩惱。
接下來,我們考慮用隨機(jī)數(shù)實(shí)現(xiàn)一種稱為蒙特卡羅模擬的技術(shù)。
蒙特卡羅方法包括從一個(gè)大集合里隨機(jī)選擇試驗(yàn)樣本,并在對這些試驗(yàn)結(jié)果的統(tǒng)計(jì)估計(jì)的基礎(chǔ)上做出推斷。例如,6/π26/π2是隨機(jī)選取的兩個(gè)整數(shù)之間沒有公共因子(也即最大公因子為1)的概率。我們可以利用這一事實(shí)做出ππ的近似值(這個(gè)定理出自Cesaro,見TAOCP第二卷[3]4.5.2的討論和證明)。
這一程序的核心是過程monte_carlo
,它以某個(gè)試驗(yàn)的次數(shù)(trails
)以及這個(gè)試驗(yàn)本身(experiment
)作為參數(shù)。試驗(yàn)用一個(gè)無參過程cesaro_test
表示,返回的是每次運(yùn)行的結(jié)果為真或假。monte_carlo
運(yùn)行指定次數(shù)的這個(gè)試驗(yàn),它返回所做的這些試驗(yàn)中得到真的比例。
rand = make_rand(42) import math def estimate_pi(trials): return math.sqrt(6 / monte_carlo(trials, cesaro_test)) def cesaro_test(): return math.gcd(rand(), rand()) == 1 def monte_carlo(trials, experiment): def iter(trials_remaining, trials_passed): if trials_remaining == 0: return trials_passed / trials elif cesaro_test(): return iter(trials_remaining - 1, trials_passed + 1) else: return iter(trials_remaining - 1, trials_passed) return iter(trials, 0) print(estimate_pi(500)) # 3.178208630818641
現(xiàn)在讓我們試一試不用rand
,直接用rand_update
完成同一個(gè)計(jì)算。如果我們不使用賦值去模擬局部狀態(tài),那么將不得不采取下面的做法:
random_init = 42 def estimate_pi(trials): return math.sqrt(6 / random_gcd_test(trials, random_init)) def random_gcd_test(trials, initial_x): def iter(trials_remaining, trials_passed, x): x1 = rand_update(x) x2 = rand_update(x1) if trials_remaining == 0: return trials_passed / trials elif math.gcd(x1, x2) == 1: return iter(trials_remaining - 1, trials_passed + 1, x2) else: return iter(trials_remaining - 1, trials_passed, x2) return iter(trials, 0, initial_x) print(estimate_pi(500)) # 3.178208630818641
雖然這個(gè)程序還是比較簡單的,但它卻在模塊化上打開了一些令人痛苦的缺口,因?yàn)樗枰@式地去操作隨機(jī)數(shù)x1
和x2
,并通過一個(gè)迭代過程將x2
傳給random_update
作為新的輸入。這種對于隨機(jī)數(shù)的顯式處理與積累檢查結(jié)果的結(jié)構(gòu)交織在一起。此外,就連上層的過程estimate_pi
也必須關(guān)心提供隨機(jī)數(shù)的問題。由于內(nèi)部的隨機(jī)數(shù)生成器被暴露了出來,進(jìn)入了程序的其它部分,我們很難將蒙特卡羅方法的思想隔離出來了。反觀我們在程序的第一個(gè)版本中,由于通過賦值將隨機(jī)數(shù)生成器的狀態(tài)隔離在過程rand
的內(nèi)部,因此就使隨機(jī)數(shù)生成的細(xì)節(jié)完全獨(dú)立于程序的其它部分了。
由上面的蒙特卡洛方法實(shí)例體現(xiàn)的一種普遍性系統(tǒng)設(shè)計(jì)原則就是:對于行為隨時(shí)間變化的計(jì)算對象(如銀行賬戶和隨機(jī)數(shù)生成器),我們需要設(shè)置局部狀態(tài)變量,并用對這些變量的賦值去模擬狀態(tài)的變化。
正如上面所看到的,賦值操作使我們可以模擬帶有局部狀態(tài)的對象。然而,這一獲益也有一個(gè)代價(jià),也即使我們的程序設(shè)計(jì)語言不能再用前面所提到過的代換模型解釋了。進(jìn)一步說,任何具有“漂亮”數(shù)學(xué)性質(zhì)的簡單模型,都不可能繼續(xù)適合作為處理程序設(shè)計(jì)語言里的對象和賦值的框架了。
只要我們不適用賦值,以同樣參數(shù)對同一過程的兩次求值一定產(chǎn)生出同樣的結(jié)果,因此就可以認(rèn)為過程是在計(jì)算數(shù)學(xué)函數(shù)。就像我們在之前的章節(jié)中所提到的那樣,不用任何復(fù)制的程序設(shè)計(jì)稱為函數(shù)式程序設(shè)計(jì)。
要理解復(fù)制將怎樣使事情復(fù)雜化了,考慮3.1.1節(jié)中make_withdraw
過程的一個(gè)簡化版本,其中不再關(guān)注是否有足夠余額的問題:
def make_simplified_withdraw(balance): def simplified_withdraw(amount): nonlocal balance balance = balance - amount return balance return simplified_withdraw W = make_simplified_withdraw(25) print(W(20)) # 5 print(W(10)) # -5
請將這一過程與下面make_decrementer
過程做一個(gè)比較,該過程里沒有用賦值運(yùn)算:
def make_decrementer(balance): return lambda amount: balance - amount
make_decrementer
返回的是一個(gè)過程,該過程從指定的量balance
中減去其輸入,但順序調(diào)用時(shí)卻不會像make_simplifed_withdraw
那樣產(chǎn)生累積的結(jié)果。
D = make_decrementer(25) print(D(20)) # 5 print(D(10)) # 15
我們可以用代換模型解釋make_decrementer
如何工作。例如,讓我們分析一下下面表達(dá)式的求值過程:
make_decrementer(25)(20)
首先簡化組合式中的操作符,用25代換make_decrementer
體里的balance
,這樣就規(guī)約出了下面的表達(dá)式:
(lambda amount: 25 - amount) (20)
隨后應(yīng)用運(yùn)算符,用20
代換lambda
表達(dá)體里的amount
:
25 - 20
最后結(jié)果是5。
現(xiàn)在再來看看,如果將類似的代換分析用于make_simplifed_withdraw
,會出現(xiàn)什么情況:
make_simplified_withdraw(25)(20)
先簡化其中的運(yùn)算符,用25
代換make_simplified_withdraw
體里的balance
,這樣就規(guī)約出了下面的表達(dá)式(注意,Python的lambda表達(dá)式里不能進(jìn)行賦值運(yùn)算(據(jù)Guido說是故意加以限制從而防止Python成為一門函數(shù)式編程語言),下面這個(gè)式子不能在Python解釋器中運(yùn)行,只是為了方便大家理解):
(lambda amount: balance = 25 - amount)(25)(20)
這里我們沒有代換賦值表達(dá)式里的balance
,因?yàn)橘x值符號=
的左邊部分并不會進(jìn)行求值,如果代換掉它,得到的25 = 25 - amount
根本就沒有意義。
現(xiàn)在用20
代換lambda
表達(dá)式體里的amount
:
(balance = 25 - 20)(25)
如果我們堅(jiān)持使用代換模型,那么就必須說,這個(gè)過程應(yīng)用的結(jié)果是首先將balance
設(shè)置為5,而后返回25作為表達(dá)式的值。這樣得到的結(jié)果當(dāng)然是錯(cuò)誤的。為了得到正確答案,我們不得不對balance
的第一次出現(xiàn)(在=
作用之前)和它的第二次出現(xiàn)(在=
作用之后)加以區(qū)分,而代換模型根本無法完成這件事情。
這里的麻煩在于,從本質(zhì)上說代換的最終基礎(chǔ)就是,這一語言里的符號不過是作為值的名字。而一旦引入了賦值運(yùn)算=
和變量的值可以變化的想法,一個(gè)變量就不再是一個(gè)簡單的名字了?,F(xiàn)在的一個(gè)變量索引著一個(gè)可以保存值的位置(place),而存儲再那里的值也是可以改變的。在3.2節(jié)里將會看到,在我們的計(jì)算模型里,環(huán)境將怎樣扮演者“位置”的角色。
同一和變化
這里暴露出的問題遠(yuǎn)遠(yuǎn)不是簡單地打破了一個(gè)特定計(jì)算模型,它還使得以前非常簡單明了的概念現(xiàn)在都變得有問題了。首先考慮兩個(gè)物體實(shí)際上“同一”(“the same”)的概念。
假定我們用同樣的參數(shù)調(diào)用make_decrementer
兩次,就會創(chuàng)建出兩個(gè)過程:
D1 = make_decrementer(25) D2 = make_decrementer(25)
D1
和D2
是同一的嗎?“是”是一個(gè)可接受的回答,因?yàn)?code>D1和D2
具有同樣的計(jì)算行為——都是同樣的將會從其輸入里減去25點(diǎn)過程。事實(shí)上,我們確實(shí)可以在任何計(jì)算中用D1
代替D2
而不會改變結(jié)果,如下所示:
print(D1(20)) # 5 print(D1(20)) # 5 print(D2(20)) # 5
于此相對應(yīng)的是調(diào)用make_simplified_withdraw
兩次:
W1 = make_simplified_withdraw(25) W2 = make_simplified_withdraw(25)
W1
和W2
是同一的嗎?顯然不是,因?yàn)閷?code>W1和W2
的調(diào)用會有不同的效果,下面的調(diào)用顯示出這方面的情況:
print(W1(20)) # 5 print(W1(20)) # -15 print(W2(20)) # 5
雖然W1
和W2
都是通過對同樣表達(dá)式make_simplified_withdraw(25)
求值創(chuàng)建起來的東西,從這個(gè)角度可以說它們“同一”。但如果說在任何表達(dá)式里都可以用W1
代替W2
,而不會改變表達(dá)式的求值結(jié)果,那就不對了。
如果一個(gè)語言支持在表達(dá)式里“同一的東西可以相互替換”的觀念,這樣替換不會改變有關(guān)表達(dá)式的值,這個(gè)語言就稱為是具有引用透明性。而當(dāng)我們的計(jì)算機(jī)語言包含賦值運(yùn)算之后,就打破了引用透明性。
一旦我們拋棄了引用透明性,有關(guān)計(jì)算對象“同一”的意義問題就很難形式地定義清楚了。事實(shí)上,在我們企圖用計(jì)算機(jī)程序去模擬的現(xiàn)實(shí)世界里,“同一”的意義本身就很難搞清楚的,這是由于“同一”和“變化”的循環(huán)定義所致:我們想要確定兩個(gè)看起來同一的事物是否確實(shí)是“同一個(gè)東西”,我們一般只能去改變其中一個(gè)對象,看另一個(gè)對象是否也同樣改變;但如果不觀察“同一個(gè)”對象兩次,看看對象的性質(zhì)是否與另一次不同,我們就能確定對象是否“變化”。由是觀之,我們必須要將“同一”作為一個(gè)先驗(yàn)觀念引入(PS:這里可以參見康德的思想),否則我們就不可能確定“變化”。
現(xiàn)在舉例說明這一問題會如何出現(xiàn)在程序設(shè)計(jì)里?,F(xiàn)在考慮一種新情況,假定Peter和Paul有銀行賬戶,其中有100塊錢。關(guān)于這一事實(shí)的如下模擬:
peter_acc = make_account(100) paul_acc = make_account(100)
和如下模擬之間有著實(shí)質(zhì)性的不同:
peter_acc = make_account(100) paul_acc = peter_acc
在前一種情況里,有關(guān)的兩個(gè)銀行賬戶互不相同。Peter所做的交易將不會影響Paul的賬戶,反之亦然。比如,當(dāng)Peter取10塊,Paul取10塊,則Paul賬戶里還有90塊:
peter_acc("withdraw")(10) print(paul_acc("withdraw")(10)) # 90
而對于后一種情況,這里把paul_acc
定義為與peter_acc
是同一個(gè)東西,結(jié)果就使現(xiàn)在Peter和Paul共有一個(gè)共同的賬戶,此時(shí)當(dāng)Peter取10塊錢,Paul再取10塊錢后,Paul就只剩80塊錢了:
peter_acc("withdraw")(10) print(paul_acc("withdraw")(10)) # 80
這里一個(gè)計(jì)算對象可以通過多于一個(gè)名字訪問的現(xiàn)象稱為別名(aliasing)。這里的銀行賬戶例子是最簡單的,我們在3.3節(jié)里還將看到一些更復(fù)雜的例子,例如“不同”的數(shù)據(jù)結(jié)構(gòu)共享某些部分,如果對某一個(gè)對象的修改可能由于“副作用”而修改了另一“不同的”的對象,因?yàn)檫@兩個(gè)“不同”對象實(shí)際上只是同一個(gè)對象的不同別名,當(dāng)我們忘記這一情況程序就可能出現(xiàn)錯(cuò)誤。這種錯(cuò)誤被稱為副作用錯(cuò)誤,特別難以定位和分析。因此某些人(如分布式計(jì)算大佬Lampson)就建議說,程序設(shè)計(jì)語言的設(shè)計(jì)不允許副作用或者別名。
命令式程序設(shè)計(jì)的缺陷
與函數(shù)式程序設(shè)計(jì)相對應(yīng)的,廣泛采用賦值的程序設(shè)計(jì)被稱為命令式程序設(shè)計(jì)(imperative programming)。除了會導(dǎo)致計(jì)算模型的復(fù)雜性之外,以命令式風(fēng)格寫出的程序還容易出現(xiàn)一些不會在函數(shù)式程序中出現(xiàn)的錯(cuò)誤。舉例來說,現(xiàn)在重看一下在1.2.1節(jié)里的迭代求階乘程序:
def factorial(n): def iter(product, counter): if counter > n: return product else: return iter(counter * product, counter + 1) return iter(1, 1) print(factorial(4)) # 24
我們也可以不通過內(nèi)部迭代循環(huán)(這里假設(shè)Python支持尾遞歸)傳遞參數(shù),而是采用更命令的風(fēng)格,顯式地通過賦值去更新變量product
和counter
的值:
def factorial(n): product, counter = 1, 1 def iter(): nonlocal product, counter if counter > n: return product else: product = counter * product counter = counter + 1 return iter() return iter() print(factorial(4)) # 24
這樣做不會改變程序的結(jié)果,但卻會引進(jìn)一個(gè)很微妙的陷阱。我們應(yīng)該如何確定兩個(gè)賦值的順序呢?像上面的程序雖然是正確的,但如果以相反的順序?qū)懗鲞@兩個(gè)賦值:
counter = counter + 1 product = counter * product
就會產(chǎn)生出與上面不同的錯(cuò)誤結(jié)果:
print(factorial(4)) # 120, Wrong!
感謝各位的閱讀,以上就是“Python如何實(shí)現(xiàn)SICP賦值和局部狀態(tài)”的內(nèi)容了,經(jīng)過本文的學(xué)習(xí)后,相信大家對Python如何實(shí)現(xiàn)SICP賦值和局部狀態(tài)這一問題有了更深刻的體會,具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云,小編將為大家推送更多相關(guān)知識點(diǎn)的文章,歡迎關(guān)注!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。