UNIDAD IV

Programación Funcional

Lenguajes de Programación
Ingeniería en Computación e Informática
Semestre 2019-1

Generadores y decoradores

Generadores

¿Que son los Generadores?

Son una clase especial de funciones que no generan una lista, sino una secuencia de valores sobre el que iterar.
Pueden ser:

  • Métodos generadores: incluyen la palabra “yield” y se declaran como funciones
  • Expresión generadora: se declara como listas por comprensión entre “()”

¿Para qué sirven los generadores?

  • Para generar secuencias en tiempo de ejecución.
  • Acelerar búsquedas y crear bucles más rápidos.
  • Mejorar la legibilidad de nuestro código

 

¿Cómo se construyen los generadores?

  • Para construir generadores sólo tenemos que usar la orden yield.
  • Esta orden devolverá un valor y además congelará la ejecución de la función hasta la próxima vez que le pidamos un valor.

 

Ejemplos (i)

def gen_basico():
    yield "uno"   
    yield "dos"
    yield "tres"


if __name__ == '__main__':
    
    # un bucle
    for g in gen_basico():
        print(g)

    # convertir la generacion en una lista
    print(list(g))

# ejecutar con python3
#~ python gen_1.py

Ejemplos (ii)

def pares():
    index = 1
    # En este caso definimos un bucle infinito
    while True:
        # Devolvemos un valor
        yield index*2
        index = index + 1


if __name__ == '__main__':
    
    # un bucle
    for par in pares():
        print(par)

        # cortamos el bucle para ejemplificar
        if par >= 50:
            break



# ejecutar con python3
#~ python gen_2.py

Ejemplos (iii)

def multiplos_de(n):
    index = 1
    while True:
        yield index*n
        index = index + 1


if __name__ == '__main__':

    # un bucle
    for multiplo in multiplos_de(3):
        print(multiplo)

        # cortamos el bucle para ejemplificar
        if multiplo >= 30:
            break

# ejecutar con python3
#~ python gen_3.py

Ejemplos (iv)

import random

def generador_ips(cantidad):
    for i in range(cantidad):
        a = random.randint(0,255)
        b = random.randint(0,255)
        c = random.randint(0,255)
        d = random.randint(0,255)
        
        yield '{0}.{1}.{2}.{3}' . format(a,b,c,d)


if __name__ == '__main__':
    
    # generar 5 ips
    ips =  generador_ips(5)
    print(list(ips))

# ejecutar con python3
#~ python gen_4.py

Ejercicios en clases

Ejercicio 1

Implementa un generador sucesos (probabilidad) que produce una secuencia infinita de valores booleanos pseudoaletoreos con probabilidad de que sean True. es decir, retornar true si el valor aleatorio es menor a 0.5 y false en caso contrario.

 

Hint: Utiliza la función random.random () para generar un número pseudo-aleatoreo entre 0.0 y 1.0.

Ejercicios en clases

Ejercicio 2

Implementa un generador de números primos que funcione de la siguiente forma:

for primo in generador_primos(10):
    print primo

 

 

Ejercicios en clases

Ejercicio 3

Implementa un generador fibonacci que produce los diferentes de la secuencia de Fibonacci, que tiene la forma:

 

0, 1, 1, 2, 3, 5, 8, 13, ...

 

Cuyos dos primeros valores son 0 y 1 por definición y el resto se calculan sumando los dos últimos valores de la sucesión.

Decoradores

¿Que son los decoradores?

  • Son funciones que reciben una función como parámetro y devuelve otra función.
  • Cambian el comportamiento de un función, método o clase sin modificar su código.
  • Crea un “envoltura” alrededor de la función a decorar, esta envoltura y la función original son la nueva función que obtenemos.

Ejemplos

def mi_decorador(funcion):
    def nueva(*args):
        print("Llamada a la funcion", funcion.__name__)
        retorno = funcion(*args)
        return retorno
    return nueva 

@mi_decorador
def mi_fn():
    print(" Hola Mundo ")


if __name__ == '__main__':
    mi_fn()

Patron Memoize

  • El término "memoization" o "memoize" fue introducido por Donald Michie en el año 1968
  • El patrón es una técnica utilizada en la computación para acelerar los programas
  • El patrón memoize consiste en almacenar las soluciones calculadas previamente, para evitar que sean recalculadas, con lo anterior se reduce el tiempo computacional de nuestros algoritmos.
  • El patrón "memoize" puede ser programada explícitamente por el desarrollador, pero algunos lenguajes de programación como Python proporcionan mecanismos para memorizar automáticamente las funciones (decoradores).

Ejemplo: función fibonacci sin memoize

# Función fibonacci recursiva


def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n - 1) + fibonacci(n - 2)


f = fibonacci(6)

Ejemplo: árbol de calculo

En el árbol de ejecución se producen situaciones donde se realiza el cálculo de algún valor n veces.

Ejemplo: Patrón Memoize

def memoize(f):
    memory = {}

    def wrapper(n):
        if n not in memory:
            memory[n] = f(n)
        return memory[n]
    return wrapper

Ejemplo: Fibonacci con patrón Memoize

def memoize(f):
    memory = {}

    def wrapper(n):
        if n not in memory:
            memory[n] = f(n)
        return memory[n]
    return wrapper



# Utilizando Memoize
@memoize
def fib_memoize(n):
    if n < 2:
        return n
    return fib_memoize(n - 1) + fib_memoize(n - 2)


if __name__ == '__main__':
    fib_memoize(6)

Ejemplo: Fibonacci con patrón Memoize

  • Se utiliza el decorador construido para utilizar fibonacci con memoización
  • El patrón a través de los decoradores puede ser aplicado a cualquier función o método de tu proyecto

Actividad en clases

  • Construya una función que permita calcular n! de forma recursiva. Aplique la memoización en su ejecución.

Solución

#!/usr/bin/env python
# -*- coding: utf-8 -*-


def memoize(f):
    memory = {}

    def wrapper(n):
        if n not in memory:
            memory[n] = f(n)
        return memory[n]
    return wrapper

@memoize
def factorial(k):
    if k < 2: return 1
    return k * factorial(k - 1)


if __name__ == '__main__':
    fact = factorial(5)
    print(fact)

Recursos

  • https://github.com/mcantillana/generadores_decoradores
  • https://www.python-course.eu/python3_memoization.php
  • http://nereida.deioc.ull.es/~lpp/perlexamples/node170.html

Decoradores y Generadores

By Miguel Cantillana

Made with Slides.com

Decoradores y Generadores

Lab 5

  • 602

More from Miguel Cantillana