反应式编程

---

响应式编程是一种处理数据流和变化传播的编程范例。这意味着当一个组件发出数据流时，变化将通过反应式编程库传播到其他组件。变化的传播将持续下去，直到到达最终接收者。事件驱动编程和反应式编程之间的区别在于，事件驱动编程围绕事件，而反应式编程围绕数据。

ReactiveX 或 RX 用于反应式编程

ReactiveX 或 Raective Extension 是最著名的反应式编程实现。ReactiveX 的工作取决于以下两个类 -

可观察类

此类是数据流或事件的源，它打包传入的数据，以便数据可以从一个线程传递到另一个线程。在某些观察者订阅它之前，它不会提供数据。

观察者类

此类使用observable发出的数据流。可以有多个具有 observable 的观察者，每个观察者将接收发出的每个数据项。观察者可以通过订阅 observable 来接收三种类型的事件 -

• on_next() 事件- 这意味着数据流中有一个元素。

• on_completed() 事件- 它意味着发射结束并且没有更多项目出现。

• on_error() 事件- 它也意味着发射结束，但以防observable抛出错误。

RxPY – 用于响应式编程的 Python 模块

RxPY 是一个可用于反应式编程的 Python 模块。我们需要确保该模块已安装。以下命令可用于安装 RxPY 模块 -

pip install RxPY

例子

以下是一个 Python 脚本，它使用RxPY模块及其Observable和Observe 类进行反应式编程。基本上有两类 -

• get_strings() - 用于从观察者获取字符串。

• PrintObserver() - 用于打印来自观察者的字符串。它使用观察者类的所有三个事件。它还使用 subscribe() 类。

from rx import Observable, Observer
def get_strings(observer):
   observer.on_next("Ram")
   observer.on_next("Mohan")
   observer.on_next("Shyam")
      observer.on_completed()
class PrintObserver(Observer):
   def on_next(self, value):
      print("Received {0}".format(value))
   def on_completed(self):
   print("Finished")
   def on_error(self, error):
      print("Error: {0}".format(error))
source = Observable.create(get_strings)
source.subscribe(PrintObserver())

输出

Received Ram
Received Mohan
Received Shyam
Finished

用于反应式编程的 PyFunctional 库

PyFunctional是另一个可用于反应式编程的 Python 库。它使我们能够使用 Python 编程语言创建函数式程序。它很有用，因为它允许我们使用链式函数运算符创建数据管道。

RxPY 和 PyFunctional 之间的区别

这两个库都用于反应式编程并以类似的方式处理流，但它们之间的主要区别取决于数据的处理。RxPY处理系统中的数据和事件，而PyFunctional则专注于使用函数式编程范例进行数据转换。

安装 PyFunctional 模块

我们需要在使用之前安装这个模块。它可以在 pip 命令的帮助下安装，如下所示 -

pip install pyfunctional

例子

下面的示例使用PyFunctional模块及其seq类，它充当我们可以迭代和操作的流对象。在此程序中，它使用 lamda 函数将每个值加倍来映射序列，然后过滤 x 大于 4 的值，最后将序列缩减为所有剩余值的总和。

from functional import seq

result = seq(1,2,3).map(lambda x: x*2).filter(lambda x: x > 4).reduce(lambda x, y: x + y)

print ("Result: {}".format(result))

输出

Result: 6