Berpikir dengan bahasa array

Berpikir dalam bahasa K

• Pemrograman K sebagian besar dilakukan melalui REPL.
• rlwrap milik ngn/k memungkinkan penelusuran riwayat dengan tombol panah, sehingga berguna untuk mengembangkan program yang besar.
• Fungsi diuji di REPL lalu dipindahkan ke kode sebenarnya.
• Pretty-printing di ngn/k selalu mengembalikan data K yang valid, dan dapat dihitung lebih dulu untuk meningkatkan kecepatan program.
• Skrip K dijalankan seolah-olah dimasukkan ke REPL, dan nilai kembalian setiap baris akan dicetak kecuali diakhiri dengan titik koma.
• Skrip memungkinkan definisi multi-baris, yang membantu keterbacaan.
• Untuk menyimpan pekerjaan ke skrip dan memakainya di REPL, gunakan \lfile.k untuk menjalankan file dan memuat data.
• File dapat dimuat berkali-kali di REPL untuk menimpa data sebelumnya.
• Bantuan REPL yang diakses dengan \ memiliki berbagai perintah berguna.

Penyederhanaan pemrograman array

• Pemrograman array adalah proses berkelanjutan untuk menyederhanakan pola yang kompleks menjadi pola yang lebih kecil, deklaratif, dan mudah dibaca.
• Cara menyederhanakan pola kompleks dibahas secara rinci dalam "Patterns and Antipatterns in APL: Avoiding the Beginner's Plateau - Aaron Hsu - Dyalog '17".

Transformasi perkalian matriks ke K

• Algoritma iteratif perkalian matriks yang diambil dari artikel Wikipedia dapat langsung ditransformasikan ke K.
• Contoh kode terburuk yang ditransformasikan ke K memerlukan banyak assignment variabel global, loop bertingkat, dan banyak modifikasi.
• Kode dapat disederhanakan dengan menyelesaikan masalah-masalah ini satu per satu.

Penyederhanaan loop bagian dalam

• Pada loop bagian dalam, sum dapat disederhanakan menggunakan fold (/).
• Karena ' (each) mengembalikan array, variabel global C dapat dihapus.
• Loop dapat disederhanakan dengan menghilangkan variabel i, j, dan k.

Menghapus loop dan meminimalkan variabel global

• Loop tengah dapat dihapus dengan mencocokkan baris dan kolom secara langsung tanpa k.
• Untuk menghapus j, setiap kolom B dapat dipasangkan dengan A[i].
• Untuk menghapus i, gunakan eachleft agar setiap baris A dipasangkan dengan setiap kolom B.
• Variabel global tidak lagi diperlukan.

Bentuk akhir fungsi perkalian matriks

• + (transpose) mahal biayanya sehingga dapat dihapus.
• Alih-alih mengalikan setiap baris x dengan setiap kolom y, pekerjaan yang sama dapat dilakukan secara implisit dengan mencocokkan setiap baris B terhadap seluruh A.
• Pada akhirnya diperoleh fungsi perkalian matriks yang ringkas dan eksplisit.
• Proses penyederhanaan kode pada awalnya melewati banyak tahap, tetapi akan menjadi lebih mudah dan intuitif seiring meningkatnya kemahiran dalam K.
• Perkalian matriks adalah prosedur sederhana yang sangat cocok dengan dukungan array di K.
• Bab-bab mendatang akan membahas lebih banyak algoritma yang kurang cocok dengan K dan cara menanganinya.

Pendapat GN⁺

• Artikel ini menunjukkan bagaimana algoritma seperti perkalian matriks dapat disederhanakan dan dioptimalkan dengan menggunakan bahasa K.
• Umpan balik instan melalui REPL dan perbaikan kode secara iteratif adalah ciri inti pemrograman K, serta merupakan metode belajar yang berguna bahkan bagi insinyur perangkat lunak pemula.
• Proses penyederhanaan kode penting untuk meningkatkan kemampuan pemrograman, dan artikel ini menjelaskannya dengan mudah dipahami melalui contoh yang konkret.

[GN⁺]

Opini Hacker News

• Banyak orang mempertanyakan kegunaan dan kemudahan dipahaminya bahasa array.

  • Bahasa array tidak cocok untuk semua masalah.
  • Untuk banyak jenis masalah, bahasa ini ternyata sangat mumpuni.
  • Pengguna bahasa array umumnya sangat cerdas.
  • Mempelajari cara kerja bahasa array merupakan tantangan besar.
  • Menulis kode "prosedural" dalam bahasa array adalah hal yang sangat buruk.
  • Memahami tacit programming adalah pengalaman luar biasa yang membuka cara berpikir.
  • Pengalaman saat menginternalisasi verb trains.
  • Memahami cara bahasa berbasis array menangani array di semua dimensi.
  • Memahami cara kerja "under".
  • Memahami cara kerja function exponents.

• Ada banyak aspek menakjubkan dari bahasa array, dan daftar di atas hanya sebagian kecilnya.

  • Menyaksikan Aaron Hsu mengembangkan kompiler APL paralel membuat orang yakin akan potensi nyata bahasa array.
  • Ada pembahasan tentang "semantic density" dari kode APL.

• Jika belum pernah mendengar tentang array programming dan ingin pengantar, "The Array Cast" direkomendasikan.

• Seseorang menemukan APL/APL2 pada tahun 70-an dan langsung jatuh hati, tetapi merasa lebih tertarik pada kemampuan untuk menyusun fungsi.

  • Haskell bersifat murni dan bertipe, sehingga terasa lebih menyenangkan dan lebih kuat daripada APL.
  • "Notation as a tool of thought" pada APL terlihat seperti logika untuk membenarkan keringkasan yang berlebihan.

• Pencerahan paling penting dari penggunaan bahasa array:

  • Verba adalah algoritme.
  • Rangkaian verba (atau adverbia) adalah cara komposisi paling langsung yang pernah digunakan.
  • Program adalah komposisi algoritme, bukan kumpulan kalimat dan ekspresi.
  • Konsep untuk menangani domain dan range secara konsisten di seluruh array, map, dan fungsi.
  • Evaluasi dari kiri ke kanan tanpa perlu mata "meloncat-loncat" saat membaca kode.
  • Mengirim kode ke data itu mungkin dilakukan dan lebih disukai.
  • Keuntungan tambahan bahasa K: view (yakni dependency) dapat diimplementasikan secara langsung, dan hot code loading dimungkinkan lewat interpreter.

• Pertanyaan tentang bahasa array: bagaimana melakukan tugas seperti "mencari semua angka yang lebih kecil dari N yang memenuhi kondisi P"?

  • Dalam bahasa array, biasanya dibuat array dari 1 sampai N, lalu kondisi diuji terhadap array tersebut, kemudian mask diterapkan untuk memperoleh hanya elemen yang memenuhi kondisi.
  • Jika N besar dan kondisi jarang terpenuhi, membuat terlalu banyak array sementara tampak seperti pemborosan memori dan sumber daya.
  • Implementasi bahasa array dapat mengoptimalkan masalah ini, atau menyelesaikannya dengan teknik seperti lazy evaluation.

• Pengalaman dengan bahasa J: paradigma bahasa array terasa bias, dan tidak yakin apakah memikirkan semua masalah sebagai susunan array bersarang itu membantu.

  • Bisa secara bebas membuat struktur data yang menyederhanakan masalah dapat sangat menyederhanakan bagian algoritmenya.
  • Untuk menggunakan APL/J/K, orang perlu lebih cerdas karena bias ini.

• Kesan setelah menyelesaikan masalah dalam bahasa K: bahasa K sengaja dibuat sulit dipahami.

  • Ini bahasa yang cocok untuk teka-teki dan solusi cerdik, tetapi bekerja dengan array numpy di Python juga mengajarkan bahasa array dan cara berpikir dengan array.

• Contoh dalam bahasa array J: menggunakan dot =: +/ . * untuk menghitung dot product dari P dan Q.

• Sintaks bahasa K memang lebih pendek, tetapi kita harus terus menyimpan banyak konteks bawaan tentang cara kerja bahasa K di dalam kepala.