Programación Funcional en
Python
En pocas palabras, la programación funcional es un
paradigma de programación distinto al tradicional
estructurado u orientado a objetos al que solemos estar
acostumbrados. Se basa principalmente en el uso de
funciones, siendo las mismas practicamente la única
herramienta que el lenguaje nos ofrece. Por ello, en lenguajes
puramente funcionales como Haskell no existen
bucles for o while.
¿Un lenguaje de programación sin bucles? Aunque pueda
parecer una locura, también tiene sus ventajas, y ofrece
ciertas características muy importantes que veremos a
continuación.
A pesar de que Python no es un lenguaje puramente
funcional, nos ofrece algunas primitivas propias de lenguajes
funcionales, como map , filter y reduce . Todas ellas ofrecen
una alternativa al uso de bucles para resolver ciertos
problemas. Veamos unos ejemplos.
map en Python
La función map toma dos entradas:
Una lista o iterable que será modificado en una nueva.
Una función, que será aplicada a cada uno de los
elementos de la lista o iterable anterior.
Nos devuelve una nueva lista donde todos y cada uno de los
elementos de la lista original han sido pasados por la función.
map(funcion_a_aplicar, entrada_iterable)
Imaginemos que queremos multiplicar por dos todos los
elementos de una lista. La primera forma que se nos podría
ocurrir sería la siguiente. Nótese que también podría
usarse list comprehension, pero eso lo dejamos para otro
artículo.
lista = [1, 2, 3, 4, 5]
lista_pordos = []
for l in lista:
lista_pordos.append(l*2)
print(lista_pordos)
# [2, 4, 6, 8, 10]
Pero veamos como darle un enfoque funcional. Como
hemos dicho, map toma una función y un iterable como
entrada, aplicando la función a cada elemento. Entonces
podemos definir una función por_dos , que pasaremos
a map junto con nuestra lista inicial.
lista = [1, 2, 3, 4, 5]
def por_dos(x):
return x * 2
lista_pordos = map(por_dos, lista)
print(list(lista_pordos))
# [2, 4, 6, 8, 10]
Como podemos observar, ya no usamos bucles. Simplemente
le pasamos a map la función y la lista y ya hace el trabajo por
nosotros. Dado que por_dos se trata de una función muy
sencilla, es posible usar funciones lambda para compactar un
poco el código, quedando lo siguiente:
lista = [1, 2, 3, 4, 5]
lista_pordos = map(lambda x: 2*x, lista)
print(list(lista_pordos))
# [2, 4, 6, 8, 10]
filter en Python
La función filter también recibe una función y una lista
pero el resultado es la lista inicial filtrada. Es decir, se
pasa cada elemento de la lista por la función, y sólo si su
resultado es True , se incluye en la nueva lista.
filter(funcion_filtrar, entrada_iterable)
Al igual que hacíamos antes, usamos las
funciones lambda que nos permiten declarar y asignar
una función en la misma línea de código. En el siguiente
ejemplo filtramos los números pares.
lista = [7, 4, 16, 3, 8]
pares = filter(lambda x: x % 2 == 0, lista)
print(list(pares))
# [4, 16, 8]
Nótese que el siguiente código sería equivalente:
lista = [7, 4, 16, 3, 8]
def es_par(x):
return x % 2 == 0
pares = filter(es_par, lista)
print(list(pares))
# [4, 16, 8]
Una vez más, resaltar que no estamos usando bucles.
Simplemente damos la entrada y la función a aplicar a cada
elemento, y filter se encarga del resto. Esta es una de las
características clave de la programación funcional. Se centra
más en el qué hacer que en el cómo hacerlo. Para ello se usan
funciones predefinidas como las que estamos viendo, a las
que sólo tenemos que pasar las entradas y hacer el trabajo
por nosotros.
reduce en Python
Por último, podemos usar reduce para reducir todos los
elementos de la entrada a un único valor aplicando un
determinado criterio. Por ejemplo, podemos sumar todos los
elementos de una lista de la siguiente manera.
from functools import reduce
lista = [1, 2, 3, 4, 5]
suma = reduce(lambda acc, val: acc + val, lista)
print(suma) # 15
Lo que podría reescribirse usando la función add :
from operator import add
from functools import reduce
lista = [1, 2, 3, 4, 5]
suma = reduce(add, lista)
print(suma) # 15
O también los podemos multiplicar, modificando la función
lambda.
from functools import reduce
lista = [1, 2, 3, 4, 5]
multiplicacion = reduce(lambda acc, val: acc * val, lista)
print(multiplicacion) # 120
Es importante notar que la función recibe dos argumentos: el
acumulador y cada uno de los valores de la lista.
El acumulador es el valor devuelto en la iteración
anterior, que va acumulando un resultado hasta que
llegamos al final.
El valor es cada uno de los elementos de nuestra lista,
que en nuestro caso vamos añadiendo al acumulador.
El uso de reduce es especialmente útil cuando tenemos por
ejemplo una lista de diccionarios y queremos sumar todos los
valores de un campo en concreto. Veamos un ejemplo donde
calculamos la edad media de varias personas.
from functools import reduce
personas = [
{'Nombre': 'Alicia', 'Edad': 22},
{'Nombre': 'Bob', 'Edad': 29},
{'Nombre': 'Charlie', 'Edad': 33}
]
suma_edad = reduce(lambda total, p: total + p['Edad'], personas, 0)
print(suma_edad/len(personas)) # 28.0
Nótese que llamamos a reduce con un valor adicional 0 , que
es el valor inicial del acumulador. Una vez más, hemos
resuelto un problema en el que tradicionalmente usaríamos
bucles con las primitivas de la programación funcional.
Características de la Programación
Funcional
Una vez entendido el funcionamiento de map , filter y reduce ,
ya tenemos unas nociones básicas de la programación
funcional. Sus características más importantes son las
siguientes:
Los lenguajes de programación puramente
funcionales carecen de bucles for y while.
Se dice que en la programación funcional, las funciones
son “ciudadanas de primera clase”, lo que nos viene a
decir que prácticamente todo se hace con
funciones, y no con bucles.
La programación funcional prefiere también
las funciones puras, es decir, funciones sin side
effects. Las funciones puras no dependen de
variables externas o globales. Esto significa que para
las mismas entradas, siempre se producen las mismas
salidas.
Por otro lado, en la programación funcional se
prefiere variables inmutables, lo que significa que una
vez creadas no pueden ser modificadas. Esto es algo que
verdaderamente ahorra problemas, aunque la eficiencia
puede ser discutible.
En general, se considera que los lenguajes de
programación funcionales son más seguros, y
ofrecen formal verification.
Por último, resaltar una vez más que aunque Python no es un
lenguaje puramente funcional, ofrece algunas funciones
propias de lenguajes funcionales como map , filter y reduce . Si
estás interesado en más, puedes echar un vistazo a el
paquete itertools.
Ejemplos Programación Funcional
Dada una lista de personas almacenadas en diccionarios:
Filtrar de acuerdo al sexo
Y calcular la media
from functools import reduce
personas = [
{'Nombre': 'Alicia', 'Edad': 22, 'Sexo': 'F'},
{'Nombre': 'Bob', 'Edad': 25, 'Sexo': 'M'},
{'Nombre': 'Charlie', 'Edad': 33, 'Sexo': 'M'},
{'Nombre': 'Diana', 'Edad': 15, 'Sexo': 'F'},
{'Nombre': 'Esteban', 'Edad': 30, 'Sexo': 'M'},
{'Nombre': 'Federico', 'Edad': 44, 'Sexo': 'M'},
]
hombres = list(filter(lambda x: x['Sexo'] == 'M', personas))
suma_edades = reduce(lambda suma, p: suma + p['Edad'], hombres, 0)
media_edad = suma_edades/(len(hombres))
print(media_edad) # 33.0
Tal vez no muy legible, pero todo lo anterior se podrá
expresar en una única línea de código.
media_edades = reduce(lambda suma, p: suma + p['Edad'], filter(lambda
x: x['Sexo'] == 'M', personas), 0) / len(list(filter(lambda x:
x['Sexo'] == 'M', personas)))
print(media_edades) # 33.0
