Skip to content

Latest commit

 

History

History
143 lines (112 loc) · 7.05 KB

README.md

File metadata and controls

143 lines (112 loc) · 7.05 KB

Laboratorium 2

Przed zajęciami

Zapoznaj się z:

  1. Funkcjami wyższego rzędu.
    1. składnia fun … end
    2. Funkcja jako argument innej funkcji.
    3. lists:map/2, lists:filter/2, lists:foldl/3
  2. List comprehensions.
  3. Rekordami i mapami.

Cele zajęć

Na dzisiejszych zajęciach poznamy funkcyjne sposoby rozwiązywania problemów w Erlangu. Wykorzystamy do tego list comprehensions jak i funkcje wyższego rzędu.

Część problemów do których rozwiązania używamy pętli for czy while można również wyrazić za pomocą powyższych narzędzi.

Zapoznamy się również z rekordami i zbudujemy moduł o zadanej funkcjonalności.

Rozgrzewka

Tą część wykonujemy w shellu Erlnga

%%Proste list comprehensions.
>[X*2 ||  X<- lists:seq(1,10), X rem 2 == 0].
>[rand:uniform(25)+97 || _<-lists:seq(1,30)].
>[ [rand:uniform(25)+97 || _<-lists:seq(1,rand:uniform(10))] || _<-lists:seq(1,20)].

%%Definicja funa.
> Hello = fun(X) -> io:format("Hello ~s~n", [X]) end.
%%Wywołanie funa.
> Hello("World").

%%Fun jako argument funkcji wyższego rzędu
> Add1 = fun(X) -> X + 1 end.
%Co zwrócą poniższe wyrażenia ?
> lists:map(Add1, [1,2,3]).
> lists:map(fun(X) -> X+2 end, [1,2,3]).
> lists:map(fun math:sqrt/1, [1,2,3]).

%%Zdefiniuj własnego funa, który mnoży dany argument razy 2.
> Multi2 = ...
% I przetestuj tak jak powyżej
> lists:map(?, ?).

QuickSort

Tą część wykonujemy w IntelliJ Celem tego ćwiczenia będzie zaimplementowanie algorytmu quicksort. W module qsort utwórz następujące funkcje:

  1. Funkcja 1, która dla listy i zadanego argumentu wybierze te elementy które są mniejsze od argumentu. Wykorzystaj list comprehensions. 
    less_than(List, Arg) -> ...
  2. Funkcja grt_eq_than/2, która dla listy i zadanego argumentu wybierze te elementy które są większe bądź równe od argumentu. Tutaj też wykorzystaj list comprehensions. 
    grt_eq_than(List, Arg) -> ...
  3. Funkcja qs/1 implementująca algorytm quicksort: 
    qs([Pivot|Tail]) -> qs( less_than(Tail,Pivot) ) ++ [Pivot] ++ qs( grt_eq_than(Tail,Pivot) )

Mając zaimplementowanego quicksorta, dobrze byłoby sprawdzić jego działanie. W tym celu zaimplementuj funkcje pomocnicze ułatwiające testowanie.

  1. Funkcja random_elems/3, która zwróci listę losowych elementów z zakresu [Min,Max] o rozmiarze N. Wykorzystaj list comprehensions oraz rand:uniform/1 i lists:seq/2. 
    random_elems(N,Min,Max)-> ...
  2. Funkcja compare_speeds/3 która porówna prędkości działania podanych algorytmów sortujących dla zadanej listy. Dwa ostatnie parametry to funkcje. Wykorzystaj do tego funkcję timer:tc 
    compare_speeds(List, Fun1, Fun2) -> ...

Interesujące nas dane wypisz na standardowe wyjście, formatując je funkcją io:format/2.

Następnie w Eshellu przetestuj funkcję compare_speeds/3, używając qsort:qs/1 jak i lists:sort/1.

Fun

Wszystkie zadania z tego punktu można wykonać w Eshellu.

  1. Zdefiniuj funkcję anonimową, która w ciągu znaków podmieni wszystkie „o” na „a”, „e” na „o”, pozostałe litery pozostawi bez zmian. Wykorzystaj w niej lists:map(fun,List).
  2. Zdefiniuj funkcję anonimową, która policzy ile liczb w zadanej liście jest podzielnych przez 3. Da się to zrobić używając lists:filter(pred,List) lub lists:foldl(fun/2,Init,List)
  3. Zrealizuj funkcjonalność liczenia średniej pomiarów (z poprzednich zajęć) z użyciem funów. Kolejne kroki to np:
  • Użycie funkcji lists:map(fun, Data) do wydobycia samych list odczytów z danych. Po tej operacji dane będą miały postać [ [ {"PM10",53.4}, {"PM1", 22.3} ], [{"PM10",33.3}, {"PM1", 12.9} , {"PM25", 112.9} ], ... ]
  • Listę list trzeba „spłaszczyć”; można to zrobić np używając lists:foldl(fun/2, [], Data). Po tej operacji dane będą miały postać [ {"PM10",53.4}, {"PM1", 22.3}, {"PM10",33.3}, {"PM1", 12.9} , {"PM25", 112.9}, ... ]
  • Dane trzeba odfiltrować, wybierając jedynie wpisy zawierające określony rodzaj zanieczyszczeń. Można to zrobić przy pomocy lists:filter, ale lepiej zadziała list comprehension. Po tej operacji dane będą miały postać [ 53.4, 33.3, ... ]
  • Na koniec można użyć lists:sum(List) i length(list).

Pollution

Utwórz nowy moduł o nazwie pollution, który będzie zbierał i przetwarzał dane ze stacji mierzących jakość powietrza. Moduł powinien przechowywać:

  • informacje o stacjach pomiarowych,
    • współrzędne geograficzne,
    • nazwy stacji pomiarowych,
  • zmierzone wartości pomiarów, np stężenia pyłów PM10, PM2.5 czy wartości temperatury (wraz z datą i godziną pomiaru).

Nie powinno być możliwe:

  • dodanie dwóch stacji pomiarowych o tej samej nazwie lub tych samych współrzędnych
  • dodanie dwóch pomiarów o tych samych:
    • współrzędnych,
    • dacie i godzinie,
    • typie (PM10, PM2.5, temperatura, …);
  • dodanie pomiaru do nieistniejącej stacji.

Zaprojektuj strukturę danych dla przechowywania takich informacji (jest przynajmniej kilka dobrych rozwiązań tego problemu).

Zaimplementuj funkcje w module pollution:

  • create_monitor/0 - tworzy i zwraca nowy monitor zanieczyszczeń;
  • add_station/3 - dodaje do monitora wpis o nowej stacji pomiarowej (nazwa i współrzędne geograficzne), zwraca zaktualizowany monitor;
  • add_value/5 - dodaje odczyt ze stacji (współrzędne geograficzne lub nazwa stacji, data, typ pomiaru, wartość), zwraca zaktualizowany monitor;
  • remove_value/4 - usuwa odczyt ze stacji (współrzędne geograficzne lub nazwa stacji, data, typ pomiaru), zwraca zaktualizowany monitor;
  • get_one_value/4 - zwraca wartość pomiaru z zadanej stacji o zadanym typie i z zadanej daty;
  • get_station_mean/3 - zwraca średnią wartość parametru z zadanej stacji i danego typu;
  • get_daily_mean/3 - zwraca średnią wartość parametru danego typu, danego dnia na wszystkich stacjach;

W funkcjach używaj następujących typów i formatów danych:

  • do przechowywania dat użyj struktur z modułu calendar (zob. calendar:local_time()),
  • współrzędne geograficzne to para (krotka) liczb,
  • nazwy, typy to ciągi znaków.
  • używaj list comprehension, operacji na listach i funów bez ubolewania nad potencjalną stratą wydajności,
  • w przypadku błędu wykonania funkcji zwracaj: {error, DaneBledu_NpOpis}.

Przetestuj działanie modułu.

  • P = pollution:create_monitor().
  • P1 = pollution:add_station(„Aleja Słowackiego”, {50.2345, 18.3445}, P).
  • P2 = pollution:add_value({50.2345, 18.3445}, calendar:local_time(), „PM10”, 59, P1).
  • P3 = pollution:add_value(„Aleja Słowackiego”, calendar:local_time(), „PM2,5”, 113, P2).
  • …

Zabezpiecz moduł pollution - będzie on potrzebny na następnych zajęciach.

Zadanie domowe

  1. Dokończ moduł pollution.
  2. Uruchom testy. Warto rozważyć pisanie modułu w podejściu TDD.
  3. Niespodzianka! - EXTRA TASK - Dodaj do modułu pollution funkcję get_maximum_gradient_stations, która wyszuka parę stacji, na których wystąpił największy gradient zanieczyszczeń w kontekście odległości.