228 lines
5.4 KiB
Markdown
228 lines
5.4 KiB
Markdown
---
|
|
marp: true
|
|
paginate: true
|
|
# class: invert
|
|
theme: rose-pine
|
|
footer: Tutorium 12 - 19.01.2024 - Nils Pukropp - https://s.narl.io/s/tutorium-12
|
|
header:
|
|
math: mathjax
|
|
---
|
|
|
|
# Tutorium 12 - 19.01.2024
|
|
|
|
Musterlösung 11 - Wiederholung Types - Functions!
|
|
|
|
---
|
|
|
|
# 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
|
|
|
|
### Was ist nun Python?
|
|
|
|
---
|
|
|
|
## 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?
|
|
|
|
- **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, soll nur den Programmierer 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?
|
|
|
|
- |