425 lines
11 KiB
Markdown
425 lines
11 KiB
Markdown
---
|
|
marp: true
|
|
paginate: true
|
|
# class: invert
|
|
theme: rose-pine
|
|
footer: Tutorium 13 - 26.01.2024 - Nils Pukropp - https://s.narl.io/s/tutorium-13
|
|
header:
|
|
math: mathjax
|
|
---
|
|
|
|
# Tutorium 13 - 26.01.2024
|
|
|
|
Orga - Wiederholung Types - Functions! - Decorator
|
|
|
|
---
|
|
|
|
# Orga
|
|
|
|
---
|
|
## Wegen fehlendem Tutorium am 19.01.
|
|
|
|
- Jeder kriegt die 6 Punkte für Anwesenheit
|
|
- Auf Blatt 13 als Extrapunkte unter *Anmerkungen*
|
|
- Sorry fürs nicht beantworten von manchen Nachrichten
|
|
- Falls ihr glaubt ihr bekommt knapp nicht genug Punkte schreibt mich einfach an, man wird schon noch irgendwo Punkte finden
|
|
|
|
---
|
|
|
|
## Syntax-Fehler
|
|
|
|
- Für **Syntax-Fehler** habe ich im allgemeinen **0 Punkte** in der jeweiligen Datei vergeben
|
|
- Das euer Programm ausführbar ist sollte das mindeste sein!
|
|
- Ihr sollt euer Programm sowieso selbständig testen und ich geh mal davon aus das ist nicht passiert wenn sich die Datei nichtmal ausführen lässt
|
|
- Zeitdruck kann ich voll nachvollziehen
|
|
|
|
---
|
|
|
|
## Nachträgliches ausbessern
|
|
|
|
- Ihr verbessert euren SyntaxFehler (eure Python-Datei ist ausführbar)
|
|
- Ihr schickt mir eine `.zip` oder eine `.tar.gz` mit dem verbesserten Code an [nils@narl.io](mailto:nils@narl.io)
|
|
- verbessert nichts anderes!
|
|
- Schreibt kurz in die Mail welches Blatt + Aufgabe + Kürzel
|
|
- Ich korrigiere eure Abgabe nachträglich und ihr bekommt zumindest mehr als 0 Punkte
|
|
- Bitte nur wenn ihr wirklich die Punkte braucht und habt etwas Geduld mit der Korrektur
|
|
|
|
---
|
|
|
|
## Allgemeines
|
|
|
|
- biete euch Übungen passend zur Klausur
|
|
- kein genaues Datum, aber vor dem 09.02
|
|
- Klausur ist *wahrscheinlich* am 19.02.
|
|
- Short-Link zu der Übung [https://s.narl.io/s/eidp-ub](https://s.narl.io/s/eidp-ub)
|
|
- aktuell noch nicht online
|
|
|
|
---
|
|
|
|
# Link: [https://s.narl.io/s/eidp-ub](https://s.narl.io/s/eidp-ub)
|
|
|
|
---
|
|
|
|
# Type annotations
|
|
(Wiederholung)
|
|
|
|
---
|
|
|
|
## Type annotations - Was ist das?
|
|
|
|
---
|
|
|
|
## Type annotations - Was ist das?
|
|
|
|
* Jedes **Objekt** lässt sich mindestens einem **Typ** zuordnen
|
|
* Objekte im mathematischen Sinne wie z.B. Variablen, Funktionen, ...
|
|
* Dieser **schränkt** den Wertebereich ein
|
|
* z.B. ist eine Variable `x` von Typ `int` eine Ganzzahl
|
|
* ähnlich zur mathematischen Schreibweise $x \in \mathbb{Z}$
|
|
* In der Informatik nennt man das **Typisierung**
|
|
* Es gibt verschiedene Arten der Typisierung
|
|
|
|
---
|
|
|
|
## Type annotations - Typisierung
|
|
|
|
- **dynamische Typisierung** überprüft die gegebenen Typen zur **Laufzeit**
|
|
- also erst wenn das Programm *läuft*
|
|
- **statische Typisierung** überprüft die gegebenen Typen zur **Übersetzungszeit**
|
|
- also während wir den Quellcode übersetzen
|
|
|
|
---
|
|
|
|
## Type annotations - Typisierung
|
|
|
|
- **dynamische Typisierung** überprüft die gegebenen Typen zur **Laufzeit**
|
|
- also erst wenn das Programm *läuft*
|
|
- **statische Typisierung** überprüft die gegebenen Typen zur **Übersetzungszeit**
|
|
- also während wir den Quellcode übersetzen
|
|
|
|
### Was ist nun Python?
|
|
|
|
---
|
|
|
|
### Was ist nun Python?
|
|
|
|
- **dynamisch typisiert**
|
|
- wir müssen unsere `.py` Datei ausführen bevor wir wissen ob alles korrekt ist
|
|
- **Pylance** ist ein eigenes Programm
|
|
- es soll beim Schreiben bereits **Typverletzungen** erkennen
|
|
- **unvollständige** Typüberprüfung, es soll nur den Entwickler unterstützen
|
|
|
|
---
|
|
|
|
## Variabeln Typannotieren
|
|
|
|
* `variable_name: <Type> = ...`
|
|
* Beispiele:
|
|
```python
|
|
x: int = 3
|
|
y: int = 5
|
|
string: str = "Hello World!"
|
|
|
|
# aber auch eigene Objekte (OOP)
|
|
point: Point = Point(3, 1)
|
|
```
|
|
* diese Annotation ist für uns **optional**
|
|
|
|
---
|
|
|
|
## Funktionen Typannotieren
|
|
|
|
* `def func_name(param1: <Type>, param2: <Type>, ...) -> <Type>`
|
|
* Beispiele:
|
|
```python
|
|
def add(x: int, y: int) -> int:
|
|
return x + y
|
|
|
|
def div(x: float, y: float) -> Optional[float]:
|
|
if y == 0.0:
|
|
return None
|
|
return x / y
|
|
```
|
|
* diese Annotation ist **verpflichtend** und muss so vollständig wie möglich sein
|
|
|
|
---
|
|
|
|
## Klassen Typannotieren
|
|
|
|
*
|
|
```
|
|
class ClassName:
|
|
attribute_name1: <Type>
|
|
attribute_name2: <Type>
|
|
...
|
|
```
|
|
* Beispiel:
|
|
```python
|
|
@dataclass
|
|
class Point:
|
|
x: int
|
|
y: int
|
|
```
|
|
* diese Annotation ist **verpflichtend** und muss so vollständig wie möglich sein
|
|
|
|
---
|
|
|
|
## Methoden Typannotieren
|
|
|
|
* `def method_name(self, param1: <Type>, ...) -> <Type>`
|
|
* Beispiel:
|
|
```python
|
|
class Point:
|
|
x: int
|
|
y: int
|
|
|
|
def distance_from(self, other: 'Point') -> float:
|
|
return math.sqrt((other.x - self.x) ** 2 + (other.y - self.y) ** 2)
|
|
```
|
|
* `self` muss **nicht** Typannotiert werden, kann aber
|
|
* `other` hingegen schon, wegen Python muss in der Klasse mit `'` annotiert werden
|
|
* diese Annotation ist **verpflichtend**
|
|
|
|
---
|
|
|
|
## Datentypen von Datentypen
|
|
|
|
* Manche Datentypen bauen sich aus anderen Datentypen auf
|
|
* z.B. `list` ist eine Liste von Elementen mit einem Typ
|
|
* hierfür verwenden wir `[]` um den Datentyp in `list` zu annotieren
|
|
```python
|
|
def sum(xs: list[int]) -> int:
|
|
total: int = 0
|
|
for x in xs:
|
|
total += x
|
|
return total
|
|
```
|
|
* hierbei ist es wichtig so genau wie möglich zu annotieren!
|
|
* diese Annotation ist **verpflichtend**
|
|
|
|
---
|
|
|
|
## Häufige Fehler mit verschachtelten Typen
|
|
|
|
---
|
|
|
|
## Fehlerquelle - `tuple[...]`
|
|
|
|
* Tuple haben eine feste größe
|
|
* Tuple sind endlich
|
|
* Tuple können Elemente mit unterschiedlichen Typen haben
|
|
* Die Datentypen der Elemente werden mit einem `,` in `[]` getrennt
|
|
* Beispiel:
|
|
```python
|
|
tup: tuple[int, int, float, str] = (1, 2, 3.0, "hello world")
|
|
```
|
|
* Diese Annotation ist **verpflichtend**
|
|
|
|
---
|
|
|
|
## Fehlerquelle - `dict[...]`
|
|
|
|
* Dictionary haben genau zwei zu definierende Typen
|
|
* **Key**
|
|
* **Value**
|
|
* Beispiel:
|
|
```python
|
|
number_dictionary: dict[int, str] = {
|
|
0: "zero",
|
|
1: "one",
|
|
2: "two",
|
|
}
|
|
```
|
|
* Diese Annotation ist **verpflichtend**
|
|
* Diese kann weiter geschachtelt werden durch z.B. `list` als `Value`:
|
|
* `dict[int, list[str]]`
|
|
|
|
---
|
|
|
|
## Fehlerquelle - Typvariabeln (generische Typen)
|
|
|
|
* manchmal wollen wir nicht genau wissen welchen Datentypen wir haben
|
|
* dieser wird dann implizit von Python erkannt
|
|
* wir stellen damit sicher dass eine Typvariable **beliebig** aber **fest** ist
|
|
* Beispiel:
|
|
```python
|
|
def add[T](x: T, y: T) -> T:
|
|
return x + y
|
|
```
|
|
* `T` kann nur ein Datentyp sein, also muss `type(x) == type(y)` gelten
|
|
* **außer** wir schrenken `T` mit `|` ein: `T: (int | str)` damit müssen x und y nicht den gleichen Datentypen haben
|
|
* `T` lässt sich weiter einschränken durch `T: (int, str)`, hierbei ist `T` entweder ein `int` oder (exklusiv) `str`
|
|
|
|
---
|
|
|
|
## Fehlerquelle - Was ist TypeVar?
|
|
|
|
* `TypeVar` ist aus früheren Python-Versionen
|
|
* Typvariablen wurden vor der Python 3.12 so definiert:
|
|
```python
|
|
T = TypeVar('T')
|
|
```
|
|
* sieht dumm aus, ist es auch, benutzt es nicht!
|
|
|
|
---
|
|
|
|
## Fragen zu Typannotationen?
|
|
|
|
---
|
|
|
|
# Funktionale Programmierung
|
|
|
|
---
|
|
|
|
## Funktionale Programmierung - was ist das?
|
|
|
|
- Funktionen sind äquivalent zu Datenobjekten
|
|
- anonyme Funktionen aka Lambdas
|
|
- Closures
|
|
- Programmablauf mit Verkettung und Komposition von Funktionen
|
|
|
|
---
|
|
|
|
## Funktionen sind Datenobjekte
|
|
|
|
- Jede Funktion hat den Datentyp `Callable`
|
|
- Wir können Funktionen wie alle anderen Objekte variabeln zuweisen
|
|
```python
|
|
def add(a: int, b: int) -> int:
|
|
return a + b
|
|
|
|
add_but_variable = add
|
|
|
|
print(add_but_variable(3, 2)) # 5
|
|
```
|
|
|
|
---
|
|
|
|
## Anonyme Funktionen - `lambda`
|
|
|
|
- Mit dem `lambda` Keyword lassen sich anonyme Funktionen definieren ohne `def`
|
|
- Bietet sich vor allem an für kleine Funktionen und Kompositionen von Funktionen
|
|
```python
|
|
print(reduce(lambda x, y: x + y, [1, 2, 3, 4])) # 10
|
|
```
|
|
- hat als Datentyp auch `Callable`
|
|
```python
|
|
add: Callable[[int, int], int] = lambda x, y: x + y
|
|
```
|
|
|
|
---
|
|
|
|
## Closures
|
|
|
|
- Verkettete Funktionen, bei denen die Variabeln aus vorherigen benutzt werden können
|
|
```python
|
|
def poly(x: float) -> Callable[[float, float], Callable[[float], float]]:
|
|
return lambda a, b: lambda c: a * x ** 2 + b * x + c
|
|
|
|
print(poly(3)(2, 3)(5)) # 2 * 3 ** 2 + 3 * 3 + 5 = 32
|
|
```
|
|
- kein wirklich schönes Beispiel, ein besseres ist `compose` für Kompositionen
|
|
|
|
---
|
|
|
|
## Komposition
|
|
|
|
- Verketten von Funktionen
|
|
```python
|
|
def compose[T](*funcs: Callable[[T], T]) -> Callable[[T], T]:
|
|
return fold(lambda f, g: lambda n: f(g(n)), funcs)
|
|
|
|
f: Callable[[int], int] = lambda n: n + 42
|
|
g: Callable[[int], int] = lambda n: n ** 2
|
|
h: Callable[[int], int] = lambda n: n - 3
|
|
|
|
print(compose(f, g, h)(0))
|
|
```
|
|
|
|
---
|
|
|
|
## Higher-Order Functions
|
|
|
|
- nehmen eine oder mehrere `Callable` als Argument
|
|
- geben ein `Callable` zurück
|
|
|
|
### Higher-Order-Function - `map`
|
|
|
|
- Wendet ein `Callable` auf jedes Element in einem `Iterable` an
|
|
|
|
```python
|
|
def map[T, R](func: Callable[[T], R], xs: Iterable[T]) -> Iterable[R]:
|
|
return [func(x) for x in xs]
|
|
|
|
numeric_list = list(map(lambda e: int(e), ['1', '2', '3']))
|
|
print(numeric_list) # [1, 2, 3]
|
|
```
|
|
|
|
---
|
|
|
|
### Higher-Order-Function - `filter`
|
|
|
|
- `filter` verarbeitet Datenstrukturen anhand eines Prädikats (`Callable`)
|
|
- behält nur Elemente die das Prädikat erfüllen
|
|
```python
|
|
def filter[T](predicate: Callable[[T], bool], xs: Iterable[T]) -> Iterable[T]:
|
|
return [x for x in xs if predicate(x)]
|
|
|
|
predicate: Callable[[int | None] bool] = lambda e: e is not None
|
|
none_free_list: list[int] = list(filter(predicate, [1, 2, 3, None, 5, 6]))
|
|
print(none_free_list) # [1, 2, 3, 5, 6] - kein None
|
|
```
|
|
|
|
---
|
|
|
|
### Higher-Order-Function - `fold`
|
|
|
|
- Kombiniert Elemente einer Datenstruktur
|
|
```python
|
|
def fold[T](func: Callable[[T, T], T], xs: Iterable[T]) -> T:
|
|
it: Iterator[T] = iter(xs)
|
|
value: T | None = None
|
|
for x in it:
|
|
match value:
|
|
case None:
|
|
value = x
|
|
case _:
|
|
value = func(value, x)
|
|
if not value:
|
|
raise TypeError("can't fold empty list")
|
|
return value
|
|
|
|
sum: Callable[[Iterable[int]], int] = lambda xs: fold(lambda x, y: x + y, xs)
|
|
print(sum([1, 2, 3, 4])) # 10
|
|
```
|
|
|
|
---
|
|
|
|
### keine Higher-Order-Function - `flatten`
|
|
|
|
- Nimmt mehrdimensionale Listen und macht eine Liste draus
|
|
```python
|
|
def flatten(xs: Iterable[Any]) -> Iterable[Any]:
|
|
new_list = []
|
|
for s in xs:
|
|
if isinstance(s, Iterable):
|
|
new_list += flatten(s)
|
|
else:
|
|
new_list.append(s)
|
|
return new_list
|
|
|
|
flattened = list(flatten([[1, 2, 3], 4, [[5, 6], 7, [8, 9]]]))
|
|
print(flattened) # [1, 2, 3, 4, 5, 6, 7, 8, 9]
|
|
```
|
|
- nimmt weder `Callable` als Argumente
|
|
- gibt kein `Callable` zurück
|
|
- ist keine Higher-Order-Function
|
|
|
|
---
|
|
|
|
# Fragen zur funktionalen Programmierung?
|
|
|
|
---
|
|
|
|
# Weitere allgemeine Fragen?
|