Me dicen que mi código es horrible😩 . ¿Por qué no le dejan el tema de la belleza a lxs teoricxs? Y, ¿me explican por qué lo dicen y cómo puedo mejorarlo?¶

Why this talk?

Como fisique no estoy formado para producir código "productivo"

Me enfoco en los detalles y quiero saber el cómo

Estudié los casos específicos y aislados

No sé extrapolar a casos más generales

Lo que produzco no está pensado para ser reutilizado

No sé anticiparme a casos particulares y límites

Ejemplo:¶

Resolver un problema de cinemática

Ecuaciones de Newton¶

$F = m*a$

Coordenadas cartesianas :

$t, x, y$

Coordenadas polares:

$t, r, \theta$

Ecuaciones de Euler-Lagrange, Ecuaciones de Hamilton¶

Coordenadas canónicas:

$t, p, q$

¿Qué es un objeto?¶

👤¶

In [1]:

'homunculo'

Out[1]:

'homunculo'

👤 ✉️

In [2]:

'homunculo'.upper()

Out[2]:

'HOMUNCULO'

👤 💌

In [3]:

'homunculo'.split('o')

Out[3]:

['h', 'muncul', '']

👤 💌 🖃 👤 ✉️ 🧧 👤

API ( *Aplication Programming Interface** )
Interfase
Protocolo

¿Qué es el refactoring?¶

Refactoring is the process of changing a software system in such a way that it does not alter the external behavior of the code yet improves its internal structure. — Martin Fowler Refactoring

import numpy as np
import matplotlib.pyplot as plt

t,x = np.loadtxt('a_1.txt')
def f(x,t,y):
    return ( x[0] * t**2 + x[1] * t**4 + x[2] - y )   

from scipy.optimize import least_squares
x0 = np.array([0, 0, 0])
res = least_squares(f, x0, args=(t,x), verbose=2, loss='cauchy', method='dogbox',ftol=1e-10)
y = res.x[0] * t**4 + res.x[1] * t**2 + res.x[2]
plt.plot(t,x,'ok')
plt.plot(t,y,'r')
ax = plt.gca()
ax.set_ylim(-2,2)

SOLID¶

Single Responsability Principle¶

import numpy as np
import matplotlib.pyplot as plt

t,x = np.loadtxt('a_1.txt')
def f(x,t,y):
    return ( x[0] * t**2 + x[1] * t**4 + x[2] - y )   

from scipy.optimize import least_squares
x0 = np.array([0, 0, 0])
res = least_squares(f, x0, args=(t,x), verbose=2, loss='cauchy', method='dogbox',ftol=1e-10)
y = res.x[0] * t**4 + res.x[1] * t**2 + res.x[2]
plt.plot(t,x,'ok')
plt.plot(t,y,'r')
ax = plt.gca()
ax.set_ylim(-2,2)

Open Close Principle¶

Objects should be open for extension, but closed for modification.

import numpy as np
import matplotlib.pyplot as plt

t,x = np.loadtxt('a_1.txt')
def f(x,t,y):
    return ( x[0] * t**2 + x[1] * t**4 + x[2] - y )   

from scipy.optimize import least_squares
x0 = np.array([0, 0, 0])
res = least_squares(f, x0, args=(t,x), verbose=2, loss='cauchy', method='dogbox',ftol=1e-10)
y = res.x[0] * t**4 + res.x[1] * t**2 + res.x[2]
plt.plot(t,x,'ok')
plt.plot(t,y,'r')
ax = plt.gca()
ax.set_ylim(-2,2)