python - 使用许多没有成员函数的子案例编写干净的 Julia 代码

Question

我正在尝试使用 Julia 语言(具有 Python 背景)，并且对以最自然的方式解决我本可以使用 Python 中的对象解决的问题感兴趣。

基本上，我正在尝试编写一个函数来计算一些简单的一维数学基础，然后将它们组合起来以逼近多维函数。在 Python 中我会写类似的东西

basis_1d_values = scheme_1d.evaluate(points)

对于我的每个 scheme_1d 对象。我会使用父 Scheme1d 类，然后为各种类型的一维方案(线性、切比雪夫多项式等)创建子类，这些子类知道如何运行它们单独的“评估”函数。

在 Julia 中最自然的方法是什么？显然是一个很长的 if 语句，比如

if scheme_1d_type == "linear"
    basis_1d_values = evaluate_linear(scheme_1d, points)
elif scheme_1d_type == "chebyshev"
    basis_1d_values = evaluate_chebyshev(scheme_1d, points)
elif ...
...
end

会工作，但它非常笨重，因为每次子类的行为不同时我都需要使用这些分支 if 语句和单独的函数(并且当我以某种方式更新代码时必须跟踪每个 if 语句)。任何建议将不胜感激。

谢谢!

Answer 1

您谈论的是多重分派(dispatch)和子类型化，它们对于 Julia 来说是非常基础和独特的，并且会在任何介绍教程中介绍。我不打算解释这一切，因为他们做得更好，但由于您专门来自 Python，我可以指出基本的类比。

Python 只能在 1 个对象上分派(dispatch)(选择一个方法)，因此您可以使它成为拥有自己版本的 evaluate 的自己的类型(类)，甚至可以在函数调用期间将其写在点之前, 只是为了指出它有多么特别。

class Scheme1D:
   pass

class Linear(Scheme1D):
   def evaluate(self, points):
      return "linear"

class Chebyshev(Scheme1D):
   def evaluate(self, points):
      return "chebyshev"

points = None
scheme_1d = Linear()

scheme_1d.evaluate(points)
# Python checks for type(scheme_1d) to find the correct evaluate
# and runs its bytecode (which was compiled upon class definition)

Julia 在 scheme_1d 和 points 上进行分派(dispatch)(因此是多重分派(dispatch))，因此 evaluate 不属于任何类型。相反，它是具有多个方法的 1 个函数，每个方法以其组合的输入类型区分。

abstract type Scheme1D end

struct Linear <: Scheme1D
end

struct Chebyshev <: Scheme1D
end

# first method definition also creates the function
function evaluate(x::Linear, points)
    return "linear"
end

# adds a method to the function
function evaluate(x::Chebyshev, points)
    return "chebyshev"
end

points = nothing
scheme_1d = Linear()

evaluate(scheme_1d, points)
# Julia checks the types of scheme_1d and points, finds the
# most fitting method, compiles the method for those types
# if it is the first call, and runs the method

这应该可以帮助您适应 Julia，但您真的应该查阅教程以了解更详细的信息。在您学习时，请牢记一些对您有帮助的事情:

1. 另一个很大的不同是，在 Julia 中，父类(super class)型是抽象的，你不能从它们中创建一个实例。您可以从中创建实例的类型称为“具体”。
2. Julia 对特定具体输入类型的编译称为特化。这与方法分派(dispatch)不同，而是发生在它之后。这意味着您可以编写一个带有抽象参数的方法(在上面的示例中，points 从未指定类型，因此它被隐式地赋予了通用抽象类型 Any)，并且Julia 将为每种合适的具体类型进行多项特化。
3. Specializations 似乎是一个看不见的实现细节，但我认为它有助于理解 Julia 的编译是如何工作的，所以我会告诉你 MethodAnalysis< 的 methodinstances 函数 包是当前查看这些内容的首选方式。