DRY ve "Tek İş Yap"
Python'da Fonksiyon Yazımı
Shayne Miel
Software Architect @ Duo Security
Kendini Tekrarlama (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])
Kendini tekrar etmenin sorunu
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) ### vah vah! ###
plt.scatter(test_pca[:,0], test_pca[:,1])
Kendini tekrar etmenin başka bir sorunu
train = pd.read_csv('train.csv')
train_y = train['labels'].values ### <- orada ve orada --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 ### <- orada ve orada --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 ### <- orada ve orada --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])
Tekrarı önlemek için fonksiyon kullanın
def load_and_plot(path):
"""Bir veri kümesini yükleyin ve ilk iki ana bileşeni çizin.
Args:
path (str): Bir CSV dosyasının konumu.
Returns:
tuple of ndarray: (özellikler, etiketler)
"""
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):
"""Bir veri kümesini yükleyin ve ilk iki ana bileşeni çizin.
Args:
path (str): Bir CSV dosyasının konumu.
Returns:
tuple of ndarray: (özellikler, etiketler)
"""
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):
"""Bir veri kümesini yükleyin ve ilk iki ana bileşeni çizin.
Args:
path (str): Bir CSV dosyasının konumu.
Returns:
tuple of ndarray: (özellikler, etiketler)
"""
# veriyi yükle
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):
"""Bir veri kümesini yükleyin ve ilk iki ana bileşeni çizin.
Args:
path (str): Bir CSV dosyasının konumu.
Returns:
tuple of ndarray: (özellikler, etiketler)
"""
# veriyi yükle
data = pd.read_csv(path)
y = data['label'].values
X = data[col for col in data.columns if col != 'label'].values
# ilk iki ana bileşeni çizin
pca = PCA(n_components=2).fit_transform(X)
plt.scatter(pca[:,0], pca[:,1])
return X, y
def load_and_plot(path):
"""Bir veri kümesini yükleyin ve ilk iki ana bileşeni çizin.
Args:
path (str): Bir CSV dosyasının konumu.
Returns:
tuple of ndarray: (özellikler, etiketler)
"""
# veriyi yükle
data = pd.read_csv(path)
y = data['label'].values
X = data[col for col in data.columns if col != 'label'].values
# ilk iki ana bileşeni çizin
pca = PCA(n_components=2).fit_transform(X)
plt.scatter(pca[:,0], pca[:,1])
# yüklenen veriyi döndür
return X, y
Tek İş Yapın
def load_data(path):
"""Bir veri kümesini yükleyin.
Args:
path (str): Bir CSV dosyasının konumu.
Returns:
tuple of ndarray: (özellikler, etiketler)
"""
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):
"""Bir matrisin ilk iki ana bileşenini çizin.
Args:
X (numpy.ndarray): Çizilecek veri.
"""
pca = PCA(n_components=2).fit_transform(X)
plt.scatter(pca[:,0], pca[:,1])
Tek iş yapmanın avantajları
Kod şu hale gelir:
- Daha esnek
- Daha kolay anlaşılır
- Testi daha basit
- Hata ayıklaması daha basit
- Değiştirmesi daha kolay
Kokan kodlar ve yeniden düzenleme
"Herhangi bir aptal, bir bilgisayarın anlayacağı kod yazabilir. İyi programcılar insanların anlayacağı kod yazar." - Martin Fowler (1999)
Hadi pratik yapalım!
Python'da Fonksiyon Yazımı
