アプリカティブ・ファンクターの組み合わせ 

EIP:

モナド同様に、アプリカティブ・ファンクターは積 (product) に関して閉じているため、 2つの独立したアプリカティブな効果を積という 1つのものに融合することができ。

Cats はファンクターの積を全く持っていないみたいだ。

ファンクターの積 

実装してみよう。

(ここで書いた実装は #388 で Cats に取り込まれ、後日 Tuple2K となった。)

/**
 * [[Tuple2K]] is a product to two independent functor values.
 *
 * See: [[https://www.cs.ox.ac.uk/jeremy.gibbons/publications/iterator.pdf The Essence of the Iterator Pattern]]
 */
final case class Tuple2K[F[_], G[_], A](first: F[A], second: G[A]) {

  /**
   * Modify the context `G` of `second` using transformation `f`.
   */
  def mapK[H[_]](f: G ~> H): Tuple2K[F, H, A] =
    Tuple2K(first, f(second))

}

まずは Functor の積から始める:

private[data] sealed abstract class Tuple2KInstances8 {
  implicit def catsDataFunctorForTuple2K[F[_], G[_]](implicit FF: Functor[F], GG: Functor[G]): Functor[λ[α => Tuple2K[F, G, α]]] = new Tuple2KFunctor[F, G] {
    def F: Functor[F] = FF
    def G: Functor[G] = GG
  }
}

private[data] sealed trait Tuple2KFunctor[F[_], G[_]] extends Functor[λ[α => Tuple2K[F, G, α]]] {
  def F: Functor[F]
  def G: Functor[G]
  override def map[A, B](fa: Tuple2K[F, G, A])(f: A => B): Tuple2K[F, G, B] = Tuple2K(F.map(fa.first)(f), G.map(fa.second)(f))
}

使ってみる:

scala> import cats._, cats.data._, cats.implicits._
import cats._
import cats.data._
import cats.implicits._
scala> val x = Tuple2K(List(1), 1.some)
x: cats.data.Tuple2K[List,Option,Int] = Tuple2K(List(1),Some(1))
scala> Functor[Lambda[X => Tuple2K[List, Option, X]]].map(x) { _ + 1 }
res0: cats.data.Tuple2K[[+A]List[A],Option,Int] = Tuple2K(List(2),Some(2))

まず、ペアのようなデータ型 Tuple2K を定義して、型クラスインスタンスの積を表す。 両方に関数 f を渡すことで、簡単に Tuple2K[F, G] に関する Functor を形成することができる (ただし FG ともに Functor)。

動作を確かめるために x を写像して、1 を加算してみる。 使用する側のコードをもっときれいにすることができると思うけど、 今の所はこれで良しとする。

Apply ファンクターの積 

次は Apply:

private[data] sealed abstract class Tuple2KInstances6 extends Tuple2KInstances7 {
  implicit def catsDataApplyForTuple2K[F[_], G[_]](implicit FF: Apply[F], GG: Apply[G]): Apply[λ[α => Tuple2K[F, G, α]]] = new Tuple2KApply[F, G] {
    def F: Apply[F] = FF
    def G: Apply[G] = GG
  }
}

private[data] sealed trait Tuple2KApply[F[_], G[_]] extends Apply[λ[α => Tuple2K[F, G, α]]] with Tuple2KFunctor[F, G] {
  def F: Apply[F]
  def G: Apply[G]
  ....
}

これが用例:

scala> val x = Tuple2K(List(1), (Some(1): Option[Int]))
x: cats.data.Tuple2K[List,Option,Int] = Tuple2K(List(1),Some(1))
scala> val f = Tuple2K(List((_: Int) + 1), (Some((_: Int) * 3): Option[Int => Int]))
f: cats.data.Tuple2K[List,Option,Int => Int] = Tuple2K(List($$Lambda$7176/985671511@513f9f8a),Some($$Lambda$7177/712429297@256643c9))
scala> Apply[Lambda[X => Tuple2K[List, Option, X]]].ap(f)(x)
res1: cats.data.Tuple2K[[+A]List[A],Option,Int] = Tuple2K(List(2),Some(3))

Apply の積は左右で別の関数を渡している。

アプリカティブ・ファンクターの積 

最後に、Applicative の積が実装できるようになった:

private[data] sealed abstract class Tuple2KInstances5 extends Tuple2KInstances6 {
  implicit def catsDataApplicativeForTuple2K[F[_], G[_]](implicit FF: Applicative[F], GG: Applicative[G]): Applicative[λ[α => Tuple2K[F, G, α]]] = new Tuple2KApplicative[F, G] {
    def F: Applicative[F] = FF
    def G: Applicative[G] = GG
  }
}

private[data] sealed trait Tuple2KApplicative[F[_], G[_]] extends Applicative[λ[α => Tuple2K[F, G, α]]] with Tuple2KApply[F, G] {
  def F: Applicative[F]
  def G: Applicative[G]
  def pure[A](a: A): Tuple2K[F, G, A] = Tuple2K(F.pure(a), G.pure(a))
}

簡単な用例:

scala> Applicative[Lambda[X => Tuple2K[List, Option, X]]].pure(1)
res2: cats.data.Tuple2K[[+A]List[A],Option,Int] = Tuple2K(List(1),Some(1))

pure(1) を呼び出すことで Tuple2K(List(1), Some(1)) を生成することができた。

Applicative の合成 

モナド一般では成り立たないが、アプリカティブ・ファンクターは合成に関しても閉じている。 そのため、逐次的に依存したアプリカティブな効果は、合成として融合することができる。

幸いなことに Cats は Applicative の合成は元から入っている。 型クラスインスタンスに compose メソッドが入っている:

@typeclass trait Applicative[F[_]] extends Apply[F] { self =>
  /**
   * `pure` lifts any value into the Applicative Functor
   *
   * Applicative[Option].pure(10) = Some(10)
   */
  def pure[A](x: A): F[A]

  /**
   * Two sequentially dependent Applicatives can be composed.
   *
   * The composition of Applicatives `F` and `G`, `F[G[x]]`, is also an Applicative
   *
   * Applicative[Option].compose[List].pure(10) = Some(List(10))
   */
  def compose[G[_]](implicit GG : Applicative[G]): Applicative[λ[α => F[G[α]]]] =
    new CompositeApplicative[F,G] {
      implicit def F: Applicative[F] = self
      implicit def G: Applicative[G] = GG
    }

  ....
}

使ってみよう。

scala> Applicative[List].compose[Option].pure(1)
res3: List[Option[Int]] = List(Some(1))

断然使い勝手が良い。

アプリカティブ関数の積 

Gibbons さんは、ここでアプリカティブ関数を合成する演算子も紹介しているのだけど、 何故かその点は忘れられることが多い気がする。 アプリカティブ関数とは、A => F[B] の形を取る関数で FApplicative を形成するものを言う。 Kleisli 合成に似ているが、より良いものだ。

その理由を説明する。 Kliesli 合成は andThen を使って A => F[B]B => F[C] を合成することができるが、 F は一定であることに注目してほしい。 一方、AppFuncA => F[B]B => G[C] を合成することができる。

/**
 * [[Func]] is a function `A => F[B]`.
 *
 * See: [[https://www.cs.ox.ac.uk/jeremy.gibbons/publications/iterator.pdf The Essence of the Iterator Pattern]]
 */
sealed abstract class Func[F[_], A, B] { self =>
  def run: A => F[B]
  def map[C](f: B => C)(implicit FF: Functor[F]): Func[F, A, C] =
    Func.func(a => FF.map(self.run(a))(f))
}

object Func extends FuncInstances {
  /** function `A => F[B]. */
  def func[F[_], A, B](run0: A => F[B]): Func[F, A, B] =
    new Func[F, A, B] {
      def run: A => F[B] = run0
    }

  /** applicative function. */
  def appFunc[F[_], A, B](run0: A => F[B])(implicit FF: Applicative[F]): AppFunc[F, A, B] =
    new AppFunc[F, A, B] {
      def F: Applicative[F] = FF
      def run: A => F[B] = run0
    }
}

....

/**
 * An implementation of [[Func]] that's specialized to [[Applicative]].
 */
sealed abstract class AppFunc[F[_], A, B] extends Func[F, A, B] { self =>
  def F: Applicative[F]

  def product[G[_]](g: AppFunc[G, A, B]): AppFunc[Lambda[X => Prod[F, G, X]], A, B] =
    {
      implicit val FF: Applicative[F] = self.F
      implicit val GG: Applicative[G] = g.F
      Func.appFunc[Lambda[X => Prod[F, G, X]], A, B]{
        a: A => Prod(self.run(a), g.run(a))
      }
    }

  ....
}

使ってみる:

scala> val f = Func.appFunc { x: Int => List(x.toString + "!") }
f: cats.data.AppFunc[List,Int,String] = cats.data.Func$$anon$6@406e871f
scala> val g = Func.appFunc { x: Int => (Some(x.toString + "?"): Option[String]) }
g: cats.data.AppFunc[Option,Int,String] = cats.data.Func$$anon$6@be57b63
scala> val h = f product g
h: cats.data.AppFunc[[α]cats.data.Tuple2K[List,Option,α],Int,String] = cats.data.Func$$anon$6@3404366f
scala> h.run(1)
res4: cats.data.Tuple2K[List,Option,String] = Tuple2K(List(1!),Some(1?))

2つのアプリカティブ・ファンクターが並んで実行されているのが分かると思う。

アプリカティブ関数の合成 

これが andThencompose:

  def compose[G[_], C](g: AppFunc[G, C, A]): AppFunc[Lambda[X => G[F[X]]], C, B] =
    {
      implicit val FF: Applicative[F] = self.F
      implicit val GG: Applicative[G] = g.F
      implicit val GGFF: Applicative[Lambda[X => G[F[X]]]] = GG.compose(FF)
      Func.appFunc[Lambda[X => G[F[X]]], C, B]({
        c: C => GG.map(g.run(c))(self.run)
      })
    }

  def andThen[G[_], C](g: AppFunc[G, B, C]): AppFunc[Lambda[X => F[G[X]]], A, C] =
    g.compose(self)
scala> val f = Func.appFunc { x: Int => List(x.toString + "!") }
f: cats.data.AppFunc[List,Int,String] = cats.data.Func$$anon$6@6a8c2626
scala> val g = Func.appFunc { x: String => (Some(x + "?"): Option[String]) }
g: cats.data.AppFunc[Option,String,String] = cats.data.Func$$anon$6@2de9d5f6
scala> val h = f andThen g
h: cats.data.AppFunc[[γ$3$]cats.data.Nested[List,Option,γ$3$],Int,String] = cats.data.Func$$anon$6@12319340
scala> h.run(1)
res5: cats.data.Nested[List,Option,String] = Nested(List(Some(1!?)))

EIP:

これらの 2つの演算子はアプリカティブ計算を2つの異なる方法で組み合わせる。 これらをそれぞれ並行合成逐次合成と呼ぶ。

新しいデータ型である Prod を作る必要があったけども、 アプリカティブ計算の組み合わせは Applicative の全てに適用できる抽象的な概念だ。

続きはまた後で。

Contents

猫番
    1. アプリカティブ・ファンクターの組み合わせ