Jigyasa Grover 2019-10-18
Python 支持命令式、函数式、过程式和面向对象编程。以下是一些针对特定使用场景选择合适范式的建议。
每年年初，TIOBE 都会公布其“年度编程语言”奖项。当 TIOBE 最新年度指数报告发布时，看到 Python 再次荣登榜首我毫不意外——这一结果基于 2018 年在各大搜索引擎（尤其是 Google、Bing、Yahoo、Wikipedia、Amazon、YouTube 和 Baidu）上的搜索排名积分。
TIOBE 指数中的 Python 数据
TIOBE 的发现得到了进一步佐证：今年早些时候，近 9 万名开发者参与了 Stack Overflow 的年度开发者调查，这是全球规模最大、最全面的程序员调查。今年的主要结论是：
“Python 是增长最快的主流编程语言，在我们的调查中排名再次上升，今年已超越 Java，成为第二受喜爱的语言（仅次于 Rust）。”
自从我开始编程并探索不同语言以来，就目睹了人们对 Python 的推崇不断高涨。自 2003 年起，Python 始终稳居十大最受欢迎编程语言之列。正如 TIOBE 报告所指出的：
“如今，Python 是大学中最常教授的入门语言，在统计领域排名第一，在人工智能编程中排名第一，在脚本编写中排名第一，在系统测试编写中也排名第一。此外，Python 在 Web 开发和科学计算等领域同样处于领先地位（仅举几例）。总而言之，Python 无处不在。”
Python 在 Web 开发、科学计算、测试、数据科学、机器学习等多个领域的快速崛起、繁荣与主导地位，源于诸多因素：代码可读性强且易于维护；对第三方集成和库的广泛支持；模块化、动态化和可移植的结构；灵活的编程方式；学习门槛低且社区支持强大；用户友好的数据结构；开发效率高、速度快；最重要的是——活跃的社区生态。Python 的广泛应用正是这些特性综合作用的结果。
但在我看来，简洁的语法和惊人的灵活性才是关键——它能让来自各种语言背景的开发者按自己习惯的方式编码，而不是强迫他们遵循某种固定风格。很少有语言能像 Python 这样，适应开发者的编码风格，而非反之。Python 允许经验丰富的开发者根据具体问题选择最适合的编程风格。
使用 Python 时，你就像一位“蛇笛手”（Snake Charmer），可以充分利用 Python 提供的非强制性环境，以最适合特定场景的方式编写代码，从而提升代码的可读性、可测试性和一致性。
Python 编程范式
Python 支持四种主要编程范式：命令式（imperative）、函数式（functional）、过程式（procedural）和面向对象（object-oriented）。无论你是否认同这些范式的有效性或实用性，Python 都努力让这四种范式可用且有效。
在深入探讨哪种范式最适合特定用例之前，我们先快速回顾一下它们的基本概念。
命令式编程范式（Imperative Programming）
命令式编程范式使用自然语言中的“祈使语气”来表达指令。它以逐步执行命令的方式运行程序，就像一系列口头指令。它采用“如何解决”（how-to-solve）的思路，直接修改程序状态，因此也被称为有状态编程模型（stateful programming model）。
使用命令式范式，你可以快速编写出简单而优雅的代码，特别适合涉及数据操作的任务。但由于其相对缓慢且顺序执行的策略，不适合复杂的并行计算。
林纳斯·托瓦兹（Linus Torvalds）名言
例如，假设任务是将一个字符列表连接成一个字符串。使用命令式风格，可以这样写：
>>> sample_characters = ['p','y','t','h','o','n']
>>> sample_string = ''
>>> sample_string = sample_string + sample_characters[0]
>>> sample_string
'p'
>>> sample_string = sample_string + sample_characters[1]
>>> sample_string
'py'
# ...（省略中间步骤）
>>> sample_string = sample_string + sample_characters[5]
>>> sample_string
'python'
这里，变量 sample_string 就像是程序的状态，随着每条命令的执行而不断变化，我们可以轻松追踪程序的进展。
同样的逻辑也可以用 for 循环（也属于命令式编程）更简洁地实现：
>>> sample_characters = ['p','y','t','h','o','n']
>>> sample_string = ''
>>> for c in sample_characters:
... sample_string = sample_string + c
... print(sample_string)
...
p
py
pyt
pyth
pytho
python
函数式编程范式（Functional Programming）
函数式编程范式将程序计算视为基于λ演算（lambda calculus）的数学函数求值。λ演算是一种形式系统，用于通过函数抽象、应用、变量绑定和替换来表达计算。它采用“要解决什么”（what-to-solve）的思路，不描述控制流，因此也被称为声明式编程模型（declarative programming model）。
函数式编程提倡无状态函数。需要注意的是，Python 对函数式编程的实现并不“纯粹”——如果不小心，仍然可能引入状态和副作用。尽管如此，函数式编程在并行处理、递归和并发执行等任务中非常高效。
仍以字符列表拼接为例，函数式写法如下：
>>> sample_characters = ['p','y','t','h','o','n']
>>> import functools
>>> sample_string = functools.reduce(lambda s, c: s + c, sample_characters)
>>> sample_string
'python'
这种写法在一行内完成计算，无法显式追踪 sample_string 的中间状态。但它显著减少了代码量，简洁高效。
其中涉及三个关键概念：
functools：一个用于高阶函数的模块，支持对函数进行操作或返回新函数，有助于编写可复用代码。reduce：将一个接受两个参数的函数累积地应用于序列中的元素，从左到右，最终将序列归约为单个值。例如：>>> sample_list = [1,2,3,4,5] >>> import functools >>> total = functools.reduce(lambda x, y: x + y, sample_list) >>> total 15 # 等价于 ((((1+2)+3)+4)+5)lambda函数：小型匿名函数，可接受任意数量参数，但只能返回一个值。通常作为其他函数的参数使用，适用于一次性场景。
过程式编程范式（Procedural Programming）
过程式编程是命令式编程的一个子集，它将语句组织成过程（procedure，也称子程序或函数）。程序由过程调用组成，执行顺序是线性的，这可能成为资源利用的瓶颈。和命令式一样，它也是有状态模型。
过程式编程有助于良好的程序设计，并支持通过代码库实现模块复用。这种模块化开发风格历史悠久。不同模块之间可能毫无关联，甚至分布在不同位置，但模块过多会导致逻辑重复和调用开销。
以下实现中，stringify 函数可以定义在任何地方，只需正确调用即可：
>>> def stringify(characters):
... string = ''
... for c in characters:
... string = string + c
... return string # 注意：原文此处有误，应返回 string 而非 stringify
...
>>> sample_characters = ['p','y','t','h','o','n']
>>> stringify(sample_characters)
'python'
注：原文示例中
return stringify明显错误，应为return string，此处已修正。
面向对象编程范式（Object-Oriented Programming）
面向对象编程将基本实体视为对象，对象实例既包含数据，也包含用于操作该数据的方法。面向对象的设计原则（如封装、继承、多态）有助于代码复用和数据隐藏，但实现起来较为复杂。
例如：
>>> class StringOps:
... def __init__(self, characters):
... self.characters = characters
... def stringify(self):
... self.string = ''.join(self.characters)
...
>>> sample_characters = ['p','y','t','h','o','n']
>>> sample_string = StringOps(sample_characters)
>>> sample_string.stringify()
>>> sample_string.string
'python'
我该如何选择编程范式？
需要强调的是：不同编程范式之间并无优劣之分。软件本质上是知识的表示，因此“如何最好地表达我的问题？”的答案，就是选择合适的编程范式。
通俗地说：
- 如果你的问题涉及一系列简单的顺序操作，使用传统的命令式编程最省时省力，效果最佳。
- 如果问题需要数学变换、过滤、映射或归约，函数式编程将非常有用。
- 如果问题由多个相互关联的对象组成，这些对象具有随时间或条件变化的属性，那么面向对象编程将大有裨益。
当然，没有放之四海而皆准的规则。范式的选择还高度依赖于数据类型、系统动态需求、可扩展性等因素。
最新趋势
分析当前技术热点有助于理解为何某些范式更适用：
机器学习：混合使用命令式和函数式编程。特征提取和预处理适合函数式方法，因为它们涉及数学运算，映射、归约和过滤可并行执行；而模型训练则更适合命令式编程，因为需要在每次迭代中更新优化目标（即程序状态），顺序执行效率更高，且避免了频繁创建数据副本。
深度学习：非常适合函数式风格。深度学习模型本质上是复合函数，权重是不可变且无状态的，只要输入计算完成，更新顺序可任意调整。函数式编程天然支持并发与并行，便于处理大规模分布式模型。某些定制范式甚至将函数式编程与信息论结合，以防止统计模型过拟合。
数据处理：可采用函数式或面向对象方式。
- 函数式：数据不可变，算法表达简洁，支持原生模式匹配，但写出类似数学表达式的命令需要技巧。
- 面向对象：支持递归和迭代循环，类结构便于扩展新功能和处理更大规模数据，但代码逻辑可读性较差。
两种范式通常都具备自动垃圾回收机制，并能顺畅访问数据库。最终选择取决于开发者的熟悉程度。
总结
很可能任意两位开发者对同一场景的最佳编码风格都会持不同意见，且各自都有充分理由。而 Python 的美妙之处在于：它允许你在特定情境下选择最适合自己的编程范式。
如上例所示，一个任务完全可以拆分为多个子任务，每个子任务使用完全不同的范式。只要满足以下条件，这种“混合搭配”风格就能完美运行：
- 使用的包尽量少；
- 输入输出定义清晰；
- 复杂度得到合理控制。
Python 不会在解释代码中途因你混用风格而报错。没有哪条规则禁止你按需组合多种范式。
由于不存在适用于所有场景的“完美指南”，最好的建议是：尝试多种范式，权衡利弊，直到找到那个既简单又高效的解决方案。在实验过程中，你可能会发现：对整个解决方案的不同部分采用不同范式，效果反而更好。
在此过程中，强烈建议记录需求和不同风格的尝试过程，并与社区分享以获取反馈。这些评论和建议不仅能促进开发，还能帮助团队成员及未来的开发者更好地理解和维护代码。