nvrl/eidp-2024
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
main
eidp-2024/Tutorium/tut13
History

README.md

marp, paginate, theme, footer, style
marp paginate theme footer style
true true rose-pine EidP 2024 - Nils Pukropp - https://git.narl.io/nvrl/eidp-2024 .columns { display: grid; grid-template-columns: repeat(2, minmax(0, 1fr)); gap: 1rem; }

Tutorium 12 - 2025-01-16

Datenklassen, Funktionale Programmierung, Blatt 12

Datenklassen - field(..)

  • Wird benutzt um zusätziche Funktionalität in Datenklassen für Attribute zu ermöglichen:
    • init=..: ob das Attribut als Parameter in der __init__ (Konstruktor) auftauchen soll
    • default=..: ob das Attribut einen Standardwert bekommen soll (nur primitive Datentypen)
    • default_factory=..: Falls es ein Objekt ist brauchen wir eine Factory (z.B. Konstruktor) welche das Objekt erstellt
    • repr=..: Ob das Attribut in der __repr__ auftauchen soll

Datenklassen - Beispiel field(..)

@dataclass
class Person:
    __name: str = field(init=False, default="") 
    """das Feld taucht nicht im Konstruktor auf und wird mit "" initialisiert
    """
    __my_hobbies: list[str] = field(init=False, default_factory=list) 
    """das Feld lässt sich nur mit einer Factory erstellen
    """
    __secrets: list[str] = field(init=False, default_factory=list, repr=False)
    """das Feld taucht nicht in der `__repr__` Dunder-Methode auf
    """

me = Person()
print(me) # Person(_Person__name='', _Person__my_hobbies=[])

Datenklassen - InitVar

  • InitVar ermöglicht einen Platzhalter zu erstellen
    • speichert nichts ab
    • wird aber als Parameter im Konstruktor übergeben
@dataclass
class Time:
    hours: InitVar[int]
    minutes: InitVar[int]
    __time: int = field(init=False)

my_time = Time(hours=4, minutes=20)
my_time = Time(4, 20)

Datenklassen - InitVar und __post_init__

  • Um InitVar zu verwenden brauchen wir die __post_init__
    • die __post_init__ bekommt die InitVar übergeben
    • dann können wir die eigentlichen Attribute initialisieren
@dataclass
class Time:
    hours: InitVar[int]
    minutes: InitVar[int]
    __time: int = field(init=False)

    def __post_init__(self, hours: int, minutes: int):
        self__time = hours * 60 + minutes

Was ist property?

  • Syntax-Sugar,

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
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 
    print(reduce(lambda x, y: x + y, [1, 2, 3, 4])) # 10
  • hat als Datentyp auch Callable 
    add: Callable[[int, int], int] = lambda x, y: x + y

Higher-Order Functions

  • Eine Funktion muss eine der Eigenschaften haben:
    • nimmt eine oder mehrere Callable als Argument
    • gibt ein Callable zurück

Higher-Order-Function - map

  • Wendet ein Callable auf jedes Element in einem Iterable an

    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 
    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: not e is 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 
    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 
    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

print(list(flatten([[1, 2, 3], 4, [[5, 6], 7, [8, 9]]]))) # [1, 2, 3, 4, 5, 6, 7, 8, 9]
  • nimmt weder Callable als Argumente
  • gibt kein Callable zurück
  • ist keine Higher-Order-Function

Closures

  • Verkettete Funktionen, bei denen die Variabeln aus vorherigen benutzt werden können 
    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 
    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))

Fragen zur funktionalen Programmierung?

Blatt 12