基于函数的元编程

相关函数

函数 expr 从对象，运算符或其他元代码生成元代码。

语法: expr(X1, X2, ......) ，其中X可以是对象，运算符或其他元代码。

expr(6,<,8);
// output
< 6 < 8 >

expr(sum, 1 2 3);
// output
< sum [1,2,3] >

a=6;
expr(a,+,1);
// output
< 6 + 1 >

expr(<a>,+,1);
// output
< a + 1 >

expr(<a>,+,<b>);
// output
< a + b >

expr(a+7,*,8);
// output
< 13 * 8 >

expr(<a+7>,*,8);
// output
< (a + 7) * 8 >

expr(not, < a >);
// output
< ! a >

函数 eval 执行给定的元代码。

语法: eval(<X>) ，其中X是被执行的元代码。

eval(<1+2>);
// output
3

eval(<1+2+3=10>);
// output
0

eval(expr(6,<,8));
// output
1

eval(expr(sum, 1 2 3));
// output
6

a=6; b=9;
eval(expr(<a>,+,<b>));
// output
15

函数 sqlCol 将列名转换为表达式。

语法：sqlCol(colNames)，其中colNames可以是列名标量或向量。每一个列名都要用反引号、双引号或单引号。
```
sqlCol(`PRC);
// output
< PRC >

sqlCol(["PRC", "RET", "DATE", "TICKER"]);
// output
(< PRC >,< RET >,< DATE >,< TICKER >)
```

函数 sqlColAlias 使用元代码和一个别名（可选参数）来定义一个列。计算列会经常使用此函数。

语法: sqlColAlias(<metacode>, [aliasName])

sqlColAlias(<x>, `y);
// output
< x as y >

sqlColAlias(<avg(PRC)>, `avgPRC);
// output
< avg(PRC) as avgPRC >

sqlColAlias(<avg(PRC)>);
// output
< avg(PRC) as avg_PRC >

函数 sql 可以动态生成SQL语句。

语法: sql(select, from, [where], [groupBy], [groupFlag], [csort], [ascSort], [having], [orderBy], [ascOrder], [limit], [hint])

symbol = take(`GE,6) join take(`MSFT,6) join take(`F,6)
date=take(take(2017.01.03,2) join take(2017.01.04,4), 18)
price=31.82 31.69 31.92 31.8  31.75 31.76 63.12 62.58 63.12 62.77 61.86 62.3 12.46 12.59 13.24 13.41 13.36 13.17
volume=2300 3500 3700 2100 1200 4600 1800 3800 6400 4200 2300 6800 4200 5600 8900 2300 6300 9600
t1 = table(symbol, date, price, volume);

t1;


symbol	date	price	volume
GE	2017.01.03	31.82	2300
GE	2017.01.03	31.69	3500
GE	2017.01.04	31.92	3700
GE	2017.01.04	31.8	2100
GE	2017.01.04	31.75	1200
GE	2017.01.04	31.76	4600
MSFT	2017.01.03	63.12	1800
MSFT	2017.01.03	62.58	3800
MSFT	2017.01.04	63.12	6400
MSFT	2017.01.04	62.77	4200
MSFT	2017.01.04	61.86	2300
MSFT	2017.01.04	62.3	6800
F	2017.01.03	12.46	4200
F	2017.01.03	12.59	5600
F	2017.01.04	13.24	8900
F	2017.01.04	13.41	2300
F	2017.01.04	13.36	6300
F	2017.01.04	13.17	9600

x=5000
whereConditions = [<symbol=`MSFT>,<volume>x>]
havingCondition = <sum(volume)>200>;

sql(sqlCol("*"), t1);
// output
< select * from t1 >

sql(sqlCol("*"), t1, whereConditions);
// output
< select * from t1 where symbol == "MSFT",volume > x >

sql(select=sqlColAlias(<avg(price)>), from=t1, where=whereConditions, groupBy=sqlCol(`date));
// output
< select avg(price) as avg_price from t1 where symbol == "MSFT",volume > x group by date >

sql(select=sqlColAlias(<avg(price)>), from=t1, groupBy=[sqlCol(`date),sqlCol(`symbol)]);
// output
< select avg(price) as avg_price from t1 group by date,symbol >

sql(select=(sqlCol(`symbol),sqlCol(`date),sqlColAlias(<cumsum(volume)>, `cumVol)), from=t1, groupBy=sqlCol(`date`symbol), groupFlag=0);
// output
< select symbol,date,cumsum(volume) as cumVol from t1 context by date,symbol >

sql(select=(sqlCol(`symbol),sqlCol(`date),sqlColAlias(<cumsum(volume)>, `cumVol)), from=t1, where=whereConditions, groupBy=sqlCol(`date), groupFlag=0);
// output
< select symbol,date,cumsum(volume) as cumVol from t1 where symbol == "MSFT",volume > x context by date >

sql(select=(sqlCol(`symbol),sqlCol(`date),sqlColAlias(<cumsum(volume)>, `cumVol)), from=t1, where=whereConditions, groupBy=sqlCol(`date), groupFlag=0, csort=sqlCol(`volume), ascSort=0);
// output
< select symbol,date,cumsum(volume) as cumVol from t1 where symbol == "MSFT",volume > x context by date csort volume desc >

sql(select=(sqlCol(`symbol),sqlCol(`date),sqlColAlias(<cumsum(volume)>, `cumVol)), from=t1, where=whereConditions, groupBy=sqlCol(`date), groupFlag=0, having=havingCondition);
// output
< select symbol,date,cumsum(volume) as cumVol from t1 where symbol == "MSFT",volume > x context by date having sum(volume) > 200 >

sql(select=sqlCol("*"), from=t1, where=whereConditions, orderBy=sqlCol(`date), ascOrder=0);
// output
< select * from t1 where symbol == "MSFT",volume > x order by date desc >

sql(select=sqlCol("*"), from=t1, limit=1);
// output
< select top 1 * from t1 >

sql(select=sqlCol("*"), from=t1, groupBy=sqlCol(`symbol), groupFlag=0, limit=1);
// output
< select top 1 * from t1 context by symbol >

sql(select=(sqlCol(`symbol),sqlCol(`date),sqlColAlias(<cumsum(volume)>, `cumVol)), from=t1, groupBy=sqlCol(`date`symbol), groupFlag=0, hint=HINT_KEEPORDER);
// output
< select [128] symbol,date,cumsum(volume) as cumVol from t1 context by date,symbol >

可以定义一个函数使用 sql 函数来动态生成SQL语句。

def f1(t, sym, x){
   whereConditions=[<symbol=sym>,<volume>x>]
   return sql(sqlCol("*"),t,whereConditions).eval()
};

f1(t1, `MSFT, 5000);


symbol	date	price	volume
MSFT	2017.01.04	63.12	6400
MSFT	2017.01.04	62.3	6800

f1(t1, `F, 9000);


symbol	date	price	volume
F	2017.01.04	13.17	9600

def f2(t, sym, colNames, filterColumn, filterValue){
   whereConditions=[<symbol=sym>,expr(sqlCol(filterColumn),>,filterValue)]
   return sql(sqlCol(colNames),t,whereConditions).eval()
};

f2(t1,`GE, `symbol`date`volume, `volume, 3000);


symbol	date	volume
GE	2017.01.03	3500
GE	2017.01.04	3700
GE	2017.01.04	4600

f2(t1,`F, `symbol`date`volume,`price,13.2);


symbol	date	volume
F	2017.01.04	8900
F	2017.01.04	2300
F	2017.01.04	6300

函数 partial 可以创建部分应用。

语法：partial(func, args...)

partial(add,1)(2);
// output
3

def f(a,b):a pow b
g=partial(f, 2)
g(3);
// output
8

函数 makeCall 使用指定参数调用函数并生成脚本。与高阶函数 call 的区别是 makeCall 不执行脚本。

在下列例子中，我们创建了 generateReport 函数。它能够以指定格式显示表的某些列。

def generateReport(tbl, colNames, colFormat): sql(sqlColAlias(each(makeCall{format},sqlCol(colNames),colFormat),colNames), tbl).eval()
t = table(1..100 as id, (1..100 + 2018.01.01) as date, rand(100.0, 100) as price, rand(10000, 100) as qty, rand(`A`B`C`D`E`F`G, 100) as city);
t;


id	date	price	qty	city
1	2018.01.02	99.662328	6002	D
2	2018.01.03	24.965461	5836	B
3	2018.01.04	77.006418	5	G
4	2018.01.05	93.930603	5141	G
5	2018.01.06	70.994914	5778	C
6	2018.01.07	11.221769	9403	G
7	2018.01.08	59.387621	4632	G
8	2018.01.09	86.830752	4574	C
9	2018.01.10	53.928317	8397	G
10	2018.01.11	21.123212	6615	B
...	...	...	...	...

generateReport(t, ["id", "date","price","qty"], ["0", "MM/dd/yyyy", "0.00", "#,###"]);


id	date	price	qty
1	01/02/2018	16.32	9,972
2	01/03/2018	63.10	7,785
3	01/04/2018	30.43	3,629
4	01/05/2018	33.57	2,178
5	01/06/2018	61.12	9,406
6	01/07/2018	43.29	6,955
7	01/08/2018	54.97	9,914
8	01/09/2018	86.20	6,696
9	01/10/2018	90.82	6,141
10	01/11/2018	4.29	3,774
...	...	...	...

与之等效的SQL脚本是

def generateReportSQL(tbl, colNames, colFormat): sql(sqlColAlias(each(makeCall{format},sqlCol(colNames),colFormat),colNames), tbl)
generateReportSQL(t, ["id", "date","price","qty"], ["0", "MM/dd/yyyy", "0.00", "#,###"]);
// output
< select format(id, "0") as id,format(date, "MM/dd/yyyy") as date,format(price, "0.00") as price,format(qty, "#,###") as qty from t >

以下3个示例使用了3种不同的方法来创建一个生成SQL语句的函数：

例1:

def f1(t, sym, x): select * from t where name=sym, vol>x;
f1(t1, `MSFT, 7000);


name	date	PRC	vol
MSFT	2017.01.03	63.12	8800
MSFT	2017.01.03	62.58	7800

我们也可以使用函数 eval 和一个元代码块创建这个函数。

例2:

def f2(t, sym, x): eval(<select * from t where name=`MSFT, vol>x >);
f2(t1,`MSFT, 7000);


name	date	PRC	vol
MSFT	2017.01.03	63.12	8800
MSFT	2017.01.03	62.58	7800

我们还可以定义一个函数使用 sql 函数来生成SQL语句。当调用该函数时，代码中的sql函数动态地生成SQL语句并执行。对于生成更加复杂的查询，这种方法更加方便灵活。

例3:

def f3(t, sym, x){
whereConditions=[<name=sym>,<vol>x>]
return sql(sqlCol("*"),t,whereConditions).eval()
};

f3(t1, `MSFT, 7000);


name	date	PRC	vol
MSFT	2017.01.03	63.12	8800
MSFT	2017.01.03	62.58	7800

f3(t1, `F, 9000);


name	date	PRC	vol
F	2017.01.04	13.17

在这3种方法中，函数 sql 最灵活。它可以动态地生成SQL语句。

def f4(t, sym, colNames, filterColumn, filterValue){
whereConditions=[<name=sym>,expr(sqlCol(filterColumn),>,filterValue)]
return sql(sqlCol(colNames),t,whereConditions).eval()
};
f4(t1,`MSFT, `name`date`vol, `vol, 7000);


name	date	vol
MSFT	2017.01.03	8800
MSFT	2017.01.03	7800

f4(t1,`F, `name`date`vol,`PRC,13.2);


name	date	vol
F	2017.01.04	8900
F	2017.01.04	2300
F	2017.01.04	6300

函数 binaryExpr 可以生成一个二元运算的元代码。

语法：binaryExpr(X, Y, optr)

t = table(reshape(rand(1.0, 200), 20:10));
n=10;
weights = array(ANY, n).fill!(0..(n-1), 1..n)\n;
names = t.colNames();
tp = binaryExpr(sqlCol(names), weights, *);
tp;
// output
(< col0 * 0.1 >,< col1 * 0.2 >,< col2 * 0.3 >,< col3 * 0.4 >,< col4 * 0.5 >,< col5 * 0.6 >,< col6 * 0.7 >,< col7 * 0.8 >,< col8 * 0.9 >,< col9 * 1 >)

函数 unifiedExpr 可以生成一个多元运算表达式的元代码。

语法： unifiedExpr(objs, optrs)

以下例子在binaryExpr例子的基础上，生成一个sql的select语句代码, 用于对每列的值加权求和：

selects = sqlColAlias(unifiedExpr(binaryExpr(sqlCol(names), weights, *), take(+, n-1)), "weightedSum");
re = sql(selects, t);
re;
// output
< select (col0 * 0.1) + (col1 * 0.2) + (col2 * 0.3) + (col3 * 0.4) + (col4 * 0.5) + (col5 * 0.6) + (col6 * 0.7) + (col7 * 0.8) + (col8 * 0.9) + (col9 * 1) as weightedSum from tc0ccbd6a00000000 >
re.eval()


weightedSum
2.1239
3.5725
3.5009
3.3487
2.8268
1.9753
2.4287
2.9222
3.0469
2.9751
2.8848
2.993
2.7185
2.2578
2.6231
2.3871
3.0311
2.0183
2.897
2.5982

函数 makeUnifiedCall 可以生成一个函数调用的元代码。高阶函数 unifiedCall 与 makeUnifiedCall 的区别是，makeUnifiedCall 不执行脚本。

语法： makeUnifiedCall(func, args)

以下例子生成一个和9中例子等价的元代码：

selects = sqlColAlias(makeCall(flatten, makeCall(dot, makeUnifiedCall(matrix, sqlCol(names)), 1..n\n)), "weightedSum");
re = sql(selects, t);
re;
// output
< select flatten(dot(matrix(col0, col1, col2, col3, col4, col5, col6, col7, col8, col9), [0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1])) as weightedSum from tc0ccbd6a00000000 >
re.eval();


weightedSum
2.1239
3.5725
3.5009
3.3487
2.8268
1.9753
2.4287
2.9222
3.0469
2.9751
2.8848
2.993
2.7185
2.2578
2.6231
2.3871
3.0311
2.0183
2.897
2.5982

使用元编程生成报表

我们可以使用函数 format 函数生成报表。format 函数有两个参数：列名和对应的格式字符串。格式字符串与Java中的数字和日期格式字符串相似。我们使用6种符号(0/#/,/./%/E)来表示数字的格式，使用9种符号(y/M/d/H/h/m/s/S/n)表示时序数据的格式。例如：


输入数据	格式字符串	输出数据
2012.12.05T15:30:59.125	yyyy-MM-dd HH:mm	2012-12-05 15:30
2012.12.05	MMMddyyyy	DEC052012
0.1356	0.0%	13.6%
1234567.42	#,###.0	1,234,567.4
1234567.42	0.00####E0	1.234567E6

下面的例子创建了一个自定义函数，给定表、列名和每个列的格式字符串，就能生成报表。sqlCol、sqlColAlias、sql 和 makeCall 函数可以用于生成SQL语句，调用 eval 函数来生成报表，makeCall 函数调用脚本并生成一系列元代码，makeCall 函数的第一个参数是函数，其他参数是函数所需的参数。

def generateReport(tbl, colNames, colFormat){
   colCount = colNames.size()
   colDefs = array(ANY, colCount)
   for(i in 0:colCount){
      if(colFormat[i] == "")
         colDefs[i] = sqlCol(colNames[i])
      else
         colDefs[i] = sqlCol(colNames[i], format{,colFormat[i]})
   }
   return sql(colDefs, tbl).eval()
}

生成100行4列（列名为id, date, price和qty）的样本表，随后调用generateReport函数生成报表。

t = table(1..100 as id, (1..100 + 2018.01.01) as date, rand(100.0, 100) as price, rand(10000, 100) as qty);
t;


id	date	price	qty
1	2018.01.02	61.483376	8733
2	2018.01.03	21.254616	8365
3	2018.01.04	37.408301	444
4	2018.01.05	70.608384	9944
5	2018.01.06	80.361811	7185
...	...	...	...

generateReport(t, ["id", "date","price","qty"], ["0", "MM/dd/yyyy", "0.00", "#,###"]);


id	date	price	qty
1	01/02/2018	61.48	8,733
2	01/03/2018	21.25	8,365
3	01/04/2018	37.41	444
4	01/05/2018	70.61	9,944
5	01/06/2018	80.36	7,185
...	...	...	...

也可使用元编程生成过滤条件。

def generateReportWithFilter(tbl, colNames, colFormat, filter){
   colCount = colNames.size()
   colDefs = array(ANY, colCount)
   for(i in 0:colCount){
      if(colFormat[i] == "")
         colDefs[i] = sqlCol(colNames[i])
      else
         colDefs[i] = sqlCol(colNames[i], format{,colFormat[i]})
   }
   return sql(colDefs, tbl, filter).eval()
}
generateReportWithFilter(t, ["id","date","price","qty"], ["","MM/dd/yyyy", "00.00", "#,###"], < id>10 and price<20 >);


id	date	price	qty
11	01/12/2018	11.21	7,033
18	01/19/2018	09.97	6,136
29	01/30/2018	06.33	3,834
31	02/01/2018	05.52	6,851
38	02/08/2018	14.55	7,482