function - Julia :为图书馆建立OOP模型的最佳方法是什么

Question

我正在尝试创建一个库。可以说我有一个模型，其中有一个输出，输入和描述函数的方程式。输入为：

x= [1,2,3,4,5,6]
y= [5,2,4,8,9,2]

然后将其放入一个函数中：

#=returns y values=#
function fit (x,a,b)
    y=ax+b
end

另一个使用describe函数输出摘要：

#=Describes equation fitting=#

function describe(#insert some model with data from the previous functions)
   #=Prints the following: Residuals(y-fit(y)), x and y and r^2
     a and b

     =#
end

在朱莉娅中做到这一点的最佳方法是什么？我应该使用type吗？

目前，我正在使用非常大的功能，例如：

function Model(x,y,a,b,describe ="yes")
    ....function fit
    ....Something with if statements to controls the outputs
    ....function describe
end

但这不是非常有效或用户友好。

Answer 1

似乎您正在尝试将特定的OOP样式放到Julia上，但这并不是一个很好的选择。朱莉娅没有课程。相反，您可以使用类型的组合，在这些类型上分派的函数以及封装整体的模块。

作为一个完整的示例，让我们制作一个进行OLS回归的程序包。为了封装代码，请将其包装在模块中。让我们称之为OLSRegression：

module OLSRegression

end

我们需要一个模型来存储回归结果并派发：

type OLS
    a::Real
    b::Real
end

然后，我们需要一个函数来使我们的OLS适合数据。除了创建自己的fit函数，我们可以扩展StatsBase.jl中可用的函数：

using StatsBase

function StatsBase.fit(::Type{OLS}, x, y)
    a, b = linreg(x, y)
    OLS(a, b)
end

然后，我们可以创建一个describe函数以打印出拟合的模型：

function describe(obj::OLS)
    println("The model fit is y = $(obj.a) + $(obj.b) * x")
end

最后，我们需要从模块中导出创建的类型和函数：

export OLS, describe, fit

整个模块放在一起是：

module OLSRegression

using StatsBase

export OLS, describe, fit

type OLS <: RegressionModel
    a::Real
    b::Real
end

function StatsBase.fit(::Type{OLS}, x, y)
    a, b = linreg(x, y)
    OLS(a, b)
end

function describe(obj::OLS)
    println("The model fit is y = $(obj.a) + $(obj.b) * x")
end

end

然后，您可以像这样使用它：

julia> using OLSRegression

julia> m = fit(OLS, [1,2,5,4], [2,2,4,6])

julia> describe(m)
The model fit is y = 1.1000000000000005 + 0.7999999999999999 * x

编辑：让我在方法，多个调度和阴影上添加一些注释。

在传统的OOP语言中，可以有不同的对象，这些对象的方法具有相同的名称。例如：我们有对象dog和对象cat。它们都有一个称为run的方法。我可以使用点语法调用适当的run方法：dog.run()或cat.run()。这是单次调度。根据第一个参数的类型调用适当的方法。由于第一个参数的重要性，因此它出现在方法名称之前，而不是括号内。

在Julia中，这种点语法用于调用方法，但它仍具有分派。相反，第一个参数与所有其他参数一样出现在括号内。因此，您将执行run(dog)或run(cat)，它仍将分派给dog或cat类型的适当方法。

这也是describe(obj::OLS)发生的情况。我正在创建一个新的方法描述，并指定当第一个参数的类型为OLS时应调用此方法。

朱莉娅的派遣范围从单一派发变为多重派发。在单次分派中，调用cat.run("fast")和cat.run(5)将分派给同一方法，该方法取决于使用不同类型的第二个参数来执行不同的事情。在Julia中，将run(cat, "fast")和run(cat, 5)调度到单独的方法。

我见过Julia的创造者称其为动词语言和传统的OOP语言名词。在名词语言中，您将方法附加到对象（名词）上，而在Julia中，您将方法附加到通用函数（动词）上。在上面的模块中，我将创建一个新的泛型函数describe（因为没有该名称的泛型函数），并在其上附加一个分派OLS类型的方法。

我使用fit函数所做的是，不是从StatsBase包中导入它，而是添加一个新的方法来适合我们的fit类型，而不是创建一个称为OLS的新泛型函数。现在，使用参数的权限类型调用时，我的fit方法和其他程序包中的任何其他fit方法都会被调度到。我这样做的原因是因为如果我创建了一个新的fit函数，它将在StatsBase中隐藏该函数。对于在Julia中导出的函数，通常最好扩展和现有规范的泛型函数，而不是创建自己的函数，并冒着在基础或某些其他包中隐藏函数的风险。

如果其他某个软件包导出了自己的describe泛型函数并在我们的OLSRegression软件包之后加载，则会使命令describe(m)出错。我们仍然可以使用完全限定的名称（即describe）访问我们的OLSRegression.describe函数。

EDIT2：关于::Type{OLS}的东西。

在函数调用中，fit(OLS, [1,2,5,4], [2,2,4,6]) OLS不带括号，这意味着我没有构造OLS类型的实例并将其传递给函数，而是将类型本身传递给了方法。

在obj::OLS中，::OLS部分指定该对象应该是OLS类型的实例。之前的obj是我在函数主体中为我们绑定该实例的名称。 ::Type{OLS}在两个方面有所不同。而不是指定参数应为OLS类型的实例，而是指定参数应为由Type参数化的OLS的实例。在冒号之前没有任何内容，因为我没有将其绑定到任何变量名，因为我不需要在函数体中使用它。

我这样做的原因仅仅是为了帮助消除fit的不同方法之间的歧义。其他一些软件包也可能会扩展StatsBase中的fit函数。如果我们都使用像StatsBase.fit(x, y)这样的函数签名，Julia将不知道要分派给哪个方法。相反，如果我使用像StatsBase.fit(::Type{OLS}, x, y)这样的函数签名，而其他程序包做了类似StatsBase.fit(::Type{NLLS}, x, y)的事情，那么这些方法将变得模棱两可，并且用户可以将类型作为第一个参数传递来指定他想要的方法。