Python中的函数式持久数据结构（深入理解不可变数据结构在函数式编程中的应用）

为什么使用持久数据结构？

• ✅ 线程安全：无需加锁，多个线程可安全读取同一结构。
• ✅ 历史版本保留：可轻松回溯到任意历史状态（如撤销操作）。
• ✅ 函数式风格：符合纯函数原则，无副作用。
• ✅ 内存高效：通过结构共享（structural sharing），新旧版本共享未修改部分，节省内存。

用 Python 实现一个简单的持久列表

Python 内置的 tuple 和 frozenset 是不可变的，但功能有限。我们可以自己构建一个链表式的持久列表。

class ImmutableList:    def __init__(self, head=None, tail=None):        self.head = head        self.tail = tail  # 指向另一个 ImmutableList 或 None    def cons(self, item):        """在头部添加元素，返回新列表"""        return ImmutableList(item, self)    def __repr__(self):        if self.head is None and self.tail is None:            return "[]"        items = []        current = self        while current and current.head is not None:            items.append(repr(current.head))            current = current.tail        return "[" + ", ".join(items) + "]"# 使用示例empty = ImmutableList()v1 = empty.cons(3)      # [3]v2 = v1.cons(2)         # [2, 3]v3 = v2.cons(1)         # [1, 2, 3]print("v1:", v1)  # [3]print("v2:", v2)  # [2, 3]print("v3:", v3)  # [1, 2, 3]print("v1 unchanged:", v1)  # 仍然是 [3]！

注意：每次调用 cons 都会创建一个新对象，而不会修改原列表。这就是不可变数据结构的核心思想。

使用第三方库：Pyrsistent

手动实现复杂数据结构很麻烦。好在有 Pyrsistent 这样的库，提供了高效的持久化列表、字典、集合等。

from pyrsistent import pvector, pmap# 持久化向量（类似列表）v1 = pvector([1, 2, 3])v2 = v1.append(4)  # 返回新向量print(v1)  # pvector([1, 2, 3])print(v2)  # pvector([1, 2, 3, 4])# 持久化映射（类似字典）m1 = pmap({'a': 1, 'b': 2})m2 = m1.set('c', 3)print(m1)  # pmap({'a': 1, 'b': 2})print(m2)  # pmap({'a': 1, 'b': 2, 'c': 3})

Pyrsistent 利用 结构共享 技术，在保证不可变的同时，使性能接近原生数据结构。

总结

通过本文，我们了解了 Python函数式编程 中的关键概念——持久数据结构。它们通过不可变性和结构共享，为程序带来更高的可靠性与可维护性。无论是自己实现简单结构，还是使用 Pyrsistent 等专业库，掌握这些知识都将提升你的编程能力。

记住四大关键词：Python函数式编程、持久数据结构、不可变数据结构、函数式数据结构。它们是你深入函数式世界的重要基石！