• Scala偏函数与部分函数


    函数

    1.部分函数

    部分应用函数(Partial Applied Function)是缺少部分参数的函数,是一个逻辑上概念。
    def sum(x: Int, y: Int, z: Int) = x + y + z, 当调用sum的时候,如果不提供所有的参数,或者只提供某些参数时,比如sum _ , sum(3, _: Int, _:Int), sum(_: Int, 3, 4), 这样就生成了所谓的部分应用函数。

    第一种形式(不推荐):





    第一种定义形式:

    def sum(x: Int)(y: Int)(z: Int) = x + y + z

    这种定义形式和Java、C、C#都不一样。

    第二种形式:



    这种形式是常用的,推荐使用这种形式。

    2.偏函数

    在Scala中,偏函数是具有类型PartialFunction[-T,+V]的一种函数。T是其接受的函数类型,V是其返回的结果类型。偏函数最大的特点就是它只接受和处理其参数定义域的一个子集,而对于这个子集之外的参数则抛出运行时异常。这与Case语句的特性非常契合,因为我们在使用case语句是,常常是匹配一组具体的模式,最后用“_”来代表剩余的模式。如果一一组case语句没有涵盖所有的情况,那么这组case语句就可以被看做是一个偏函数。
    如下面变量signal引用一个偏函数

    val signal: PartialFunction[Int, Int] = {
        case x if x >= 1 => 1
        case x if x <= -1 => -1
    }
    

    这个signal所引用的函数除了0值外,对所有整数都定义了相应的操作。 signal(0) 会抛出异常,因此使用前最好先signal.isDefinedAt(0)判断一下。 偏函数主要用于这样一种场景:对某些值现在还无法给出具体的操作(即需求还不明朗),也有可能存在几种处理方式(视乎具体的需求);我们可以先对需求明确的部分进行定义,比如上述除了0外的所有整数域,然后根据具体情况补充对其他域的定义,如:

    val composed_signal: PartialFunction[Int,Int] = signal.orElse{
        case 0 => 0
      }
    composed_signal(0)  // 返回 0 
    

    或者对定义域进行一定的偏移(假如需求做了变更, 1 为无效的点),如:

    val new_signal: Function1[Int, Int] = signal.compose{
        case x => x  - 1
      }
    
    new_signal(1)  // throw exception
    new_signal(0)   // 返回 -1 
    new_signal(2)  // 返回 1
    

    还可以用andThen将两个相关的偏函数串接起来。

    val another_signal: PartialFunction[Int, Int] = {
        case 0 =>  0
        case x if x > 0 => x - 1 
        case x if x < 0 => x + 1
    }
    
    val then_signal =  another_signal andThen  signal

    这里的then_signal 剔除了-1, 0, 1三个点的定义。


    参考文献:

    http://www.verydemo.com/demo_c161_i51144.html
    《Scala编程》


    版权声明:本文为博主原创文章,未经博主允许不得转载。

  • 相关阅读:
    哈希表
    跳表
    哈夫曼之谜
    选择树、判定树和查找树

    将gbk字符串转换成utf-8,存储到注册表中后,再次从注册表读取转换成gbk,有问题!!!
    函数内部还是不要使用 strtok()
    没想到: System.out.println(n1 == f1 ? n1 : f1);
    在不同DPI屏幕环境下,让图标显示的尺寸保持不变,使用 LoadImage() 加载图标
    在多线程中显示模态窗口,出现异常现象
  • 原文地址:https://www.cnblogs.com/GatsbyNewton/p/4776679.html
Copyright © 2020-2023  润新知