/
del2.html
818 lines (584 loc) · 19.1 KB
/
del2.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
<!DOCTYPE html>
<html>
<head>
<title>Python-kurs, NTNU, 2012</title>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8"/>
<script src="https://github.com/downloads/gnab/remark/remark-0.3.1.min.js" type="text/javascript">
{ "highlightStyle": "solarized_light" }
</script>
<script src="../lib/jquery-1.7.1.js" type="text/javascript"></script>
<script src="../lib/bekk.js" type="text/javascript"></script>
<link href='http://fonts.googleapis.com/css?family=Inconsolata' rel='stylesheet' type='text/css'>
<link rel="stylesheet/less" type="text/css" href="../lib/bekk.less">
<script src="http://lesscss.googlecode.com/files/less-1.1.5.min.js" type="text/javascript"></script>
</head>
<body>
<textarea id="source">
.front-page
# Python-kurs
## Del 2: Idiomatisk python
Forelesning ved NTNU
Magnus Haug / Kjetil Valle
14/03/2012
---
.agenda
# Agenda
* List comprehension
* Generatorer og iteratorer
* Generator expressions
* -- Pause --
* Funksjoner
* Lambda-funksjoner
* Decorators
---
# List comprehension
List comprehensions er en konsis syntaks for å lage eller transformere lister.
Lar deg enkelt *iterere* over lister og *transformere* og *filtrere* elementene.
Syntaks:
.python
resultat = [output for var in list if condition]
- `output` er elementene som ender opp i den endelige lista. Her kan vi skrive ut `var` direkte, eller som del av et utrykk.
- `list` er referanse til en sekvens, og iterering fungerer på samme måte her som i vanlige for-løkker.
- `if condition` kan filtrere bort elementer vi ikke ønsker å få med i resultatet. Dette siste leddet er valgfritt.
---
# List comprehension
### Et enkelt eksempel
Iterér over alle tall fra 0 til 10, filtrer slik at vi sitter igjen bare med de som er delelig på 3, og gang hvert element med -1 før de lagres i en ny liste.
.python
>>> resultat = []
>>> for i in range(10):
... if i%3 == 0:
... resultat.append(-i)
...
>>> print resultat
[0, -3, -6, -9]
Med list comprehension kan vi i stedet skrive dette som:
.python
>>> [-i for i in range(10) if i%3 == 0]
[0, -3, -6, -9]
Hva skjer her? Vi itererer `for i in range(10)`, filtrerer `if i%3 == 0`, og transfomerer de resterende elementene til `-i`.
---
# List comprehension
List comprehensions kan også gjøres med nestede løkker:
Eksmpel med 3 nivåer:
.python
>>> bokstaver = ['x','y','x']
>>> [a+b+c for a in bokstaver for b in bokstaver for c in bokstaver]
['xxx', 'xxy', 'xxx', 'xyx', 'xyy', 'xyx', 'xxx', 'xxy', 'xxx', 'yxx', 'yxy', 'yxx', 'yyx', 'yyy',
'yyx', 'yxx', 'yxy', 'yxx', 'xxx', 'xxy', 'xxx', 'xyx', 'xyy', 'xyx', 'xxx', 'xxy', 'xxx']
---
# List comprehension
Fra Python 2.7 finnes det også tilsvarende syntax for å lage set og dictionaries:
.python
>>> [n%3 for n in range(5)]
[0, 1, 2, 0, 1]
>>> {n%3 for n in range(5)}
set([0, 1, 2])
>>> {n: n%3 for n in range(5)}
{0: 0, 1: 1, 2: 2, 3: 0, 4: 1}
---
# List comprehension
### Oppgaver
Gjør følgende ved hjelp av list comprehensions:
1. Lag en liste med 2er-potenser. Hint: `2 ** i` gir *2*<sup>*i*</sup>.
1. Lag dictionary over de samme potensene der nøkkel er `i` og verdi er `2 ** i`.
1. Lag en liste med alle tall mellom 1 og 100 som er delelig på enten 3 eller 7 men ikke begge.
1. Lag liste med alle oddetall som er multiplikat av et tall fra 3 til 7 og et tall fra 10 til 14.
1. Generer gangetabellen for tallene fra 1 til 10 som en 2-dimensjonal liste.
---
# List comprehension
### Løsninger
Lag en liste med 2er-potenser. Hint: `2 ** i` gir *2*<sup>*i*</sup>.
.python
>>> [2**i for i in range(1,10)]
[2, 4, 8, 16, 32, 64, 128, 256, 512]
Lag dictionary over de samme potensene der nøkkel er `i` og verdi er `2**i`.
.python
>>> {i: 2**i for i in range(1,10)}
{1: 2, 2: 4, 3: 8, 4: 16, 5: 32, 6: 64, 7: 128, 8: 256, 9: 512}
Lag en liste med alle tall mellom 1 og 100 som er delelig på enten 3 eller 7 men ikke begge.
.python
>>> [x for x in range(1,100) if x%3==0 or x%7==0 if not x%3==x%7==0]
[3, 6, 7, 9, 12, 14, 15, 18, 24, 27, 28, 30, 33, 35, 36, 39, 45, 48, 49, 51, 54, 56, 57, 60, 66,
69, 70, 72, 75, 77, 78, 81, 87, 90, 91, 93, 96, 98, 99]
---
# List comprehension
### Løsninger
Lag liste med alle oddetall som er multiplikat av et tall fra 3 til 7 og et tall fra 10 til 14.
.python
>>> [i*j for i in range(3,8) for j in range(10,15) if i*j%2 != 0]
[33, 39, 55, 65, 77, 91]
Generer gangetabellen for tallene fra 1 til 10 som en 2-dimensjonal liste.
.python
>>> from pprint import pprint
>>> tabell = [[i*j for i in range(1,11)] for j in range(1,11)]
>>> pprint(tabell)
[[1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
[2, 4, 6, 8, 10, 12, 14, 16, 18, 20],
[3, 6, 9, 12, 15, 18, 21, 24, 27, 30],
[4, 8, 12, 16, 20, 24, 28, 32, 36, 40],
[5, 10, 15, 20, 25, 30, 35, 40, 45, 50],
[6, 12, 18, 24, 30, 36, 42, 48, 54, 60],
[7, 14, 21, 28, 35, 42, 49, 56, 63, 70],
[8, 16, 24, 32, 40, 48, 56, 64, 72, 80],
[9, 18, 27, 36, 45, 54, 63, 72, 81, 90],
[10, 20, 30, 40, 50, 60, 70, 80, 90, 100]]
---
# Generatorer og iteratorer
Iteratorer er kanskje ikke veldig spennende, men det er en viktig byggesten.
Flere av de python-elementene vi allerede kjenner kan fungere som iteratorer..
F.eks. lister:
.python
>>> items = [1, 4, 5]
>>> it = iter(items)
>>> it.next()
1
>>> it.next()
4
>>> it.next()
5
>>> it.next()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
>>>
---
# Generatorer og iteratorer
Syntaktisk sukker
.python
>>> items = [1, 4, 5]
>>> for i in items:
... print i,
...
1 4 5
---
# Generatorer og iteratorer
La oss implementere en iterator selv:
.python
class countdown(object):
def __init__(self,start):
self.count = start
def __iter__(self):
return self
def next(self):
if self.count <= 0:
raise StopIteration
r = self.count
self.count -= 1
return r
Og bruke den:
.python
>>> c = countdown(5)
>>> for i in c:
... print i,
...
5 4 3 2 1
---
# Generatorer og iteratorer
Dette var mye styr, kan det gjøres enklere? Yep, med generatorer:
.python
def countdown(i):
while i > 0:
yield i
i -= 1
Resultat:
.python
>>> for i in countdown(5):
... print i,
...
5 4 3 2 1
---
# Generatorer og iteratorer
### Hva er nytteverdien?
Uendelige lister, store datamengder:
.python
>>> from itertools import count
>>> c = count()
>>> c.next()
0
>>> c.next()
1
>>> c.next()
2
Spørsmål: Hvordan holder man en uendelig liste i minne?!
---
# Generator expressions
List comprehensions kan automagisk skrives som en generator:
.python
>>> liste = [i for i in range(10)]
>>> print liste
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> for i in liste:
... print i,
...
0 1 2 3 4 5 6 7 8 9
>>> for i in liste:
... print i,
...
0 1 2 3 4 5 6 7 8 9
>>> generator = (i for i in range(10))
>>> print generator
<generator object <genexpr> at 0x10ff3e410>
>>> for i in generator:
... print i,
...
0 1 2 3 4 5 6 7 8 9
>>> for i in generator:
... print i,
...
Hva skjedde her?
---
# Generator expressions
### Fordeler
- Er mer kompakte (men kan være mindre fleksible) enn vanlige generatorer med yield.
- Er mer minnevennlige enn lister.
- Uendelig lange lister passer dårlig i minnet...
- Som skapt for input til metoder som arbeider på elementer enkeltvis. (Da kan vi også droppe et sett parenteser.)
.python
sum(x for x in range(100000) if x%2 == 0)
### Ulemper
- Kan ikke itereres over flere ganger.
- Kan ikke bruke indeksering/slicing eller de vanlige liste-metodene (`append`, `insert`, `count`, `sort`, etc).
---
# Generator expressions
### Oppgaver:
1. Lag en list comprehension som lister opp alle partall under 20, og print dem
1. Lag et generator expression som gjør det samme. Print dem.
1. Lag en generator som lister opp ALLE partall.
1. Lag et generator expression som lister opp ALLE partall.
1. Print de første 20 av dem, f.eks. slik:
`print [alle_partall.next() for i in xrange(20)]`
1. Lag en generator som generer tall-sekvensen 1, -1, 2, -2, 3, -3, ...
1. Lag et generator expression genererer fibonacci-tallene.
Bruk denne til å finne det 100 000'ende fibonacci-tallet.
---
.middle.center
# Pause!
---
# Funksjoner
Funksjoner i python er *førsteklasses*, og vi kan derfor gjøre mer med dem enn vi er vant med fra Java.
At funksjonene er førsteklasses vil si at vi kan...
1. sende dem inn som argumenter til andre funksjoner
1. returnere dem fra funksjoner
1. tilordne dem til variabler
1. lagre dem i datastrukturer
Vi har også større frihet i hvor vi kan definere funksjoner -- for eksempel inne i andre funksjoner.
---
# Funksjoner
Eksempel på hva man kan gjøre med funksjoner i Python
.python
>>> def n_doble(n):
... def fn(a): # Definerer funksjon inne i en annen funksjon
... return n*a
... return fn # Returnerer en funksjon
...
>>> dobling_funksjoner = {
... "to": n_doble(2), # Lagrer funksjoner i en dictionary
... "tre": n_doble(3),
... "fire": n_doble(4),
... "hundre": n_doble(100)
... }
>>>
>>> firedoble = dobling_funksjoner["fire"] # Tilordner funksjonen til en variabel
>>>
>>> def kall(fn, *args): # Tar inn en funksjon som parameter
... return fn(*args)
...
>>> kall(firedoble, 3) # Sender funksjon som argument
12
---
# Lambda-funksjoner
Lambdaer er anonyme én-linjes funksjoner som består av en (valgfri) liste med parametere og ett uttrykk som evalueres og returneres.
Syntax:
.python
lambda args: uttrykk
Vanlig funksjon:
.python
>>> def funksjonen_min(num):
... return num * 2
...
>>> funksjonen_min(3)
6
Lambda:
.python
>>> lambdaen_min = lambda num: num * 2
>>> lambdaen_min(3)
6
---
# Lambda-funksjoner
Som alle andre funksjoner kan også lambaer brukes som argumenter.
.python
>>> def double( num ):
... return num * 2
...
>>> map(double, range(10))
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
Dette blir ofte mer konsist med en lambda:
.python
>>> map(lambda num : num * 2, range(10))
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
Akkurat dette tilfellet blir kanskje vel så pent med en list comprehension:
.python
>>> [num * 2 for num in range(10)]
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
---
# Lambda-funksjoner
### Oppgaver
1. Lag en funksjon som regner ut gjennomsnittet av to tall, som den får som parametre.
1. Gjør om denne til en lambda.
1. Utvid lambda-funksjonen til å regne ut gjennomsnittet av en liste med tall.
1. Lag en funksjon make_adder(x), som returnerer en funksjon.
Den returnerte funksjonen skal legge til x til et tall.
1. Skriv kode som bruker make_adder.
---
# Decorators
Dekoratorer lar oss endre funksjonaliteten av eksisterende funksjoner uten å måtte gjøre endringer i selve funksjonene.
Syntaksen likner veldig på annotasjoner i Java:
.python
@dekorator
def funksjon():
return "foo"
---
# Decorators
Eksempelet på forrige slide er egentlig bare syntaktisk sukker for følgende:
.python
def funksjon():
return "foo"
funksjon = dekorator(funksjon)
En dekorator er altså en funksjon* som tar en funksjon som argument og returnerer en ny funksjon som fungerer som proxy/wrapper for den dekorerte funksjonen.
\* klasser kan også brukes, men vi holder oss til funksjoner her for å gjøre det enklere...
---
# Decorators
En typisk dekorator ser omtrent slik ut:
.python
def dekorator(fn):
def ny_fn():
# Her kan vi gjøre hva vi vil!
# Vanligvis inkluderer det et kall til fn().
return ny_fn
I den nye funksjonen kan vi definere funksjonalitet som skal skje før og etter den dekorerte funksjonen kalles. Eller vi kan la være å kalle den i det hele tatt. Eller vi kan endre argumentene den får inn. Eller...
---
# Decorators
### Et enkelt eksempel
.python
>>> def foo(fn):
... print "inne i dekoratoren"
... def ny_fn():
... print "starter wrapper-funksjonen"
... fn()
... print "slutter wrapper-funksjonen"
... return ny_fn
...
>>> @foo
... def bar():
... print "i den dekorerte funksjon"
...
inne i dekoratoren
>>> bar()
starter wrapper-funksjonen
i den dekorerte funksjon
slutter wrapper-funksjonen
---
# Decorators
For å dekorere funksjoner med ulikt antall argumenter bruker vi * og **.
### Eksempel
Dekorator som teller antall argumenter en funksjon får inn:
.python
>>> def count_args(fn):
... def wrapper_fn(*args, **kwargs):
... antall = len(args) + len(kwargs)
... print "fikk inn %d argumenter" % antall
... return fn(*args, **kwargs)
... return wrapper_fn
...
>>> @count_args
... def foo(*args, **kwargs):
... pass
...
>>> foo()
fikk inn 0 argumenter
>>> foo(1, 2, 3)
fikk inn 3 argumenter
>>> foo(1, 2, 3, bar="baz")
fikk inn 4 argumenter
>>> foo(*range(1000000))
fikk inn 1000000 argumenter
---
# Decorators
Det fungerer også fint å stacke dekoratorer på hverandre.
.python
@dekorator1
@dekorator2
def funksjon():
pass
Blir det samme som:
.python
def funksjon():
pass
funksjon = dekorator1(dekorator2(funksjon))
---
# Decorators
Dekoratorene vi har skrevet til nå erstatter funksjonene våre med nye funksjoner.
Vi har dermed endret på hvordan den dekorerte funksjonen ser ut utenfra, ved å endre navn, doc-string, etc.
.python
>>> def buu_dekorator(fn):
... def ny_fn(*args, **kwargs):
... # noe artig her
... return fn(*args, **kwargs)
... return ny_fn
...
>>> @buu_dekorator
... def foo():
... """foo sin docstring"""
... pass
...
>>> foo.__name__
ny_fn
>>> foo.__doc__
None
:'(
---
# Decorators
Dette kan vi passende nok løse ved hjelp av enda en dekorator!
.python
>>> from functools import wraps
>>>
>>> def yay_dekorator(fn):
... @wraps(fn)
... def ny_fn(*args, **kwargs):
... # noe artig her
... return fn(*args, **kwargs)
... return ny_fn
...
>>> @yay_dekorator
... def foo():
... """foo sin docstring"""
... pass
...
>>> foo.__name__
foo
>>> foo.__doc__
foo sin docstring
:D
---
# Decorators
Vi kan også lage dekoratorer som tar inn parametere.
.python
>>> def gjenta(ganger):
... def generert_dekorator(fn):
... def wrapper(*args, **kwargs):
... return [fn(*args, **kwargs) for i in range(ganger)]
... return wrapper
... return generert_dekorator
...
>>> @gjenta(4)
... def spam():
... return "spam"
...
>>> spam()
['spam', 'spam', 'spam', 'spam']
Her er `gjenta` egentlig en funksjon som genererer dekoratorer. `gjenta(4)` lager dekoratoren som gjentar funksjonen 4 ganger, som brukes til å dekorere `spam`. Tilsvarende uten det syntaktiske sukkeret blir:
.python
>>> def spam():
... return "spam"
...
>>> spam = gjenta(4)(spam)
>>> spam()
['spam', 'spam', 'spam', 'spam']
---
# Decorators
### Oppgaver
1. Lag en `@ignore` decorator som gjør at kall til den dekorerte funksjonen ikke lenger gjør noenting.
1. Lag en dekorator `@timed` som tar tiden på den dekorerte funksjonen.
1. Lag dekoratoren `@deprecated` som skriver ut en advarsel hvis noen bruker den dekorerte funksjonern. Bonus hvis du klarer å inkludere navnet på funksjonen i advarselen.
1. Gitt implementasjonen av fibonacci under, lag dekoratoren `@memoize` som lagrer og gjenbruker delløsningene. Regn så ut `fib(100)`.
Slik finner du tidspunkt i Python:
.python
from time import time
tidspunkt = time()
Implementasjon av fibonacci:
.python
@memoize
def fib(a):
if a in (0,1): return a
return fib(a-1) + fib(a-2)
---
# Decorators
### Løsninger
Lag en `@ignore` decorator som gjør at kall til den dekorerte funksjonen ikke lenger gjør noenting.
.python
def ignore(fn):
@wraps(fn)
def wrapper(*args, **kwargs):
pass
return wrapper
Lag en dekorator `@timed` som tar tiden på den dekorerte funksjonen.
.python
from time import time
def timed(fn):
@wraps(fn)
def wrapper(*args, **kwargs):
start = time()
resultat = fn(*args, **kwargs)
print "brukte %f sekunder" % (time() - start)
return resultat
return wrapper
---
# Decorators
### Løsninger
Lag dekoratoren `@deprecated` som skriver ut en advarsel hvis noen bruker den dekorerte funksjonern. Bonus hvis du klarer å inkludere navnet på funksjonen i advarselen.
.python
def deprecated(fn):
@wraps(fn)
def wrapper(*args, **kwargs):
print "Warning: '%s' is deprecated!" % fn.__name__
return fn(*args, **kwargs)
return wrapper
Gitt implementasjonen av fibonacci under, lag dekoratoren `@memoize` som lagrer og gjenbruker delløsningene. Regn så ut `fib(100)`.
.python
def memoize(fn):
cache = {}
@wraps(fn)
def wrapper(arg):
if arg in cache:
return cache[arg]
else:
cache[arg] = fn(arg)
return cache[arg]
return wrapper
---
# Easter Eggs
The Zen of Python
.python
import this
Hva Python-utviklerne tenker om { og }
.python
from __future__ import braces
Alternaltiv implementasjon av Hello World
.python
import __hello__
Og sist men ikke minst:
.python
import antigravity
---
# Oppsummering
- *List comprehensions* er en hendig syntaks for å lage/filtrere/mutere lister.
- *Generatorer* gir oss muligheten til å generere (uendelig) lange sekvenser uten at disse må lagres i minnet.
- Generator-uttrykk er en kompakt og konsis syntaks for å lage generatorer.
- *Funksjoner* er første-klasses i Python, og kan derfor:
- Brukes som argumenter og returverdier fra andre funksjoner.
- Tilordnes variabler.
- Lagres i datastrukturer.
- *Lambdaer* er enlinjes funksjoner uten navn.
- *Dekoratorer* lar oss endre funksjonalitet på eksisterende funksjoner uten å endre dem direkte.
- Dekoratorene erstatter den dekorerte funksjonen med en ny funksjon.
- I praksis bare hendig syntax for å drive med høyere ordens programmering.
---
.middle.center
# Spørsmål?
Kom og jobb hos [oss i BEKK](http://www.bekk.no/jobb/stillinger/)
</textarea>
<div id="slideshow"></div>
</body>
</html>