Loops 使用传递值运行嵌套循环的惯用方法
我想做这样的事情Loops 使用传递值运行嵌套循环的惯用方法,loops,clojure,nested-loops,idioms,code-translation,Loops,Clojure,Nested Loops,Idioms,Code Translation,我想做这样的事情 int n=0 for(int i=xs; i<xe; i++){ for(int j=ys; j<ye; j++){ n++ } } return n; 以Clojure的方式。因为所有的值都是不可变的,所以我认为值n应该作为可能的递归函数的参数传递。这样做的最佳方法是什么?不要过度考虑这个问题。当您确实需要可变状态时,始终可以使用atom: 结果 (calc xs ys) => 138 你也可以用一个。它就像一个非线程安全的原子。请注意
int n=0
for(int i=xs; i<xe; i++){
for(int j=ys; j<ye; j++){
n++
}
}
return n;
以Clojure的方式。因为所有的值都是不可变的,所以我认为值n应该作为可能的递归函数的参数传递。这样做的最佳方法是什么?不要过度考虑这个问题。当您确实需要可变状态时,始终可以使用atom: 结果
(calc xs ys) => 138
你也可以用一个。它就像一个非线程安全的原子。请注意vswap的使用!:
表演
在一个紧密的循环中,使用volatile会有所不同。例如:
(ns tst.demo.core
(:use tupelo.core tupelo.test)
(:require [tupelo.profile :as prof]))
(def N 100)
(def vals (vec (range N)))
(prof/defnp summer-atom []
(let [result (atom 0)]
(doseq [i vals]
(doseq [j vals]
(doseq [k vals]
(swap! result + i j k))))
@result))
(prof/defnp summer-volatile []
(let [result (volatile! 0)]
(doseq [i vals]
(doseq [j vals]
(doseq [k vals]
(vswap! result + i j k))))
@result))
(dotest
(prof/timer-stats-reset)
(dotimes [i 10]
(spyx (summer-atom))
(spyx (summer-volatile)))
(prof/print-profile-stats))
结果:
--------------------------------------
Clojure 1.10.2-alpha1 Java 15
--------------------------------------
Testing tst.demo.core
(summer-atom) => 148500000
(summer-volatile) => 148500000
...
---------------------------------------------------------------------------------------------------
Profile Stats:
Samples TOTAL MEAN SIGMA ID
10 2.739 0.273879 0.023240 :tst.demo.core/summer-atom
10 0.383 0.038313 0.041246 :tst.demo.core/summer-volatile
---------------------------------------------------------------------------------------------------
因此,它产生了大约10倍的差异。可能不值得,除非你正在做至少100万次这样的操作
有关数据结构的类似低级操作,请参阅和朋友
尤其是把Clojure的备忘单加上书签不要想太多问题。当您确实需要可变状态时,始终可以使用atom: 结果
(calc xs ys) => 138
你也可以用一个。它就像一个非线程安全的原子。请注意vswap的使用!:
表演
在一个紧密的循环中,使用volatile会有所不同。例如:
(ns tst.demo.core
(:use tupelo.core tupelo.test)
(:require [tupelo.profile :as prof]))
(def N 100)
(def vals (vec (range N)))
(prof/defnp summer-atom []
(let [result (atom 0)]
(doseq [i vals]
(doseq [j vals]
(doseq [k vals]
(swap! result + i j k))))
@result))
(prof/defnp summer-volatile []
(let [result (volatile! 0)]
(doseq [i vals]
(doseq [j vals]
(doseq [k vals]
(vswap! result + i j k))))
@result))
(dotest
(prof/timer-stats-reset)
(dotimes [i 10]
(spyx (summer-atom))
(spyx (summer-volatile)))
(prof/print-profile-stats))
结果:
--------------------------------------
Clojure 1.10.2-alpha1 Java 15
--------------------------------------
Testing tst.demo.core
(summer-atom) => 148500000
(summer-volatile) => 148500000
...
---------------------------------------------------------------------------------------------------
Profile Stats:
Samples TOTAL MEAN SIGMA ID
10 2.739 0.273879 0.023240 :tst.demo.core/summer-atom
10 0.383 0.038313 0.041246 :tst.demo.core/summer-volatile
---------------------------------------------------------------------------------------------------
因此,它产生了大约10倍的差异。可能不值得,除非你正在做至少100万次这样的操作
有关数据结构的类似低级操作,请参阅和朋友
尤其是将Clojure备忘单标记为书签,最接近您的代码的是
(defn f [xs xe ys ye]
(let [n (atom 0)]
(doseq [_ (range xs xe)
_ (range ys ye)]
(swap! n inc))
@n))
user> (f 1 10 2 20)
;;=> 162
但是,可变原子方法是完全不符合实际的
它可能看起来像这样,有点像clojure的方式:
这取决于你想做什么。@jas注意到,*-xexs-yeys显然可以更好地计算n,这与您使用的语言无关
那么您提到的递归解决方案呢,它可能是这样的:
(defn f [xs xe ys ye]
(loop [n 0 i xs j ys]
(cond (== j ye) n
(== i xe) (recur n xs (inc j))
:else (recur (inc n) (inc i) j))))
#'user/f
user> (f 1 10 2 20)
;;=> 162
(def xs 0)
(def xe 9)
(def ys 1)
(def ye 4)
(for-state
i xs (< i xe) (inc i) n 0
(for-state
j ys (< j ye) (inc j) n n
(inc n)))
;; => 27
最接近您的代码是
(defn f [xs xe ys ye]
(let [n (atom 0)]
(doseq [_ (range xs xe)
_ (range ys ye)]
(swap! n inc))
@n))
user> (f 1 10 2 20)
;;=> 162
但是,可变原子方法是完全不符合实际的
它可能看起来像这样,有点像clojure的方式:
这取决于你想做什么。@jas注意到,*-xexs-yeys显然可以更好地计算n,这与您使用的语言无关
那么您提到的递归解决方案呢,它可能是这样的:
(defn f [xs xe ys ye]
(loop [n 0 i xs j ys]
(cond (== j ye) n
(== i xe) (recur n xs (inc j))
:else (recur (inc n) (inc i) j))))
#'user/f
user> (f 1 10 2 20)
;;=> 162
(def xs 0)
(def xe 9)
(def ys 1)
(def ye 4)
(for-state
i xs (< i xe) (inc i) n 0
(for-state
j ys (< j ye) (inc j) n n
(inc n)))
;; => 27
我想在这里你可以应用reduce函数。循环内处理fn的工作由您决定——它也可以是递归的
(let [n-init 0 ;; your `n` variable
xs 10 xe 20 ys -5 ye 5 ;; loop(s) ranges
loop-processing-fn (fn [current-state [i j :as loop-data]]
(inc current-state) ;; anything here
) ;; processing function operating on state (n) and loop data
]
(reduce loop-processing-fn n-init (for [i (range xs xe)
j (range ys ye)]
[i j])))
;; => 100
我想在这里你可以应用reduce函数。循环内处理fn的工作由您决定——它也可以是递归的
(let [n-init 0 ;; your `n` variable
xs 10 xe 20 ys -5 ye 5 ;; loop(s) ranges
loop-processing-fn (fn [current-state [i j :as loop-data]]
(inc current-state) ;; anything here
) ;; processing function operating on state (n) and loop data
]
(reduce loop-processing-fn n-init (for [i (range xs xe)
j (range ys ye)]
[i j])))
;; => 100
我想到了宏。我为状态定义了一个宏,如下所示:
(defn f [xs xe ys ye]
(loop [n 0 i xs j ys]
(cond (== j ye) n
(== i xe) (recur n xs (inc j))
:else (recur (inc n) (inc i) j))))
#'user/f
user> (f 1 10 2 20)
;;=> 162
(def xs 0)
(def xe 9)
(def ys 1)
(def ye 4)
(for-state
i xs (< i xe) (inc i) n 0
(for-state
j ys (< j ye) (inc j) n n
(inc n)))
;; => 27
你可以随意调整。例如,您可以使用向量对宏参数进行分组,并对这些参数进行解构以提高可读性。想到宏。我为状态定义了一个宏,如下所示:
(defn f [xs xe ys ye]
(loop [n 0 i xs j ys]
(cond (== j ye) n
(== i xe) (recur n xs (inc j))
:else (recur (inc n) (inc i) j))))
#'user/f
user> (f 1 10 2 20)
;;=> 162
(def xs 0)
(def xe 9)
(def ys 1)
(def ye 4)
(for-state
i xs (< i xe) (inc i) n 0
(for-state
j ys (< j ye) (inc j) n n
(inc n)))
;; => 27
你可以随意调整。例如,您可以使用向量对宏参数进行分组,并对这些参数进行解构以提高可读性。这难道不只是返回*-xe xs-ye ys吗?如果您计划在内部循环体中执行比n++更有趣的操作,答案可能取决于该操作是否有副作用,例如打印,或者是构建某种类型的新集合,还是转换现有集合等等。在大多数情况下,您可以通过使用高阶函数来避免递归。@jas是的,根据本例就是这样。实际上,n++操作是不同的,要复杂得多。关键是如何在嵌套递归中将变量n传递给参数。仅举一个例子,请参阅,但如果不了解更多有关您尝试执行的操作,则很难说更多。这难道不只是返回*-xe xs-ye ys吗?如果您计划在内部循环体中执行比n++更有趣的操作,答案很可能取决于这件事是否有副作用,例如打印,或者是否要构建某种新集合,或者转换现有集合等。在大多数情况下,您可以通过使用高阶函数避免递归。@jas是的,根据本例就是这样。实际上,n++操作是不同的,要复杂得多。关键是如何在嵌套递归中将变量n交给参数。仅举一个例子,请参阅,但如果不了解更多有关您尝试执行的操作,则很难说得更多。我认为最后一个循环示例最接近问题的实质,在Clojure中,这是一件非常自然的事情。我认为最后一个循环示例最接近问题的精神,在Clojure中,这是一件非常自然的事情。