利用FlexibleInstances快速推理Num/Fractional

直接上代碼:

{-# LANGUAGE FlexibleInstances #-}

module Vector where

import GHC.Base(liftA2)

data Vector2 a = Vector2 a a deriving(Eq, Show, Read)
data Vector3 a = Vector3 a a a deriving(Eq, Show, Read)
data Vector4 a = Vector4 a a a a deriving(Eq, Show, Read)

-- Instances of Functor
instance Functor Vector2 where
    fmap f (Vector2 x y) = Vector2 (f x) (f y)

instance Functor Vector3 where
    fmap f (Vector3 x y z) = Vector3 (f x) (f y) (f z)

instance Functor Vector4 where
    fmap f (Vector4 x y z w) = Vector4 (f x) (f y) (f z) (f w)

-- Instances of Appilcative
instance Applicative Vector2 where
    pure x = Vector2 x x
    liftA2 f (Vector2 x1 y1) (Vector2 x2 y2) = Vector2 (f x1 x2) (f y1 y2)

instance Applicative Vector3 where
    pure x = Vector3 x x x
    liftA2 f (Vector3 x1 y1 z1) (Vector3 x2 y2 z2) = Vector3 (f x1 x2) (f y1 y2) (f z1 z2)

instance Applicative Vector4 where
    pure x = Vector4 x x x x
    liftA2 f (Vector4 x1 y1 z1 w1) (Vector4 x2 y2 z2 w2) = Vector4 (f x1 x2) (f y1 y2) (f z1 z2) (f w1 w2)

-- Instances of Num
instance (Applicative f, Num a) => Num (f a) where
    (+) = liftA2 (+)
    (-) = liftA2 (-)
    (*) = liftA2 (*)
    negate = fmap negate
    abs = fmap abs
    signum = fmap signum
    fromInteger = pure . fromInteger

-- Instances of Fractional
instance (Applicative f, Fractional a) => Fractional (f a) where
    (/) = liftA2 (/)
    recip = fmap recip
    fromRational = pure . fromRational

向量化問題以最精簡的方式解決妒牙。不過由于[]Data.VectorApplicave Instances的行為不太符合向量化的一般意義,所以最好用另外一個類似Applicative的typeclass來替換逮诲。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末损话,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子翎碑,更是在濱河造成了極大的恐慌谬返,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,941評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件日杈,死亡現(xiàn)場離奇詭異遣铝,居然都是意外死亡,警方通過查閱死者的電腦和手機莉擒,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,397評論 3 395
  • 文/潘曉璐 我一進店門酿炸,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人涨冀,你說我怎么就攤上這事填硕。” “怎么了鹿鳖?”我有些...
    開封第一講書人閱讀 165,345評論 0 356
  • 文/不壞的土叔 我叫張陵扁眯,是天一觀的道長。 經(jīng)常有香客問我翅帜,道長姻檀,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,851評論 1 295
  • 正文 為了忘掉前任涝滴,我火速辦了婚禮绣版,結(jié)果婚禮上胶台,老公的妹妹穿的比我還像新娘。我一直安慰自己杂抽,他們只是感情好诈唬,可當(dāng)我...
    茶點故事閱讀 67,868評論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著默怨,像睡著了一般讯榕。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上匙睹,一...
    開封第一講書人閱讀 51,688評論 1 305
  • 那天愚屁,我揣著相機與錄音,去河邊找鬼痕檬。 笑死霎槐,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的梦谜。 我是一名探鬼主播丘跌,決...
    沈念sama閱讀 40,414評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼唁桩!你這毒婦竟也來了闭树?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,319評論 0 276
  • 序言:老撾萬榮一對情侶失蹤荒澡,失蹤者是張志新(化名)和其女友劉穎报辱,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體单山,經(jīng)...
    沈念sama閱讀 45,775評論 1 315
  • 正文 獨居荒郊野嶺守林人離奇死亡碍现,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,945評論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了米奸。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片昼接。...
    茶點故事閱讀 40,096評論 1 350
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖悴晰,靈堂內(nèi)的尸體忽然破棺而出慢睡,到底是詐尸還是另有隱情,我是刑警寧澤铡溪,帶...
    沈念sama閱讀 35,789評論 5 346
  • 正文 年R本政府宣布一睁,位于F島的核電站,受9級特大地震影響佃却,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜窘俺,卻給世界環(huán)境...
    茶點故事閱讀 41,437評論 3 331
  • 文/蒙蒙 一饲帅、第九天 我趴在偏房一處隱蔽的房頂上張望复凳。 院中可真熱鬧,春花似錦灶泵、人聲如沸育八。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,993評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽髓棋。三九已至,卻和暖如春惶洲,著一層夾襖步出監(jiān)牢的瞬間按声,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,107評論 1 271
  • 我被黑心中介騙來泰國打工恬吕, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留签则,地道東北人。 一個月前我還...
    沈念sama閱讀 48,308評論 3 372
  • 正文 我出身青樓铐料,卻偏偏與公主長得像渐裂,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子钠惩,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,037評論 2 355

推薦閱讀更多精彩內(nèi)容

  • 用兩張圖告訴你柒凉,為什么你的 App 會卡頓? - Android - 掘金 Cover 有什么料? 從這篇文章中你...
    hw1212閱讀 12,730評論 2 59
  • 關(guān)于Mongodb的全面總結(jié) MongoDB的內(nèi)部構(gòu)造《MongoDB The Definitive Guide》...
    中v中閱讀 31,938評論 2 89
  • Android 自定義View的各種姿勢1 Activity的顯示之ViewRootImpl詳解 Activity...
    passiontim閱讀 172,167評論 25 707
  • 原以為車位塵埃落定篓跛,沒想到有人提出分配不公膝捞,要求重分,真是有意思举塔,既然選擇抽簽就是認(rèn)命了绑警,又有什么公不公的,而且重...
    紫微媽咪閱讀 113評論 0 0
  • 知乎原文鏈接by張亮原文發(fā)布時間:2017年1月5日 俞軍產(chǎn)品方法論的三條新總結(jié) 用戶價值 用戶樣本量 懷疑精神 ...
    wy_nemo閱讀 1,727評論 0 1