Аргументы функций в Julia и Python

Notice how collect(d) gives us an array of pairs. In Julia pairs are formed with key => value syntax. :four and :five are symbols rather than strings. In LISP tradition Julia like LISP, Scheme and Ruby use extensively symbols. A symbol is essentially an immutable string which there are only one of, and which has to be a valid identifier in a programming language. You cannot throw in spaces e.g. Python will tend to use regular strings instead of symbols.

Давайте посмотрим на версию на Python. Вызов выглядит практически идентично:

python> a, d = getvalues(False, 2, "three", four = 4, five="fünf")

Однако Python не возвращает каких-то итераторов, из которых нам нужно собирать значения. Вместо этого мы получаем кортеж для обычных аргументов.

python> a
(False, 2, 'three')
python> type(a)
<class 'tuple'>

И словарь для названных аргументов. Обратите внимание, что ключи - это просто строки, а не символы.

python> d
{'four': 4, 'five': 'fünf'}
python> type(d)
<class 'dict'>

Распаковка массивов в аргументы

По сути, это обратная проблема преобразования списка аргументов в массив. Вместо этого рассмотрим случай, когда все аргументы содержатся в массиве, и мы хотим передать эти аргументы функции.

В Julia нам нужно использовать ; при вызове функции таким образом, чтобы разделить аргументы и ключевые аргументы.

julia> ar, dic = getvalues(a...; d...)
((false, 2, "three"), Base.Iterators.Pairs{Symbol,Any,Tuple{Symbol,Symbol},NamedTuple{(:four, :five),Tuple{Int64,String}}}(:four=>4,:five=>"fünf"))

julia> collect(ar)
3-element Array{Any,1}:
 false       
     2       
      "three"

julia> collect(dic)
2-element Array{Pair{Symbol,Any},1}:
 :four => 4     
 :five => "fünf"

В Python это немного более симметрично, поскольку использование * и ** позволяет легко различать обычные и ключевые аргументы:

python> ar, dic = getvalues(*a, **d)
python> ar
(False, 2, 'three')
python> dic
{'four': 4, 'five': 'fünf'}

Составить список

Если вы не знаете, что такое понимание списка, проще просто привести пример.

julia> [x*x for x in 1:4]
4-element Array{Int64,1}:
  1
  4
  9
 16

Вы можете видеть, что мы в основном выполняем цикл for, и каждый элемент в цикле возводится в квадрат, чтобы получить значение каждого элемента в массиве. В питоне почти то же самое:

python> [x*x for x in range(1,5)]
[1, 4, 9, 16]

Фактически, мы можем даже фильтровать таким же образом:

julia> [x*x for x in 1:4 if x != 3]
3-element Array{Int64,1}:
  1
  4
 16

python> [x*x for x in range(1,5) if x != 3]
[1, 4, 16]

Но дело обстоит глубже: как в Julia, так и в Python синтаксис понимания не ограничивается определением списков или массивов. Фактически в обоих случаях создается объект-генератор. Это генератор, который предоставляет значения для построения массива.

Так что я, например, используйте его в Julia, чтобы создать массив пар для инициализации словаря:

julia> Dict(Char(64 + i) => i for i in 1:5)
Dict{Char,Int64} with 5 entries:
  'C' => 3
  'D' => 4
  'A' => 1
  'E' => 5
  'B' => 2

Чтобы понять, как это работает, давайте создадим простую функцию как в Julia, так и в Python, чтобы извлечь объект, созданный пониманием.

julia> getobj(c) = c
julia> c = getobj(x*x for x in 1:4 if x != 3)
julia> collect(c)
3-element Array{Int64,1}:
  1
  4
 16

Если мы проверим тип, это станет немного сложнее, потому что Джулия поддерживает параметризованные типы:

julia> typeof(c)
Base.Generator{Base.Iterators.Filter{getfield(Main, Symbol("##47#49")),UnitRange{Int64}},getfield(Main, Symbol("##46#48"))}

В основном это говорит о том, что понимание имеет тип Generator, который является пакетом Base Джулии. Генераторы поддерживают итерационный интерфейс Джулии. Все, что вы хотите повторить, например цикл for должен реализовывать интерфейс итератора.

julia> v, state = iterate(c)
(1, 1)

julia> v, state = iterate(c, state)
(4, 2)

julia> v, state = iterate(c, state)
(16, 4)

Позвольте мне показать, что это работает в Python, и вы увидите, что это следует очень похожей логике.

python> def getobj(c): return c
python> c = getobj(x*x for x in range(1,5) if x != 3)
python> c
<generator object <genexpr> at 0x105717de0>
python> list(c)
[1, 4, 16]

За исключением того, что генераторы Python видоизменяются при его использовании. Таким образом, он исчерпывается, и вы не можете вызвать next на нем так же, как вы можете вызвать iterate в генераторе Julia:

python> next(c)
Traceback (most recent call last):
  File "<input>", line 1, in <module>
    next(c)
StopIteration

Состояние итератора не хранится снаружи в объекте состояния, как в случае с Джулией. Нам нужно воссоздать генератор:

python> c = getobj(x*x for x in range(1,5) if x != 3)
python> next(c)
1
python> next(c)
4
python> next(c)
16

Чтобы лучше понять различия, мне нужно обратиться к генераторам, но мы оставим это в следующий раз.