کلمات کلیدی مربوط به کتاب برنامه نویسی تابعی در پایتون: کتابخانه، ادبیات کامپیوتر، پایتون
در صورت تبدیل فایل کتاب Functional Programming in Python به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب برنامه نویسی تابعی در پایتون نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
رسانه O’Reilly، 2015 - 47 صفحه; شابک-13: 978-1-491-92856-1; به
انگلیسی языке.
توضیحات
کتاب
Python یک زبان برنامه نویسی تابعی نیست، اما یک زبان چند
پارادایم است که باعث عملکردی می شود. برنامه نویسی آسان برای
انجام، و به راحتی با سایر سبک های برنامه نویسی ترکیب می شود. در
این مقاله، دیوید مرتز، مدیر بنیاد نرمافزار پایتون، جنبههای
کاربردی زبان را بررسی میکند و اشاره میکند که کدام گزینهها به
خوبی کار میکنند و کدامها را به طور کلی باید رد کنید.
</ div>Mertz راه هایی را برای اجتناب از کنترل جریان به
سبک دستوری پایتون، تفاوت های ظریف توابع قابل فراخوانی، نحوه
کار تنبل با تکرارکننده ها و استفاده از توابع درجه بالاتر را
شرح می دهد. او همچنین چندین کتابخانه شخص ثالث پایتون را که
برای برنامه نویسی تابعی مفید هستند فهرست می کند.
موضوعات عبارتند از:
استفاده از
کپسولهسازی و ابزارهای دیگر برای توصیف \"چیزی\" مجموعه داده
به جای \"چگونه\" برای ایجاد یک مجموعه داده
ایجاد فراخوانی با توابع نامگذاری شده، لامبداها، بستهها،
متدهای کلاسها و ارسال چندگانه
استفاده از پروتکل تکرار کننده پایتون برای انجام همان اثر
ساختار داده تنبل
ایجاد توابع مرتبه بالاتر که توابع را به عنوان آرگومان می
گیرند و/یا تابعی را در نتیجه تولید می کنند
فهرست
محتوا
پیشگفتار
(اجتناب از) کنترل جریان
Callables
ارزیابی تنبل
توابع با مرتبه بالاتر
O’Reilly Media, 2015 - 47 pages; ISBN-13: 978-1-491-92856-1; на
англ. языке.
Book
Description
Python is not a functional programming language, but it is a
multi-paradigm language that makes functional programming easy
to perform, and easy to mix with other programming styles. In
this paper, David Mertz, a director of Python Software
Foundation, examines the functional aspects of the language and
points out which options work well and which ones you should
generally decline.
Mertz describes ways to avoid
Python’s imperative-style flow control, the nuances of callable
functions, how to work lazily with iterators, and the use of
higher-order functions. He also lists several third-party
Python libraries useful for functional programming.
Topics include:
Using encapsulation and other means
to describe "what" a data collection consists of, rather than
"how" to construct a data collection
Creating callables with named functions, lambdas, closures,
methods of classes, and multiple dispatch
Using Python’s iterator protocol to accomplish the same effect
as a lazy data structure
Creating higher-order functions that take functions as
arguments and/or produce a function as a result
Table Of
Contents
Preface
(Avoiding) Flow Control
Callables
Lazy Evaluation
Higher-Order Functions