APL数组编程语言：用符号思维重塑数据处理方式

第一次在终端里见到 APL 代码时我愣住了。那是一行看起来特别像伪代码的东西——/⍳1000000有希腊字母有奇怪的符号不像任何我当时认识的语言。发这段代码的朋友说“你跑一下这就是从 1 加到 100 万。”我怀着试试看的心态运行终端真的输出了 500000500000。那一刻我意识到“数组编程语言”原来不是“编程语言里的数组用法合集”而是一种完全不同的抽象方式它把绝大多数程序员熟悉的循环、索引、赋值等底层层面的操作直接压缩成了对数组整体的描述。你不再告诉机器“先取第 1 个再加上第 2 个依次循环”而是直接说“这一堆数字求和”。这篇文章我想以一个常年用主流语言写代码、后来又花了些时间研究数组语言的人的身份把 APL 这类语言拆开聊聊。它为什么有趣和普通语言比到底差在哪现代语言里有哪些影子以及——更重要的——什么情况下值得学什么情况下别硬来。1. APL 为什么是一套“用符号表达数据形状”的语言1.1 代码长得不像代码更像数学记号先看几个 APL 表达式⍳10如果你在环境里运行按默认索引原点为 1 的话它会生成一个数组1 2 3 4 5 6 7 8 9 10。这是 APL 里的“构造数组”操作符号是希腊字母 iota。再看/⍳10/在这里是归约操作符是加法。把加法放到斜杠右边意思就是对整个数组做加和结果是 55。同样的道理3 3 ⍴ ⍳9⍴是重塑形状把1..9排列成一个 3 行 3 列的矩阵。第一次看到这种代码大多数人会以为这是某种伪代码或者“为了演示才故意这么写”。但实际上它真的能运行而且不是玩具——这套符号已经存在了几十年。1.2 它的起点不是为了发明一种编程语言APL 真正的起点甚至不是为了写程序。1960 年代初Kenneth Iverson 在尝试改进数学教学他设计了一套数学记号用来描述数组和数据处理过程。后来他意识到这套记号如果足够精确就可以直接当作编程语言来用于是就有了《A Programming Language》这本书和这门语言。所以你会发现 APL 的设计有一个非常独特的取向它首先追求表达力优先考虑人怎么描述一个问题而不是机器怎么执行一条指令。后来Iverson 因为这项工作获得了 ACM 图灵奖这也说明它的思想深度得到了学术界的认可。1.3 真正的贡献不是特殊符号而是数组级抽象很多人第一次看 APL 会被它的特殊符号吓退然后得出结论这是一门“故意让人看不懂的语言”。这个判断其实偏了。特殊符号只是表面APL 真正的贡献是把“数组”当作数据操作的基本单位。在你熟悉的语言里数组是“一组变量的集合”在 APL 里数组是一个整体就像数学里的矩阵、向量一样参与运算的就是整个对象。一个很形象的类比是传统写法像是织毛衣需要一针一针地把线穿进去数组语言则更像是拿到一整块布然后直接对它进行裁剪、反转、拼接和旋转。你不关心布上每一根纤维从哪里来你只关心它最终变成什么形状。这也就是为什么 APL 能那么短——它去掉的不是“换行符”或“变量名长度”而是整个“遍历每个元素”的控制流层。2. 从“逐个遍历”到“整体变换”数组语言的世界观2.1 为什么我们习惯写循环抛开 APL 不谈你翻一翻日常开发里围绕数组的问题会发现高频问题大多长这样数组去重、对象数组去重、数组转字符串、二维数组转置、从数组里取出多列、在 JSON 数组中筛选指定对象……这些问题的本质都是“我想把数组变成另一个数组”。但是在大多数主流语言里你没有办法直接说“把这个数组变成那一个形状”。你必须先解释怎么做建一个空数组写一个 for 循环或者调用一个并不总是符合直觉的库函数。如果需求再复杂一点比如“把二维数组里的每一行求平均”循环的嵌套和索引偏移就开始考验人的耐心。这不是说主流语言不行而是说它在“数组操作”这个抽象层级上做得不够高。你仍然要关心“怎么遍历”而不是只关心“要什么形状”。2.2 数组思维的核心操作作用于整组数据在 APL 里最基本的规则是几乎所有操作符都能自动地作用于整个数组。比如3 1 2 3结果是4 5 6。数字 3 会自动“广播”到数组的每一个元素上不需要写循环不需要写 map。很多人可能觉得这是小技巧但它改变了整个思考方式。再看一个搜索热度很高的经典问题——数组去重。在 APL 里去重有一个专门的原语符号∪∪ 1 2 3 2 1结果是1 2 3。就这么简单。我举这个例子不是说“你去学 APL 就不需要写去重逻辑了”而是想强调当一门语言把“去重”这类操作定义为内置原语时程序员要思考的问题就不是“怎么去重”而是“我应该对哪个维度、哪个方向做去重”。这是截然不同的认知负担。下面这张表可以更直观看出来任务主流语言常见写法APL 的思维求数组和循环累加或调用 reduce 函数/array数组去重new Set 或手写哈希∪array数组转置先确定行列数再嵌套循环交换下标⍉matrix生成 1 到 Nfor 循环 push⍳N调整数组形状重构列表 / numpy reshape⍴这里不是要分高下而是要看到主流语言的数组操作往往更像是 API 调用每学一种新语言就要重新学一遍而 APL 的原语是高度统一的底层是同一个代数逻辑。2.3 高维数组在这里是自然的不是高级话题你可能已经注意到APL 对“多维数组”的态度也跟主流语言不太一样。在多数语言里二维数组已经让不少人头疼而且很多语言处理三维以上的数组时语法会变得繁琐。但在 APL 里数组天然就是多维的一维、二维、三维并没有本质区别。比如3 4 ⍴ ⍳12就是很自然地构造一个 3 行 4 列的矩阵。再看⌽ 1 2 3 4 5⌽是反转结果是5 4 3 2 1。如果要反转矩阵的每一行同样一个符号沿最后轴作用即可。所以那些搜索量很高的“二维数组”“matlab 数组取出多列”“树状数组上二分”之类的问题放到 APL 的语境里往往只是一个原语或一个组合表达式的事。并不是说问题本身被消灭了而是你要掌握的底层心智模型被简化了数组是带形状的数据操作符负责变换形状和内容。这套心智模型其实才是 APL 最值得借鉴的地方。3. 核心原语训练一次看懂 APL 的“无循环编程”3.1 高频原语不需要背太多APL 的符号很多但把最高频的几个原语理解清楚已经能读懂不少数组操作了。⍳生成数组。⍳n在默认配置下生成从 1 到 n 的数组。⍴重塑形状。左侧是形状右侧是数据。/沿最后一个轴做归约也可以当作筛选压缩。/arr表示求和cond/arr表示按布尔数组筛选。⌿沿矩阵行的方向归约常用于多维数组某一列方向上的统计。⌽反转。⍉转置。⍤、¨、∘这些是操作符和组合子用来把简单原语组合成复杂行为。听起来很多但你平时写循环处理数组时归根到底也就是在做“生成、变换、筛选、汇总、重排”。APL 把这几个动作统一到了符号层。3.2 用一个例子感受“无循环”的代码风格我们先做一个简单的筛选。比如从 1 到 10 中挑出偶数(0 2 | ⍳10) / ⍳10这个表达式的执行顺序需要稍微解释一下。2 | ⍳10表示对1 2 3 ... 10分别取模 2得到一组 0 和 1 交替的结果。0 ...把这组值变成布尔数组表示哪些位置满足条件。最后的/承担了“按条件筛选”的功能。整体运行结果就是2 4 6 8 10。你会发现这里没有 for、没有 if、没有临时数组。所有操作都发生在数组层面读起来更像是在写一个等式。再一个例子求矩阵每列的和。设一个矩阵m ← 3 4 ⍴ ⍳12然后/ m对最后轴求和得到每一行的和如果写⌿ m就是对列方向求和得到每一列的和。这里的关键区别是“沿哪个轴归约”。这个思路配合矩阵形状去理解比在嵌套循环里找a[i][j]要直观很多。3.3 代码短不等于炫技它是在减少状态有人会质疑代码这么短读起来不是很费劲吗确实费劲但“短”的真正意义不是省键盘而是在减少程序里需要同步维护的状态。传统循环里你有循环变量、当前索引、中间结果、累加器。每个状态都可能在某个时刻出错比如边界差一比如忘记初始化比如并发下被共享。而 APL 把整个流程压成一个表达式后中间状态也被压缩掉了。程序里不需要声明“这个变量先存结果、那个变量后面再用”因为结果就是表达式本身。代价也很明显表达式过密一旦表达不对调试起来很痛苦。所以 APL 老手通常非常重视“把复杂表达式拆开、逐步验证”而不是直接写一行一公里长的代码。如果你是第一次接触 APL不要拿“最短代码”当目标。先用小步骤跑通再逐渐合并表达式才是更稳妥的路径。4. 不只是祖先现代语言里的数组编程基因4.1 J、K、Q继续走符号路线的后代APL 对普通人最大的门槛之一是特殊字符很难输入。后来有人为了使它在普通终端上更易用设计了 J 语言把 APL 的符号全部改成 ASCII 字符组合。K 语言和 Q 语言则进一步把数组思想带到金融时序数据处理场景长期被一部分量化分析和数据密集型项目使用。这些语言在编程语言排行榜上通常不会靠前但它们在自己的垂直领域里一直有稳定的使用者。这也说明数组语言的价值并不取决于“有多少人用它”而是取决于“它对某类数据问题是不是足够高效”。4.2 NumPy、MATLAB、Julia把数组思维普及化如果你今天去写 Python肯定绕不开 NumPy。你会发现np.arange(10).sum()、np.reshape、np.transpose这些操作和 APL 的核心原语在思路上惊人地一致把数组当作整体对象不再逐元素操作。MATLAB 更是把矩阵操作做成了语言的核心。Julia 在数据科学领域走红很大程度上也因为它保留了“对整组数据做运算”的表达力同时给出的性能比 Python 更接近底层。可以说现代数据科学能发展得这么快背后那股核心力量不是某个语言本身而是数组编程思维已经被大面积接受。“编程语言排行榜”衡量的是使用者规模、社区生态、岗位数量不是表达力。你可能看不到 APL、J、K 出现在前二十但数组思维的影子已经嵌入了几乎所有热门语言的库和框架里。4.3 从数组语言里可以借鉴什么对普通开发者来说不一定要换语言但可以借它的思维方式反思自己平常写数组代码的习惯。一个很实用的问题你写代码时有没有第一时间想去遍历数组而不是先看看这个数组能不能整体操作比如“把数组里的每个元素都加一”这种常见需求很多人在 C 语言里会写 for 循环在 JavaScript 里可能会先想到map在 Python 里可能已经习惯写列表推导式了。其实你的思维已经从“一针一线”向“整体裁剪”靠近了一点只是很多语言给你的工具还不够彻底。在我看来数组语言最值得吸收的一点是当你要处理一批结构相同的数据时先问问自己“有没有一种方法直接描述这批数据的变换”而不是立刻开始写循环。这样写出来的代码往往更短、更稳、更少出现索引边界错误。5. 哪些人适合学 APL哪些人不适合5.1 适合的场景如果你是下面这几类人APL 值得花一个周末体验日常要处理大量规则的多维数据比如矩阵、网格、时间序列。写算法原型时希望用更短的代码验证思路而不是一开始就陷入语言的边界细节。对编程语言设计、函数式风格、数据流抽象感兴趣。需要在公式、算法描述和可执行代码之间快速切换的人。APL 尤其是这样当你面对的是一个纯粹的“数据变换”问题它有很强的表达优势。比如矩阵转置、数组去重、分组统计、滑动窗口这类任务用 APL 写往往几行就能跑出结果。5.2 不适合的场景但如果你的工作是大型业务系统、Web 服务、团队协作项目那我并不建议把 APL 作为主力语言。原因不是它不强大而是它的生态和协作成本不适合这些场景团队新人学习成本高代码审查困难普通成员很难看懂别人写的表达式。第三方库、社区、调试工具、代码重构支持都远不如 Java、C、Python、Go 等主流语言成熟。大型项目里大量业务状态管理、IO、并发等问题并不是数组语言擅长解决的。在这种情况下更好的策略是“混用”用主流语言搭系统用数组语言做算法验证或者专门的批处理模块。别让一门语言去承担它不适合的岗位。5.3 三个判断问题你可以用三个问题快速判断自己是否应该花时间学我这部分工作里“数据处理”是核心难点还是“业务状态管理”是核心难点我手里的数据结构是规则的矩阵/数组还是高度异构的对象集合外部 IO我的团队是否愿意为一种小众表达方式付出维护成本如果三个问题的答案都指向“数组语言更合适”那你可以认真考虑如果只有其中一个也许只需要在现有语言里借鉴一些 NumPy 式的数组思维就够了。6. 如果你真想试建议这样开始6.1 环境准备想体验 APL常见的选择有两个方向一是 Dyalog APL它提供面向个人学习的版本在 Windows、macOS、Linux 上都有对应版本二是 GNU APL属于开源实现。不同实现的默认索引原点、输入法支持、扩展 API 都会有差别安装前先确认你下载的版本和授权范围。如果不想装环境很多在线 REPL 也支持 APL 执行。一个可行的路径是先用在线环境跑通最基础的表达式确认自己对这套语法有兴趣后再在本地装一个能随时用的环境。这里要特别提醒不同环境对特殊字符的输入方式不同。你在本地编辑器里可能没法直接打出⍳或⍴有些环境提供专门的输入方式或快捷键。开始之前花十分钟搞清楚特殊字符怎么输入能省很多事。6.2 最小练习序列不要一上来就去研究复杂的函数组合。我建议按下面这个顺序做一组最小练习生成一个数组⍳10求数组的和/⍳10去重∪1 2 3 2 1过滤偶数(02|⍳10)/⍳10把一维数组变成二维数组3 3 ⍴ ⍳9转置一个矩阵⍉ 3 2 ⍴ ⍳6对二维数组按行、按列做归约/和⌿把这些任务跑完你就已经覆盖了大多数常见需求的一半以上。接下来可以把业务里遇到的简单数组问题拿来试数组转字符串、取多维数组的某几列、对数组做分组统计等等。每在自己遇到的问题里用一次理解就会深一层。6.3 最容易踩的坑第一字符输入问题。这不是代码逻辑问题但会最先拦住新手。建议把常用符号的输入方式做成笔记用时直接查。第二阅读顺序问题。APL 表达式通常从右往左求值这对大多数人来说是反直觉的。初学者最容易犯的错是按从左到右的顺序读表达式结果完全理解错。先花半天时间专门练习“从右往左读”后面会顺畅很多。第三调试困难。没有传统的 for 循环断点你很难直观看到中间变量。我的办法是把一个复杂表达式拆成临时小步骤每一步打印一个结果确认没问题后再合成。调试 APL 时先拆后合是最高效的思路不要尝试一次推理一整行表达式。6.4 排查链路如果写出来的结果不对按下面顺序排查比乱调符号有效率得多先确认求值顺序这个表达式在 APL 里是不是真的从右往左执行了是不是被某个组合操作符改变了优先级再确认数据形状输入是一维数组还是二维矩阵用⍴打印一下形状看是否符合预期。然后检查索引原点当前环境⎕IO是 0 还是 1⍳n的结果会因此不同。检查数据类型数组里是不是混入了字符和数字字符型数组和数字型数组的行为差异非常大。最后检查归约方向你用的是/还是⌿沿的是行方向还是列方向按照这个顺序大多数 APL 初学者的“神秘报错”都能在五分钟内定位。7. 它带给普通程序员的最大启发7.1 不是让你换语言而是换一种“控制流观”APL 这类语言最大的价值未必是让你真的在工作中全面换上它而是提供了一套非常不同的“控制流视角”。在普通语言里控制流靠函数调用、if/else、循环来完成在数组语言里控制流被大量转移到了“数据变换”里。数据是什么样的形状我就用什么形状去思考而不是机械地一段一段扫描。这可能听起来有点抽象但你可以在 Python 里做一个等价实验把一个复杂数组操作从纯 for 循环改成 NumPy 向量化写法你会发现代码量下降只是表面更重要的是思考方式变了——你不再一步步“指导”机器而是直接把最终的数据关系写出来。7.2 数组思维在 AI 时代是红利现在机器学习和深度学习里最基本的操作对象是张量也就是高维数组。你去看任何主流深度学习框架的代码到处是reshape、transpose、squeeze、sum over axis这类操作。这些操作的背后就是数组编程语言几十年前反复强调的思维模型把数据当作整体对象把变换当作原语而不是逐个元素去算。如果你能早点习惯“对整体做变换”的思考方式读深度学习代码、调模型接口、处理数据管道都会比别人顺畅很多。这也是我为什么觉得数组语言值得学但又不只是“为了学一门语言”去学它。7.3 学会在不同的抽象层级之间切换最后想再强调一点工程师的功力从来不在于“我能把代码写得多么高级”而在于“我知道这个任务该用哪一层抽象”。有时候你需要用底层循环因为内存布局、性能、日志输出都在那里有时候你应该用数组整体操作因为它干净、清晰、不容易出错。两者不是对立的而是不同层级的手段。APL 让我印象最深的不是那些符号本身而是它展示了语言设计可以怎样影响一个人思考问题的方式。当你第一次从“循环遍历”跃迁到“数组整体变换”你会发现自己看数据问题的高度不一样了。所以如果你现在正好在处理一批多维数据或者只是对“为什么有些语言能这么短”感到好奇我建议你花一个下午在在线环境里敲一敲⍳、/、⍴和⍉。然后回到你常用的语言里看看有没有哪一个数组操作本来可以写得更像“对整组数据的描述”而不是“一次漫长而琐碎的遍历”。把循环放回代码库之前先想想能不能让数组自己完成这件事。