Sitemap
Enhancing Python

Enhancing Python

This is a medium to share content of the work done on the class of Programming Paradigms

Python

13 min readMar 26, 2018

--

Domínio

Python é uma linguagem multi-paradigma, ou seja, se encaixa em mais de um dos paradigmas de programação.

Paradigma

Como citado acima, Python é uma linguagem multi-paradigma. Os paradigmas em que se encaixa são: orientado a objetos, imperativo e até mesmo procedural.

Aspectos Importantes

Python é uma linguagem de alto nível, considerada flexível pois não há a necessidade de declaração de variáveis e tipos, e também por possuir diversas bibliotecas com acesso a diferentes códigos. Programas em Python podem ser escritos em um simples editor de texto, seu código é open-source o que ajuda na sua portabilidade, possui uma ótima documentação o que a torna acessível e módulos de código em C podem ser adicionados a programas Python, o que faz com que a linguagem seja extensível.

Trade-Offs

Delimitação dos blocos de código utilizando somente indentação: esta característica pode ser considerada boa, pois ajuda na leitura do código, já que o programador deve realizar a indentação corretamente. Entretanto, se não o fizer, código poderá conter diversos bugs, especialmente em códigos com iteração.

Não há controle sobre os tipos de dados: esta é outra característica que alguns programadores podem considerar como boa, devido a despreocupação gerada devido a não necessidade de declarar os tipos das variáveis. Porém, pensando no consumo de memória, ela se torna ruim pois a alocação feita para uma variável nem sempre será a melhor. A não tipagem das variáveis também pode gerar erros em comparações, forçando a utilização de parses.

Para programas sem muita complexidade e interoperabilidade, com poucas classes e definições de negócio, o Python é uma ótima escolha. Porém, para desenvolver programas de grande escala, a nível empresarial, a complexidade aumenta consideravelmente.

É interpretada: não há a verificação sintática que acontece no processo de compilação, deixando o código mais vulnerável a erros em tempo de execução.

Sua vinculação de tipos de dados é dinâmica, o que torna a execução mais lenta devido à verificação de erros em tempo de execução, porém é mais flexível em termos de facilidade de escrita.

Influência

Segundo entrevista dada por seu criador, Guido van Rossum, Python tem grande influência da Linguagem ABC, projeto no qual Rossum trabalhou. Na imagem abaixo, retirada do Exploring Data, podemos também identificar outras influências como C++, Lisp, Haskell, JAVA e Perl.

Press enter or click to view image in full size
Influências do Python

Método de Implementação

Python é uma linguagem interpretada, porém se um arquivo .pyc é gerado, o código será compilado. A linguagem é tipicamente usada em aplicações web, algoritmos de machine learning e como linguagem de scripting para administração de sistemas, por isso é mais usada como uma linguagem interpretada.

Ambiente de Programação

Como já foi citado, programas em Python podem ser desenvolvidos em um simples editor de texto, tais como Sublime, Atom e NotePad++. Mas há também a opção de utilizar IDE’s para o desenvolvimento em Python como a PyCharm, Spyder ou até mesmo o VisualStudio, com sua grande variedade de extensões.

Uma das vantagens de se usar Python em um ambiente de programação avançado, como o Spyder, é que cada linha de código pode ser executada separadamente, então pode-se fazer a seleção de um bloco de código em específico a ser executado e o teste da funcionalidade pode ser feito imediatamente após a escrita. Isso pode ser feito devido a implementação interpretada da linguagem. Um exemplo pode ser visto abaixo, onde é feito o acesso a variavel initialVector e podem ser vistos seus valores:

Teste Initial Vector na IDE Spyder

Representação EBNF

Abaixo podemos observar a representação da declaração do for com a utilização do sistema EBNF.

for_stmt ::=  "for" target_list "in" expression_list ":" suite
["else" ":" suite]

Mais representações podem ser encontradas na documentação do Python.

Gerenciamento de Memória

Python (assim como C#, Java, Perl, Ruby e Lua) utiliza garbage collection ao invés de gerenciamento de memória manual. O gerenciador de memória procura periodicamente por qualquer objeto que não está mais sendo referenciados pelo programa.

O Python utiliza um heap privado contendo todos os objetos e estruturas de dados. Ele utiliza aspectos variados de gerenciamento de armazenamento dinâmico, como: compartilhamento, segmentação, pré-alocação ou caching.

O programador não possui acesso a este heap privado, ele é gerenciado pelo interpretador. A alocação do objetos no heap é feita sob demanda pelo gerenciador de memória do Python, a API core dá acesso a algumas ferramentas para o programador. Informações mais detalhadas podem ser encontradas na documentação do Python.

Vantagens e Desvantagens

A grande e principal vantagem do gerenciamento de memória do Python é o seu Garbage Collector, que é um mecanismo responsável pela desalocação da memória uma vez que ela não é mais utilizada. Seu funcionamento ocorre através de contadores, que possuem a informação de quantas vezes um objeto é utilizado. Uma vez que esses contadores forem zerados, significa que o objeto já não é mais necessário, então o GC remove a referência do objeto da memória liberando espaço para outros recursos. Mesmo sendo uma técnica utilizada em outras linguagens bastante renomadas, o Python possui um problema com objetos globais: eles não deixam de existir ao decorrer do programa, fazendo com que o trecho de memória a ele alocado nunca seja liberado, desse modo recomenda-se que os objetos globais não sejam objetos muito robustos, para que a performance do algoritmo seja cada vez melhor.

Avaliação sobre a Leitura e Escrita

Abaixo segue um exemplo de um código que mostra as peculiaridades do Python, como a dependência de uma indentação para controle de fluxo e as dependências externas. O código se trata de um método de ordenação chamado BucketSort, aliado com ferramentas para a plotagem de gráficos a partir dos resultados obtidos na ordenação.

Codigo Bucket Sort

Ao observar o código acima, vemos que Python é totalmente dependente de uma indentação padrão para cada bloco de código. O código inteiro não precisa seguir a mesma indentação, pois ao voltar para o início de uma linha o script irá identificar a próxima seção de indentação. Isso pode deixar o código confuso para a leitura tanto quanto para escrita, visto que em uma parte do código pode-se usar, por exemplo, espaços para a indentação e em outra parte tabs.

Outro ponto que podemos notar a partir deste exemplo de código é a falta da tipagem, então para muitas ações (ver linhas 116 e 117) é utilizada uma biblioteca externa para transformar a lista em um array, para que desta forma possa-se trabalhar com uma estrutura de dados delimitada na memória. A falta de tipagem pode dificultar a leitura do código visto que o programador não tem a visão de qual tipo de dado uma variável é.

Outra característica que dificulta tanto a leitura quanto a escrita do Python é a utilização de uma variável de escopo global, pois é necessário duplicar a declaração da mesma variável dentro do método em que se quer usá-la (ver linhas 21 e 24), caso contrário uma nova variável de mesmo nome será criada, o que pode causar bugs e erros de fluxo no programa.

Em geral Python não é uma linguagem verbosa e é de fácil escrita, porém devido à tantas dependências de bibliotecas externas, a falta de tipagem, o uso apenas da indentação como identificador de blocos de código e a necessidade de explicitar quando uma variável está sendo usada dentro de um escopo de método ou acessada de uma área de memória global, o código pode se tornar bastante confuso para a leitura, principalmente em códigos produtivos de grande escala.

Avaliação da Semântica

Variáveis em Python são ponteiros, o que significa que até mesmo variáveis que contém somente um inteiro serão tratadas com referencias. Isso torna a linguagem mais dinâmica e de fácil leitura, porém mais custosa em termos de alocação de memória e também não tão segura.

Em Python tudo é um objeto, o que significa que variáveis de tipos primitivos têm métodos associados a elas:

In>> x = 4.5
In>> x.is_integer()
Out>> False

Os tipos das variáveis não são declarados, mas estão associados aos objetos. Isso deixa a linguagem flexível pois pode-se mudar o tipo de uma variável dinamicamente, porém em termos de segurança isto é ruim, pois se o programador necessita de uma variável seja de um tipo especifico durante todo o programa ele não terá esta certeza, já que seu tipo pode mudar.

Até mesmo métodos são objetos, com seu tipo próprio:

In>> type(x.is_integer)
Out>> builtin_function_or_method

Python possui operadores de identidade e associação (a is b e a is not b) que diferentemente dos operadores de comparação (a == b e a != b) irão verificar as referencias dos objetos a e b, e não somente o seu conteúdo, resultando em algo como:

In>> a = [1, 2, 3]
In>> b = [1, 2, 3]
In>> a is b
Out>> FalseIn>> a = [1, 2, 3]
In>> b = a
In>> a is b
Out>> True

Para fins de comparação entre referencias os operadores de associação podem ser muito valiosos, porém o token de representação para os operadores pode deixar dúvidas na leitura do código. Se algo como a has same reference as b fosse utilizado o código seria muito mais inteligível.

Python possui um operador aritmético para realizar o produto de matrizes, que é identificado pelo @, deixando o código com algo como:

In>> matrixA @ matrixB

Se Python é uma linguagem totalmente baseada em objetos, que possui diversos métodos, por que não implementar algo como: matrixProduct(matrixA, matrixB) que, novamente, deixaria o código muito mais legível para o programador.

Vinculação dos tipos de dados

Em geral, os tipos de dados podem ser especificados de uma forma estática ou dinâmica. A vinculação dinâmica ocorre durante a execução do programa, quando algum objeto é alterado durante o programa. Já a estática ocorre antes da execução e permanece imutável durante toda a execução do programa.

No caso do Python, a vinculação utilizada é a dinâmica, porém ele diferencia seus tipos de objetos internos das classes definidas pelo usuário, não permitindo a herança de tipos incorporados.

O Python conta com alguns tipos de dados pré-definidos, de acordo com a operação executada durante o programa. Os tipos mais comuns de dados no Python são:

  • Numéricos: int, long, float e complex
  • Strings
  • Listas
  • Tuplas
  • Dicionário

No Python apenas o tipo de dado dicionário pode ser declarado previamente sabendo o seu tipo, visto que o programa cria uma espécie de hash table que pode ser consultada, assim como uma tabela de banco de dados, seguindo o padrão de chave-valor.

A tupla no Python é o que mais se aproxima de um array, pois existe um tamanho pré-definido, de acordo com o set de dados recebido, e não pode ser modificada, porém é importante ressaltar que uma tupla não é um array, mas sim uma lista imutável.

Fora os tipos de dados supracitados, os outros tipos de dados no Python sofrem conversão em tempo de execução, como descreve-se na seção a seguir.

Conversão de Tipos

É importante ressaltar que, por padrão, o Python não conta com arrays de tamanho pré-definidos, como em outras linguagens como o C ou o Java, e quando é necessário trabalhar com esse tipo de estrutura é necessário a utilização de bibliotecas externas que façam tais conversões.

Convertendo números

No Python, existem dois tipos de dados numéricos: inteiros e números de ponto flutuante. O Python possui métodos internos para permitir que você converta inteiros para floats e floats em números inteiros.

O métodofloat() do Python irá converter números inteiros em floats. Para usar esta função, adicione um inteiro dentro dos parênteses:

In>> float(23)
Out>> 23.0

O Python também possui uma função interna para converter floats em inteiros: int().

Get Enhancing Python’s stories in your inbox

Join Medium for free to get updates from this writer.

A função int() funciona de forma semelhante da função float(), você pode adicionar um número de ponto flutuante dentro dos parênteses para convertê-lo em um inteiro:

In>> int(230.8)
Out>> 230

Ao converter floats em inteiros com a função int() o Python corta os números decimais e restantes de um float para criar um inteiro. Se quisermos arredondar 230.8 até 231, o Python não fará isso através da função int().

Números convertidos através da divisão

No Python 3, os quocientes relevantes são convertidos de inteiros para flutuantes ao fazer a divisão, diferentemente do Python 2. Ou seja, quando você divide 5 por 2, no Python 3, você obterá um float para uma resposta (2.5):

In>> a = 5 / 2
In>> print(a)
Out>> 2.5

Convertendo números em sequências de caracteres

Podemos converter números em strings usando o método str() .

In>> str(12)
Out>> '12'

Com as variáveis, podemos começar a ver como é prático converter inteiros em cadeias de caracteres. Digamos que queremos acompanhar o progresso da programação diária de um usuário e inserir quantas linhas de código eles escrevem por vez. Gostaríamos de mostrar esse feedback ao usuário e imprimir os valores de string e inteiro ao mesmo tempo:

In>> user = "Jane Doe"
In>> lines = 50
In>> print("Congratulations, " + user + "! You just wrote " + lines + " lines of code.")

Porém ao execurtamos esse código, recebemos o seguinte erro:

Out>> TypeError: Can't convert 'int' object to str implicitly

Não podemos concatenar strings e números inteiros em Python, então teremos que converter lines​​em uma string:

In>> user = "Sammy"
In>> lines = 50

In>> print("Congratulations, " + user + "! You just wrote " + str(lines) + " lines of code.")
Out>> Congratulations, Sammy! You just wrote 50 lines of code.

Conversão de Strings para Números

Strings podem ser convertidas para números usando int() e float() .

In>> lines_yesterday = "50"
In>> lines_today = "108"
In>> lines_more = int(lines_today) - int(lines_yesterday)
In>> print(lines_more)
Out>> 58

A variável lines_more é automaticamente um inteiro e é igual ao valor numérico de 58 neste exemplo.

Conversão para tuplas

Usando os métodos list() e tuple() os valores passados ​​para eles serão convertidos para o tipo lista e para o tipo de dados da tupla, respectivamente. Em Python converter uma lista em uma tupla (que é um tipo de dados imutável) pode permitir uma otimização substancial dos programas criados. Quando usamos o método tuple() ele retornará a versão da tupla do valor passado a ela.

In>> print(tuple(['pull request', 'open source', 'repository', 'branch']))Out>> ('pull request', 'open source', 'repository', 'branch')

Uma tupla é impressa na saída, pois os itens agora estão contidos entre parênteses, em vez de colchetes.

Podemos converter qualquer tipo iterável para uma tupla, incluindo strings:

In>> print(tuple('Sammy'))Out>> ('S', 'a', 'm', 'm', 'y')

Como podemos fazer iterações através de strings, podemos convertê-las em tuplas com o método tuple(). Com tipos de dados que não são iteráveis (como inteiros e flutuantes), no entanto, receberemos um erro de tipo:

In>> print(tuple(5000))
Out>> TypeError: 'int' object is not iterable

Embora seja possível converter o inteiro em uma string e depois converter em uma tupla, utilizando tuple(str(5000)), é melhor optar por código legível à conversões complicadas.

Conversão para Listas

Converter valores, especialmente tuplas, em listas pode ser útil quando precisa-se ter uma versão mutável desse valor.

Com o método list() pode-se converter uma tupla em uma lista.

In>> print(list(('blue coral', 'staghorn coral', 'pillar coral')))Out>> ['blue coral', 'staghorn coral', 'pillar coral']

Os colchetes sinalizam que uma lista foi retornada do valor original da tupla que foi passado pelo método list() .

Assim como nas tuplas, as strings podem ser convertidas em listas:

In>> print(list('shark'))
Output>> ['s', 'h', 'a', 'r', 'k']

Aqui a string 'shark' foi convertida em uma lista, fornecendo uma versão mutável do valor original.

Sem o type-checking forte presente, todo o tratamento dos tipos de dados fica a cargo do programador, como visto acima nos exemplos de conversão entre tipos de dados.

Controle de Fluxo

Python é uma linguagem de alto-nível, com diversas ferramentas disponíveis para o programador em questões de variáveis, métodos, etc. E não seria diferente no caso do controle de fluxo.

Sequenciamento

Um código em Python é sequencial, ou seja, será executado em sequencia, uma linha após a outra de código.

In>> test = 'This is just a simple string.'
In>> len(test)
Out>> 29

O código acima irá primeiramente atribuir o valor a variável test e depois irá chamar o método len que irá então devolver o valor 29.

Seleção

Python possui o comando de seleção if..else que pode ser aninhado, resultando no comando elif.

 x = (raw_input("Favor digitar um inteiro: "))
if x < 0:
x = 0
print 'Negativo alterado para zero'
elif x == 0:
print 'Zero'
elif x == 1:
print 'Unidade'
else:
print 'Mais'

Iteração

Comandos como while e for podem ser utilizados em Python, trazendo a função de iteração para a linguagem.

a, b = 0, 1
while b < 1000:
print b,
a, b = b, a+b
a = ['gato', 'janela', 'defenestrar']
for x in a:
print x, len(x)

É possível também combinar uma clausula else no comando for

for n in range(2, 10):
for x in range(2, n):
if n % x == 0:
print n, '=', x, '*', n/x
break
else:
# laço terminou sem encontrar um fator
print n, 'é um número primo'

Todos estes comandos de iteração podem ser encontrados em outras linguagens como Java e C++, porém estas linguagens possuem delimitadores para as clausulas mais bem definidos que o Python. Em Java e C++ é necessário utilizar as chaves { } para delimitar os blocos, já em Python é necessários indentar o código, mais sobre isso pode ser encontrado na seção Avaliação sobre a Leitura e Escrita mais acima.

Abstração Procedural — Funções

Como toda Linguagem que se encaixa no paradigma de Orientação a Objetos é claro que as funções não faltariam no Python. As funções podem ser definidas pela linguagem, definidas pelo programadores, ou até mesmo de bibliotecas externas.

# Definida pela Linguagem
In>> range(10)
Out>> [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
# Definida pelo Programador
def fib(n):
a, b = 0, 1
while a < n:
print a,
a, b = b, a+b
In>> fib(2000)
Out>> 0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 1597
# De bibliotecas Externas
import math

In>> a = 9
In>> b = math.sqrt(a)
In>> print(b)
Out>> 3

Recursão

Assim como a Abstração Procedural, em Python também pode-se fazer uso da Recursão:

def fib(n):
if n <= 1:
return n
else:
return fib(n-1) + fib(n-2)

Exceções

Em Python é possível fazer o tratamento de exceções disparadas pelo sistema utilizando os comandos try, except e finally. Estes comandos são muito similares ao try, catch e finally do Java.

try:
x = 10 / 0
except Exception, err:
print(err)
finally:
print("Este bloco sempre será executado!")

Para disparar exceções é utilizado o comando raise:

a = 10
b = 0
try:
if (b == 0):
raise Exception("Valor Inválido!")
else:
x = a / b
except Exception, err:
print(err)

Abstração de Controle

Em Python abstrações de controle podem ser feitas por meio de funções e classes. Um exemplo é a utilização de superclasses para a implementação de códigos similares entre classes.

class SuperHero(object): #superclass, inherits from default object
def getName( ):
#needs to be overridden on child classes
raise NotImplementedError
def getJob( ):
return "Super Hero"
class SuperMan(SuperHero): #subclass, inherits from SuperHero
def getName( ):
return "Clark Kent"

class WonderWoman(SuperHero): #another subclass
def getName( ):
return "Diana Prince"

Desta maneira, métodos da superclasse podem ser reusados, como é o caso do getJob, e podem também ser reimplementados caso o da super classe não seja o mais adequado, como o getName.

Abstrações em Python podem diminuir a eficiência do código, como foi registrado neste blog post.

Autores: @pachecok, @giselamirandadifini, Leonardo Felix, Tiago Costa e José Augusto Accorsi.

--

--

Written by Enhancing Python

This is a medium to share content of the work done on the class of Programming Paradigms