Язык программирования Python
Шрифт:
def c(x):
if type(x) is A: …
if type(x) is B: …
if type(x) is C: …
При внесении нового типа объекта изменения в ОО–программе затрагивают только один модуль, а в процедурной — все процедуры:
Листинг
# ООП
class D:
def a: …
def b: …
def c: …
# процедурный подход
def a(x):
if type(x) is A: …
if type(x) is B: …
if type(x) is C: …
if type(x) is D: …
def b(x):
if type(x) is A: …
if type(x) is B: …
if type(x) is C: …
if type(x) is D: …
def c(x):
if type(x) is A: …
if type(x) is B: …
if type(x) is C: …
if type(x) is D: …
И наоборот, теперь нужно добавить новый метод обработки. При процедурном подходе просто пишется новая процедура, а вот для объектного приходится изменять все классы:
Листинг
# процедурный подход
def d(x):
if type(x) is A: …
if type(x) is B: …
if type(x) is C: …
# ООП
class A:
def a: …
def b: …
def c: …
def d: …
class B:
def a: …
def b: …
def c: …
def d: …
class C:
def a: …
def b: …
def c: …
def d: …
Язык программирования Python изначально был ориентирован на практические нужды. Приведенное выше выражается в стандартной библиотеке Python, то есть в том, что там применяются и функции (обычно сильно обобщенные на довольно широкий круг входных данных), и классы (когда операции достаточно специфичны). Обобщенная природа функций Python и полиморфизм, не завязанный целиком на наследовании — вот свойства языка Python, позволяющие иметь большую гибкость в комбинации процедурного и объектно–ориентированного подходов.
Заключение
Даже достаточно неформальное введение в ООП потребовало определения большого количества терминов. В лекции была сделана попытка с помощью примеров передать не столько букву, сколько дух терминологии ООП. Были рассмотрены все базовые понятия: объект, тип, класс и виды отношений между объектами (IS–A, HAS–A, USE–A). Слушатели получили представление о том, что такое инкапсуляция и полиморфизм в стиле ООП, а также наследование — продление времени жизни объекта за рамками исполняющейся программы, известное как устойчивость объекта (object persistence). Были указаны недостатки ООП, но при этом весь предыдущий материал объективно свидетельствовал о достоинствах этого подхода.
Возможно, что именно эта лекция приведет слушателей к пониманию ООП, пригодному и удобному для практической работы.
5. Лекция: Численные алгоритмы. Матричные вычисления.
В данной лекции рассматривается пакет Numeric для осуществления численных расчетов и выполнения матричных вычислений, приводится обзор других пакетов для научных вычислений.
Numeric Python — это несколько модулей для вычислений с многомерными массивами, необходимых для многих численных приложений. Модуль Numeric вносит в Python возможности таких пакетов и систем как MatLab, Octave (аналог MatLab), APL, J, S+, IDL. Пользователи найдут Numeric достаточно простым и удобным. Стоит заметить, что некоторые синтаксические возможности Python (связанные с использованием срезов) были специально разработаны для Numeric.
Numeric Python имеет средства для:
матричных вычислений LinearAlgebra;
быстрого преобразования Фурье FFT;
работы с недостающими экспериментальными данными MA;
статистического моделирования RNG;
эмуляции базовых функций программы MatLab.
Модуль Numeric
Модуль Numeric определяет полноценный тип–массив и содержит большое число функций для операций с массивами. Массив — это набор однородных элементов, доступных по индексам. Массивы модуля Numeric могут быть многомерными, то есть иметь более одной размерности.
Создание массива
Для создания массива можно использовать функцию array с указанием содержимого массива (в виде вложенных списков) и типа. Функция array делает копию, если ее аргумент — массив. Функция asarray работает аналогично, но не создает нового массива, когда ее аргумент уже является массивом:
Листинг
>>> from Numeric import *
>>> print array([[1, 2], [3, 4], [5, 6]])
[[1 2]
[3 4]
[5 6]]
>>> print array([[1, 2, 3], [4, 5, 6]], Float)
[[ 1. 2. 3.]
[ 4. 5. 6.]]
>>> print array([78, 85, 77, 69, 82, 73, 67], 'c')
[N U M E R I C]
В качестве элементов массива можно использовать следующие типы: Int8–Int32, UnsignedInt8–UnsignedInt32, Float8–Float64, Complex8–Complex64 и PyObject. Числа 8, 16, 32 и 64 показывают количество битов для хранения величины. Типы Int, UnsignedInteger, Float и Complex соответствуют наибольшим принятым на данной платформе значениям. В массиве можно также хранить ссылки на произвольные объекты.
Количество размерностей и длина массива по каждой оси называются формой массива (shape). Доступ к форме массива реализуется через атрибут shape:
Листинг
>>> from Numeric import *
>>> a = array(range(15), Int)
>>> print a.shape
(15,)
>>> print a
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]
>>> a.shape = (3, 5)
>>> print a.shape
(3, 5)
>>> print a
[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]
Методы массивов
Придать нужную форму массиву можно функцией Numeric.reshape. Эта функция сразу создает объект–массив нужной формы из последовательности.
Листинг
>>> import Numeric
>>> print Numeric.reshape(«абракадабр», (5, — 1))
[[а б]
[р а]
[к а]
[д а]
[б р]]
В этом примере–1 в указании формы говорит о том, что соответствующее значение можно вычислить. Общее количество элементов массива известно (10), поэтому длину вдоль одной из размерностей задавать не обязательно.