DRY y «Haz una sola cosa»
Escribir funciones en Python
Shayne Miel
Software Architect @ Duo Security
No te repitas (DRY)
train = pd.read_csv('train.csv')
train_y = train['labels'].values
train_X = train[col for col in train.columns if col != 'labels'].values
train_pca = PCA(n_components=2).fit_transform(train_X)
plt.scatter(train_pca[:,0], train_pca[:,1])
val = pd.read_csv('validation.csv')
val_y = val['labels'].values
val_X = val[col for col in val.columns if col != 'labels'].values
val_pca = PCA(n_components=2).fit_transform(val_X)
plt.scatter(val_pca[:,0], val_pca[:,1])
test = pd.read_csv('test.csv')
test_y = test['labels'].values
test_X = test[col for col in test.columns if col != 'labels'].values
test_pca = PCA(n_components=2).fit_transform(train_X)
plt.scatter(test_pca[:,0], test_pca[:,1])
El problema de repetirse
train = pd.read_csv('train.csv')
train_y = train['labels'].values
train_X = train[col for col in train.columns if col != 'labels'].values
train_pca = PCA(n_components=2).fit_transform(train_X)
plt.scatter(train_pca[:,0], train_pca[:,1])
val = pd.read_csv('validation.csv')
val_y = val['labels'].values
val_X = val[col for col in val.columns if col != 'labels'].values
val_pca = PCA(n_components=2).fit_transform(val_X)
plt.scatter(val_pca[:,0], val_pca[:,1])
test = pd.read_csv('test.csv')
test_y = test['labels'].values
test_X = test[col for col in test.columns if col != 'labels'].values
test_pca = PCA(n_components=2).fit_transform(test_X) ### ¡ay! ###
plt.scatter(test_pca[:,0], test_pca[:,1])
Otro problema de repetirse
train = pd.read_csv('train.csv')
train_y = train['labels'].values ### <- ahí y ahí --v ###
train_X = train[col for col in train.columns if col != 'labels'].values
train_pca = PCA(n_components=2).fit_transform(train_X)
plt.scatter(train_pca[:,0], train_pca[:,1])
val = pd.read_csv('validation.csv')
val_y = val['labels'].values ### <- ahí y ahí --v ###
val_X = val[col for col in val.columns if col != 'labels'].values
val_pca = PCA(n_components=2).fit_transform(val_X)
plt.scatter(val_pca[:,0], val_pca[:,1])
test = pd.read_csv('test.csv')
test_y = test['labels'].values ### <- ahí y ahí --v ###
test_X = test[col for col in test.columns if col != 'labels'].values
test_pca = PCA(n_components=2).fit_transform(test_X)
plt.scatter(test_pca[:,0], test_pca[:,1])
Usa funciones para evitar repeticiones
def load_and_plot(path):
"""Cargar un conjunto de datos y trazar las dos primeras componentes principales.
Args:
path (str): Ubicación de un archivo CSV.
Returns:
tuple of ndarray: (features, labels)
"""
data = pd.read_csv(path)
y = data['label'].values
X = data[col for col in data.columns if col != 'label'].values
pca = PCA(n_components=2).fit_transform(X)
plt.scatter(pca[:,0], pca[:,1])
return X, y
train_X, train_y = load_and_plot('train.csv')val_X, val_y = load_and_plot('validation.csv')test_X, test_y = load_and_plot('test.csv')
def load_and_plot(path):
"""Cargar un conjunto de datos y trazar las dos primeras componentes principales.
Args:
path (str): Ubicación de un archivo CSV.
Returns:
tuple of ndarray: (features, labels)
"""
data = pd.read_csv(path)
y = data['label'].values
X = data[col for col in data.columns if col != 'label'].values
pca = PCA(n_components=2).fit_transform(X)
plt.scatter(pca[:,0], pca[:,1])
return X, y
def load_and_plot(path):
"""Cargar un conjunto de datos y trazar las dos primeras componentes principales.
Args:
path (str): Ubicación de un archivo CSV.
Returns:
tuple of ndarray: (features, labels)
"""
# load the data
data = pd.read_csv(path)
y = data['label'].values
X = data[col for col in data.columns if col != 'label'].values
pca = PCA(n_components=2).fit_transform(X)
plt.scatter(pca[:,0], pca[:,1])
return X, y
def load_and_plot(path):
"""Cargar un conjunto de datos y trazar las dos primeras componentes principales.
Args:
path (str): Ubicación de un archivo CSV.
Returns:
tuple of ndarray: (features, labels)
"""
# load the data
data = pd.read_csv(path)
y = data['label'].values
X = data[col for col in data.columns if col != 'label'].values
# plot the first two principal components
pca = PCA(n_components=2).fit_transform(X)
plt.scatter(pca[:,0], pca[:,1])
return X, y
def load_and_plot(path):
"""Cargar un conjunto de datos y trazar las dos primeras componentes principales.
Args:
path (str): Ubicación de un archivo CSV.
Returns:
tuple of ndarray: (features, labels)
"""
# load the data
data = pd.read_csv(path)
y = data['label'].values
X = data[col for col in data.columns if col != 'label'].values
# plot the first two principle components
pca = PCA(n_components=2).fit_transform(X)
plt.scatter(pca[:,0], pca[:,1])
# return loaded data
return X, y
Haz una sola cosa
def load_data(path):
"""Cargar un conjunto de datos.
Args:
path (str): Ubicación de un archivo CSV.
Returns:
tuple of ndarray: (features, labels)
"""
data = pd.read_csv(path)
y = data['labels'].values
X = data[col for col in data.columns
if col != 'labels'].values
return X, y
def plot_data(X):
"""Trazar las dos primeras componentes principales de una matriz.
Args:
X (numpy.ndarray): Datos a trazar.
"""
pca = PCA(n_components=2).fit_transform(X)
plt.scatter(pca[:,0], pca[:,1])
Ventajas de hacer una sola cosa
El código se vuelve:
- Más flexible
- Más fácil de entender
- Más fácil de probar
- Más fácil de depurar
- Más fácil de cambiar
Malos olores de código y refactorización
«Cualquier tonto puede escribir código que un ordenador entienda. Los buenos programadores escriben código que los humanos entiendan.» - Martin Fowler (1999)
¡Vamos a practicar!
Escribir funciones en Python
