在這個由兩部分組成的系列文章的第二部分中，我們將繼續探索如何將函數式編程方法中的好想法引入到 Python中，以實現兩全其美。

在上一篇文章中，我們介紹了不可變數據結構 。 這些數據結構使得我們可以編寫“純”函數，或者說是沒有副作用的函數，僅僅接受一些參數并返回結果，同時保持良好的性能。

在這篇文章中，我們使用 toolz 庫來構建。 這個庫具有操作此類函數的函數，并且它們在純函數中表現得特別好。 在函數式編程世界中，它們通常被稱為“高階函數”，因為它們將函數作為參數，將函數作為結果返回。

讓我們從這里開始：

def add_one_word(words,word): return words.set(words.get(word, 0) + 1)

這個函數假設它的第一個參數是一個不可變的類似字典的對象，它返回一個新的類似字典的在相關位置遞增的對象：這就是一個簡單的頻率計數器。

但是，只有將它應用于單詞流并做 歸納 時才有用。 我們可以使用內置模塊 functools 中的歸納器。

functools.reduce(function,stream,initializer)

我們想要一個函數，應用于流，并且能能返回頻率計數。

我們首先使用 toolz.curry 函數：

add_all_words=curry(functools.reduce,add_one_word)

使用此版本，我們需要提供初始化程序。但是，我們不能只將 pyrsistent.m 函數添加到 curry 函數中； 因為這個順序是錯誤的。

add_all_words_flipped=flip(add_all_words)

flip 這個高階函數返回一個調用原始函數的函數，并且翻轉參數順序。

get_all_words=add_all_words_flipped(pyrsistent.m())

我們利用 flip 自動調整其參數的特性給它一個初始值：一個空字典。

現在我們可以執行 get_all_words(word_stream) 這個函數來獲取頻率字典。 但是，我們如何獲得一個單詞流呢？ Python 文件是按行供流的。

def to_words(lines): for line in lines:  yield from line.split()

在單獨測試每個函數后，我們可以將它們組合在一起：

words_from_file=toolz.compose(get_all_words,to_words)

在這種情況下，組合只是使兩個函數很容易閱讀：首先將文件的行流應用于 to_words ，然后將 get_all_words 應用于 to_words 的結果。 但是文字上讀起來似乎與代碼執行相反。

當我們開始認真對待可組合性時，這很重要。有時可以將代碼編寫為一個單元序列，單獨測試每個單元，最后將它們全部組合。如果有幾個組合元素時，組合的順序可能就很難理解。

toolz 庫借用了 Unix 命令行的做法，并使用 pipe 作為執行相同操作的函數，但順序相反。