开始使用Nim

最新推荐文章于 2019-08-08 16:57:11 发布

big_big_snail

最新推荐文章于 2019-08-08 16:57:11 发布

阅读量1k

点赞数 1

分类专栏： nim教程

nim教程专栏收录该内容

19 篇文章 2 订阅

订阅专栏

原文：https://akehrer.github.io/nim/2015/01/05/getting-started-with-nim.html

作为使用很长时间python的用户，我发现Python已经不能满足我的需求了。当我在Hacker News上看到Nim版本0.10.2发布的消息时，它引起了我学其他语言的兴趣，特别是编译到c 和可执行文件的语言。我有一些用c 和 c++语言开发Arduino项目的经验，但是我最深的印象是在本科阶段的一门数据结构课。所有的内存管理在某种程度上不符合我的大脑的思维方式，它改变了我对编程作为一种职业的想法。

当然这并没有阻止我学习编程，它只是让我转向了解释型语言像PHP和Python。我记得当我学习python时谷歌了“垃圾回收”，然后就说：“对于我来说这看起来像是一门语言”。随之而来的是14年以上的愉快的编程。现在我的水平已经提高到了这个点，我想扩大我的语言天赋和Nim看起来是一个很好的补充。

Nim吸引我的有以下几点：

· 和python 相似的语法

· 静态类型与基本类型推理

· 垃圾回收

· 编译到C让后生成可执行文件。

我希望语法和垃圾收集会让我很快的得到比运行“Hello World”更有用的程序。静态类型和编译应该使事情不容易出错和变得快，程序工作执行的方式应该比Python更方便。

我的第一个Python项目涉及到创建一个线性回归，用最小二乘法拟合校准线从一个传感器阵列收集数据。由于SciPy和NumPy不在/在时机成熟时我打开我的统计学课本写了所有需要拟合数据的函数。由于Nim似乎没有统计学模块，还有考虑到我的统计学知识有点生疏的情况下，我认为从基础的 nim-statistics模块开始将使我能够更好的理解Nim的基本知识和刷新我的统计数据。

我将不会重新安装Nim 或者学习基础，因为这个将会在其他地方出现。我在这里将会展示很多基于其他人的代码和阅读标准库的内容。所以，从最简单的东西开始，高斯分布。首先我们将导入内置的math模块，因为我们知道需要用它里面的过程。然后，我们将定义一个对象来持有分布的参数。

import math

type
  GaussDist* = object
    mu, sigma: float

一些事情需要注意：

· GaussDist 继承了基本类 object 和有两个float型参数。

· 带*号表示模块中GaussDist出口（能被其他模块通过improt 调用）。因此 improt math 导入了math 模块中所有的带*号事物，这个模块的GaussDist 同样也会被导出。

现在让我们添加一些功能

import math

type
  GaussDist* = object
    mu, sigma: float
    
proc NormDist*(): GaussDist = 
  ## A Normal Distribution is a special form of the Gaussian Distribution with 
  ## mean 0.0 and standard deviation 1.0
  result.mu = 0.0
  result.sigma = 1.0
    
proc mean*(g: GaussDist): float =
  result = g.mu

proc standardDeviation*(g: GaussDist): float = 
  result = g.sigma

proc variance*(g: GaussDist): float = 
  result = math.pow(g.sigma, 2)
  
when isMainModule:
  var n = NormDist()
  var gnorm = GaussDist(mu: 0.0, sigma: 1.0)

  assert(n.mean == gnorm.mean)
  assert(n.standardDeviation == gnorm.standardDeviation)
  assert(n.variance == gnorm.variance)

  echo "SUCCESS: Tests passed!"

注释：

·mean,standardDeviation和variance 过程来自math模块都是可用的，但是不知道怎样使用GaussDist 类，所以我们用重载来实现它们。

·在NormDist 过程中你能看到一个使用Nim 默认返回值的例子。因为rusult和过程定义类型同样为GaussDist类型,所以在参数赋值时不必在创建一个中间变量。

·pow可以代替math.pow，因为pow包含在导入的模块中。但是用math.pow可以清楚的知道它来自哪里。

·When isMainModule 检测给我们的测试带来了方便，因为当模块被导入时是不能被执行。

最后，我们来添加分布函数

import math

## Some additional functions from math.h are needed 
## that aren't included in the math module

proc erf(x: float): float {.importc: "erf", header: "<math.h>".}
## computes the error function (also called the Gauss error function)

type
  GaussDist* = object
    mu, sigma: float

proc NormDist*(): GaussDist = 
  ## A Normal Distribution is a special form of the Gaussian Distribution with
  ## mean 0.0 and standard deviation 1.0
  result.mu = 0.0
  result.sigma = 1.0

proc mean*(g: GaussDist): float =
  result = g.mu

proc standardDeviation*(g: GaussDist): float = 
  result = g.sigma

proc variance*(g: GaussDist): float = 
  result = math.pow(g.sigma, 2)

## The distribution functions are from 
## http://en.wikipedia.org/wiki/Normal_distribution
proc pdf*(g: GaussDist, x: float): float = 
  var numer, denom: float

  numer = math.exp(-(math.pow((x - g.mu), 2)/(2 * math.pow(g.sigma, 2))))
  denom = g.sigma * math.sqrt(2 * math.PI)
  result = numer / denom

proc cdf*(g: GaussDist, x: float): float = 
  var z: float

  z = (x - g.mu) / (g.sigma * math.sqrt(2))
  result = 0.5 * (1 + erf(z))

when isMainModule:
  var n = NormDist()
  var gnorm = GaussDist(mu: 0.0, sigma: 1.0)

  assert(n.mean == gnorm.mean)
  assert(n.standardDeviation == gnorm.standardDeviation)
  assert(n.variance == gnorm.variance)
  assert(n.pdf(0.5) == 0.3520653267642995)
  assert(n.cdf(0.5) == 0.6914624612740131)

  echo "SUCCESS: Tests passed!"

最后一些注意事项：

· Nim 的 math 模块没有包含erf 过程，但是它在C标准库中时可用的，它很容易导入到这里。

· 有很多种方法调用Nim 过程，在这篇文章的例子中我已经使用了这种调用语句方法（obj.method()), 因为这对于我来说更加自然。

这是一个好的开始，虽然没有真正练习一些令人赞赏的特性，但是它让我很好的了解了Nim语言,这是我成长的起点。希望我能够写出统计模块，学会更多关于Nim知识并且继续发布文章。

引用：