Μάθετε Χ σε Υ λεπτά

# Τα σχόλια μίας γραμμής ξεκινούν με #

""" Τα σχόλια πολλαπλών γραμμών μπορούν
    να γραφούν με τρία ", και συχνά χρησιμοποιούνται
    ως documentation.
"""

####################################################
## 1. Primitive (πρωταρχικοί) Τύποι Δεδομένων και Τελεστές
####################################################

# Αφού έχει αριθμούς
3  # => 3

# Λογικά θα έχει και Μαθηματικά...
1 + 1   # => 2
8 - 1   # => 7
10 * 2  # => 20
35 / 5  # => 7.0

# Η διαίρεση ακεραίων κάνει στρογγυλοποίηση προς τα κάτω για θετικούς και αρνητικούς αριθμούς
5 // 3       # => 1
-5 // 3      # => -2
5.0 // 3.0   # => 1.0 # works on floats too
-5.0 // 3.0  # => -2.0

# Το αποτέλεσμα της διαίρεσης είναι πάντα float
10.0 / 3  # => 3.3333333333333335

# Modulo τελεστής
7 % 3  # => 1

# Ύψωση σε δύναμη (x**y, x στην y-οστή δύναμη)
2**3  # => 8

# Ελέγχουμε την προτεραιότητα πράξεων με παρενθέσεις
(1 + 3) * 2  # => 8

# Οι Boolean τιμές είναι primitives (Σημ.: τα κεφαλαία)
True
False

# άρνηση με το not
not True   # => False
not False  # => True

# Boolean τελεστές
# Σημ. ότι τα "and" και "or" είναι case-sensitive
True and False  # => False
False or True   # => True

# Τα True και False είναι 1 και 0 αλλά με διαφορετικά keywords
True + True # => 2
True * 8    # => 8
False - 5   # => -5

# Μπορούμε να δούμε τις αριθμητικές τιμές των True και False μέσω των τελεστών σύγκρισης
0 == False  # => True
1 == True   # => True
2 == True   # => False
-5 != False # => True

# Χρησιμοποιώντας τελεστές boolean σε ακεραίους, οι ακέραιοι γίνονται cast σε
# boolean ώστε να γίνει η αποτίμηση της έκφρασης.
# Το αποτέλεσμα όμως είναι non-cast, δηλαδή ίδιου τύπου με τα αρχικά ορίσματα
# Μην μπερδεύετε τις bool(ints) και bitwise and/or (&,|)
bool(0)     # => False
bool(4)     # => True
bool(-6)    # => True
0 and 2     # => 0
-5 or 0     # => -5

# Ισότητα ==
1 == 1  # => True
2 == 1  # => False

# Διάφορο !=
1 != 1  # => False
2 != 1  # => True

# Περισσότερες συγκρίσεις
1 < 10  # => True
1 > 10  # => False
2 <= 2  # => True
2 >= 2  # => True

# Κοιτάζουμε αν μία τιμή ανήκει σε ένα εύρος
1 < 2 and 2 < 3  # => True
2 < 3 and 3 < 2  # => False
# Το Chaining (αλυσίδωση? :P) κάνει το παραπάνω πιο όμορφα
1 < 2 < 3  # => True
2 < 3 < 2  # => False

# (is vs. ==) το is ελέγχει αν δύο μεταβλητές αναφέρονται στο ίδιο αντικείμενο,
# αλλά το == ελέγχει αν τα αντικείμενα στα οποία αναφέρονται οι μεταβλητές έχουν τις ίδιες τιμές
a = [1, 2, 3, 4]  # το a δείχνει σε μία νέα λίστα, [1,2,3,4]
b = a             # το b δείχνει στο αντικείμενο που δείχνει το a
b is a            # => True, a και b αναφέρονται στο ίδιο αντικείμενο
b == a            # => True, τα αντικείμενα των a κι b είναι ίσα
b = [1, 2, 3, 4]  # Το b δείχνει σε μία νέα λίστα, [1, 2, 3, 4]
b is a            # => False, a και b δεν αναφέρονται στο ίδιο αντικείμενο
b == a            # => True, τα αντικείμενα των a και b είναι ίσα

# Τα Strings (συμβολοσειρές) δημιουργούνται με " ή '
"This is a string."
'This is also a string.'

# Μπορούμε και να προσθέτουμε Strings, αλλά προσπαθήστε να μην το κάνετε
"Hello " + "world!"  # => "Hello world!"
# Τα String literals (αλλά όχι οι μεταβλητές) μπορούν να συντμιθούν και χωρίς το '+'
"Hello " "world!"    # => "Hello world!"

# Μπορούμε να φερθούμε σε string σαν να είναι λίστα από χαρακτήρες
"This is a string"[0]  # => 'T'

# Μπορούμε να βρούμε το μήκος ενός string
len("This is a string")  # => 16

# Το .format μπορεί να χρησιμοποιηθεί για να μορφοποιήσουμε strings, όπως εδώ:
"{} can be {}".format("Strings", "interpolated")  # => "Strings can be interpolated"

# Μπορείς να επαναλάβεις τα ορίσματα του formatting για να γλιτώσεις λίγο χρονο
"{0} be nimble, {0} be quick, {0} jump over the {1}".format("Jack", "candle stick")
# => "Jack be nimble, Jack be quick, Jack jump over the candle stick"

# Μπορείς να χρησιμοποιήσεις keywords αν βαριέσαι το μέτρημα.
"{name} wants to eat {food}".format(name="Bob", food="lasagna")  # => "Bob wants to eat lasagna"

# Αν ο κώδικας Python 3 που γράφεις πρόκειται να τρέξει και με python 2.5 ή παλιότερη
# μπορείς επίσης να χρησιμοποιήσεις το παλιό τρόπο για formatting:
"%s can be %s the %s way" % ("Strings", "interpolated", "old")  # => "Strings can be interpolated the old way"

# Μπορείς επίσης να μορφοποιήσεις χρησιμοποιώντας τα f-strings / formatted string literals (σε Python 3.6+)
name = "Reiko"
f"She said her name is {name}." # => "She said her name is Reiko"
# Μπορείς βασικά να βάλεις οποιαδήποτε έκφραση Python στα άγκιστρα και θα εμφανιστεί στο string.
f"{name} is {len(name)} characters long."


# το None είναι ένα αντικείμενο (object)
None  # => None

# Μη χρησιμοποιείτε το σύμβολο ισότητας "==" για να συγκρίνετε αντικείμενα με το None
# Χρησιμοποιείτε το "is". Αυτό ελέγχει για ισότητα της ταυτότητας του αντικειμένου.
"etc" is None  # => False
None is None   # => True

# Τα None, 0, και τα κενά strings/lists/dicts/tuples αποτιμούνται στην τιμή False
# All other values are True
bool(0)   # => False
bool("")  # => False
bool([])  # => False
bool({})  # => False
bool(())  # => False

####################################################
## 2. Μεταβλητές (variables) και Συλλογές (collections)
####################################################

# Η Python έχει μία συνάρτηση print()
print("I'm Python. Nice to meet you!")  # => I'm Python. Nice to meet you!

# By default, η συνάρτηση print() τυπώνει και ένα χαρακτήρα αλλαγής γραμμμής στο τέλος
# Χρησιμοποιείτε το προαιρετικό όρισμο end για να τυπώνει οτιδήποτε άλλο
print("Hello, World", end="!")  # => Hello, World!

# Απλός τρόπος για να πάρουμε δεδομένα εισόδου από το console
input_string_var = input("Enter some data: ") # επιστρέφει τα δεδομένα ως string
# Σημ.: Στις προηγούμενες εκδόσεις της Python, η μέθοδος input() ονομαζόταν raw_input()

# Δεν υπάρχουν δηλώσεις, μόνο αναθέσεις τιμών.
# Η σύμβαση είναι να χρησιμοποιούμε μικρά γράμματα με κάτω παύλες
some_var = 5
some_var  # => 5

# Η πρόσβαση σε μεταβλητή που δεν έχει λάβει τιμή είναι εξαίρεση
# Δες τον Έλεγχο Ροής για να μάθεις περισσότερα για το χειρισμό εξαιρέσεων
some_unknown_var  # Προκαλέι ένα NameError

# Η παρακάτω έκφραση μπορεί να χρησιμποιηθεί ισοδύναμα με τον τελεστή '?' της C
"yahoo!" if 3 > 2 else 2  # => "yahoo!"

# Οι λίστες κρατούν ακολουθίς
li = []
# Μπορείς να αρχίσεις με μία προ-γεμισμένη λίστα
other_li = [4, 5, 6]

# Και να βάλεις πράγματα στο τέλος με την μέθοδο append
li.append(1)    # η li τώρα είναι [1]
li.append(2)    # η li τώρα είναι [1, 2]
li.append(4)    # η li τώρα είναι [1, 2, 4]
li.append(3)    # η li τώρα είναι [1, 2, 4, 3]
# Αφαιρούμε από το τέλος με την μέθοδο pop
li.pop()        # => 3 και η li γίνεται [1, 2, 4]
# Ας βάλουμε το 3 πίσω στη θέση του
li.append(3)    # η li γίνεται πάλι [1, 2, 4, 3].

# Προσπελαύνουμε τις λίστες όπως τους πίνακες σε άλλες γλώσσες
li[0]   # => 1
# Το τελευταίο στοιχείο...
li[-1]  # => 3

# Όταν βγαίνουμε εκτός ορίων της λίστας προκαλείται IndexError
li[4]  # προκαλεί IndexError

# Μπορείς να δεις ranges μιας λίστας με το slice syntax ':'
# Ο δείκτης εκίνησης περιλαμβάνεται στο διάστημα, ο δείκτης τερματισμού όχι
# (είναι ανοικτό/κλειστό διάστημα για τους φίλους των μαθηματικών)
li[1:3]   # => [2, 4]
# Αγνόησε την αρχή και επίστρεψε τη λίστα
li[2:]    # => [4, 3]
# Αγνόησε το τέλος και επίστρεψε τη λίστα
li[:3]    # => [1, 2, 4]
# Διάλεξε κάθε δεύτερο στοιχείο
li[::2]   # =>[1, 4]
# Επίστρεψε ένα reversed αντίγραφο της λίστας
li[::-1]  # => [3, 4, 2, 1]
# Χρησιμοποιείστε οποιαδήποτε συνδυασμό αυτών για να φτιάξετε πιο προχωρημένα slices
# li[start:end:step]

# Φτιάξε ένα αντίγραφο της λίστας χρησιμοποιώντας slices
li2 = li[:]  # => li2 = [1, 2, 4, 3] αλλά το (li2 is li) επιστρέφει False

# Αφαίρεσε οποιοδήποτε στοιχείο από λίστα με την εντολή "del"
del li[2]  # η li γίνεται [1, 2, 3]

#  Αφαιρούμε το πρώτο στιγμυότυπο μιας τιμής
li.remove(2)  # η li γίνεται [1, 3]
li.remove(2)  # Προκαλεί ένα ValueError καθώς το 2 δεν βρίσκεται στη λίστα.

# Εισαγωγή ενός στοιχείου σε συγκεκριμένη θέση
li.insert(1, 2)  # η li γίνεται πάλι [1, 2, 3]

# Βρες το index (δείκτη) του πρώτου στοιχείου με τιμή ίση με το όρισμα
li.index(2)  # => 1
li.index(4)  # Προκαλεί ValueError καθώς το 4 δεν βρίσκεται στη λίστα

# Μπορείς να προσθέτεις λίστες
# Σημ.: οι τιμές των li, other_li δεν αλλάζουν.
li + other_li  # => [1, 2, 3, 4, 5, 6]

# Σύντμιση λιστών με τη μέθοδο "extend()"
li.extend(other_li)  # Τώρα η  li είναι [1, 2, 3, 4, 5, 6]

# Ελεγχος της ύπαρξης στοιχείου σε λίστα με το "in"
1 in li  # => True

# Εξατάζουμε το μήκος με "len()"
len(li)  # => 6


# Τα Tuples είναι σαν τις λίστες αλλά είναι αμετάβλητα (immutable).
tup = (1, 2, 3)
tup[0]      # => 1
tup[0] = 3  # Προκαλεί TypeError

# Σημειώστε ότι ένα tuple μήκους 1 πρέπει να έχει ένα κόμμα μετά το τελευταίο στοιχείο
# αλλά τα tuples άλλων μηκών, ακόμα και μηδενικού μήκους, δεν χρειάζονται κόμμα.
type((1))   # => <class 'int'>
type((1,))  # => <class 'tuple'>
type(())    # => <class 'tuple'>

# Μπορείς να εφαρμόσεις τις περισσότερες μεθόδους των λιστών και στα tuples
len(tup)         # => 3
tup + (4, 5, 6)  # => (1, 2, 3, 4, 5, 6)
tup[:2]          # => (1, 2)
2 in tup         # => True

# Μπορείς να κάνεις unpack/"ξεπακετάρεις" tuples σε μεταβλητές
a, b, c = (1, 2, 3)  # a == 1, b == 2 και c == 3
#  Μπορείς επίσης να επεκτείνεις το unpacking
a, *b, c = (1, 2, 3, 4)  # a == 1, b == [2, 3] και c == 4
# Τα Tuples δημιουργούνται by deafult αν δεν βάλεις παρενθέσεις
d, e, f = 4, 5, 6  # το tuple 4, 5, 6 "ξεπακετάρεται" στις μεταβλητές d, e και f
# αντίστοιχα έτσι ώστε να γίνεται d = 4, e = 5 and f = 6
# Δείτε πόσο εύκολα μπορούμε να εναλλάσουμε δύο τιμές
e, d = d, e  # το d παίρνει την τιμή 5 και το e παίρνει την τιμή 4


# Τα λεξικά (Dictionaries) αποθηκεύουν απεικονίσεις από κλειδιά σε τιμές
empty_dict = {}
# Εδώ έχουμε ένα προ-γεμισμένο dictionary
filled_dict = {"one": 1, "two": 2, "three": 3}

# Σημ. ότι τα κλειδιά για τα dictionaries πρέπει να είναι αμετάβλητοι τύποι
# (immutable) αυτό γίνετια για να διασφαλίσουμε ότι τα κλειδιά μπορούν να
# μετατρέπονται σε σταθερές τιμές κατακερματισμού (hash values) για γρήγορη εύρεση.
# Μερικοί αμετάβλητοι τύποι είναι τα ints, floats, strings, tuples.
invalid_dict = {[1,2,3]: "123"}  # => Προκαλεί TypeError: unhashable type: 'list'
valid_dict = {(1,2,3):[1,2,3]}   # Οι τιμές όμως μπορούν να έχουν οποιοδήποτε τύπο.

# Βρίσκουμε τιμές με []
filled_dict["one"]  # => 1

# Μπορείς να πάρεις όλα τα κλειδιά με τη μέθοδο "keys()".
# Πρέπει να "τυλίξουμε" την κλήση με list() για να το μετατρέψουμε σε λίστα
# Θα μιλήσουμε για αυτά αργότερα. Σημ. - σε εκδόσεις Python < 3.7, η σειρά που
# εμφανίζονται τα κλειδιά δεν είναι εγγυημένη. Τα αποτελέσματά σας ίσως να μην
# είναι ακριβώς ίδια με τα παρακάτω. Στην έκδοση 3.7 πάντως, τα αντικείμενα του
# λεξικού διατηρούν τη σειρά με την οποία εισήχθησαν στο dictionary
list(filled_dict.keys())  # => ["three", "two", "one"] σε Python <3.7
list(filled_dict.keys())  # => ["one", "two", "three"] σε Python 3.7+

# Παίρνουμε όλες τις τιμές ενός iterable με τη μέθοδο "values()". Και πάλι
# χρειάζεται να το περιτυλίξουμε σε list()
# Σημ. -  όπως παραπάνω σχετικά με τη σειρά των keys
list(filled_dict.values())  # => [3, 2, 1]  in Python <3.7
list(filled_dict.values())  # => [1, 2, 3] in Python 3.7+

# Έλεγχος της ύπαρξης κλειδιών σε ένα dictionary με το "in"
"one" in filled_dict  # => True
1 in filled_dict      # => False

# Αν ψάξεις την τιμή ανύπαρκτου κλειδιού προκαλείται KeyError
filled_dict["four"]  # KeyError

# Χρησιμοποιούμε τη μέθοδο "get()" για να αποφύγουμε το KeyError
filled_dict.get("one")      # => 1
filled_dict.get("four")     # => None
# στο δεύτερο argument της get() μπορούμε να βάλουμε μία τιμή που πρέπει να
# επιστρέψει αν δεν υπάρχει το key που ψάχνουμε
filled_dict.get("one", 4)   # => 1
filled_dict.get("four", 4)  # => 4

# το "setdefault()" εισάγει στο dictionary μόνο αν δεν υπάρχει το κλειδί
filled_dict.setdefault("five", 5)  # filled_dict["five"] γίνεται 5
filled_dict.setdefault("five", 6)  # filled_dict["five"] μένει 5 (υπαρκτό κλειδί)

# Προσθήκη σε dictionary
filled_dict.update({"four":4})  # => {"one": 1, "two": 2, "three": 3, "four": 4}
filled_dict["four"] = 4         # β' τρόπος

# Αφαίρεση κλειδιών από dictionary με del
del filled_dict["one"]  # Αφαιρεί το κλειδί "one" από το filled_dict

# Από την Python 3.5 μπορείς να χρησιμοποιήσεις και πρόσθετες επιλογές για unpacking
{'a': 1, **{'b': 2}}  # => {'a': 1, 'b': 2}
{'a': 1, **{'a': 2}}  # => {'a': 2}



# τα Sets -όπως όλοι περιμένουμε- αποθηκεύουν σύνολα
empty_set = set()
# Αρχικοποιούμε ένα set με μερικές τιμές. Ναι, μοιάζει λίγο με dictionary, Sorry.
some_set = {1, 1, 2, 2, 3, 4}  # some_set is now {1, 2, 3, 4}

# Παρομοίως με τα κλειδιά του dictionary, τα στοιχεία ενός συνόλου πρέπει να είναι
# αμετάβλητα (immutable)
invalid_set = {[1], 1}  # => Προκαλεί TypeError: unhashable type: 'list'
valid_set = {(1,), 1}

# Προσθέτουμε άλλο ένα στοιχείο στο σύνολο
filled_set = some_set
filled_set.add(5)  # το filled_set είναι τώρα {1, 2, 3, 4, 5}
# Τα σύνολα δεν έχουν διπλοτυπα αντικείμενα
filled_set.add(5)  # το σύνολο παραμένει ίδιο {1, 2, 3, 4, 5}

# το & κάνει την τομή δύο συνόλων.
other_set = {3, 4, 5, 6}
filled_set & other_set  # => {3, 4, 5}

# και το | την ένωση
filled_set | other_set  # => {1, 2, 3, 4, 5, 6}

# Η διαφορά συνόλων με το -
{1, 2, 3, 4} - {2, 3, 5}  # => {1, 4}

# Το ^ επιστρέφει τη συμμετρική διαφορά
{1, 2, 3, 4} ^ {2, 3, 5}  # => {1, 4, 5}

# Ελεγχος για το αν το δεξιά σύνολο είναι υπερσύνολο του δεξιού
{1, 2} >= {1, 2, 3} # => False

# Ελεγχος για το αν το δεξιά σύνολο είναι υποσύνολο του δεξιού
{1, 2} <= {1, 2, 3} # => True

# με το in κάνουμε έλεγχο ύπαρξης στοιχείο σε σετ
2 in filled_set   # => True
10 in filled_set  # => False



####################################################
## 3. Έλεγχος Ροής και Iterables
####################################################

# Φτιάχνουμε μία μεταβλητή
some_var = 5

# Εδώ έχουμε ένα if statement. Η στοίχιση είναι σημαντική στην Python!
# Η σύμβαση είναι να χρησιμοποιούμε 4 κενά, όχι tabs.
# Το παρακάτω τυπώνει "some_var is smaller than 10"
if some_var > 10:
    print("some_var is totally bigger than 10.")
elif some_var < 10:    # το (else if) -> elif μέρος είναι προαιρετικό.
    print("some_var is smaller than 10.")
else:                  # και το else είναι προαιρετικό.
    print("some_var is indeed 10.")


"""
τα for loops τρέχουν πάνω σε lists
το παρακάτω τυπώνει:
    dog is a mammal
    cat is a mammal
    mouse is a mammal
"""
for animal in ["dog", "cat", "mouse"]:
    # You can use format() to interpolate formatted strings
    print("{} is a mammal".format(animal))

"""
το "range(number)" επιστρέφει ένα iterable με αριθμούς
από το μηδέν μέχρι τον δωσμένο αριθμό number (κλειστό/ανοικτό διάστημα)
Το παρακάτω τυπώνει:
    0
    1
    2
    3
"""
for i in range(4):
    print(i)

"""
το "range(lower, upper)" επιστρέφει ένα iterable με αριθμούς
από το lower εώς το upper (κλειστό/ανοικτό διάστημα)
το παρακάτω τυπώνει:
    4
    5
    6
    7
"""
for i in range(4, 8):
    print(i)

"""
το "range(lower, upper, step)" επιστρέφει ένα iterable με αριθμούς
από το lower μέχρι το upper, με βήμα step
αν δεν δώσουμε τιμή βήματος, το default βήμα είναι 1.
το παρακάτω τυπώνει:
    4
    6
"""
for i in range(4, 8, 2):
    print(i)
"""

τα While loops τρέχουν μέχρι μία συνθήκη να γίνει ψευδής.
το παρακάτω τυπώνει:
    0
    1
    2
    3
"""
x = 0
while x < 4:
    print(x)
    x += 1  # Shorthand for x = x + 1

# Χειριζόμαστε εξαιρέσεις με ένα try/except block
try:
    # Χρησιμοποιούμε το "raise" για να πετάξουμε ένα error
    raise IndexError("This is an index error")
except IndexError as e:
    pass                 # το Pass δεν κάνει τίποτα. Συνήθως κάνουμε ανάκτηση.
except (TypeError, NameError):
    pass                 # Μπορούμε να χειριζόμαστε πολλές εξαιρέσεις μαζί, αν χρειαστεί
else:                    # Προαιρετικό στο try/except block. Πρέπει να ακολουθεί όλα τα except blocks
    print("All good!")   # τρέχει μόνο αν ο κώδικας στο try δεν προκαλεί εξαιρέσεις
finally:                 #  Εκτελείται ό,τι και να γίνει
    print("We can clean up resources here")

# Αντί για try/finally για να καθαρίσουμε τους πόρους, μπορούμε να χρησιμοποιούμε το
# with expression as target:
    pass to cleanup resources you can use a with statement
with open("myfile.txt") as f:
    for line in f:
        print(line)

# Η Python προσφέρει μία θεμελιώδη αφαίρεση (abstraction) που λέγεται Iterable.
# iterable είναι ένα αντικείμενο που μπορεί να χρησιμοποιηθεί ως ακολουθία.
# Το αντικείμενο που επιστρέφει η συνάρτηση range, είναι ένα iterable.

filled_dict = {"one": 1, "two": 2, "three": 3}
our_iterable = filled_dict.keys()
print(our_iterable)  # => dict_keys(['one', 'two', 'three']).
# Αυτό είναι ένα αντικείμενο που υλοποιεί την iterable διεπαφή μας.

# μπορούμε να τρέχουμε loops πάνω του.
for i in our_iterable:
    print(i)  # Prints one, two, three

# Ωστόσο δεν μπορούμε να προσπελάσουμε τα στοιχεία του με index.
our_iterable[1]  # προκαλεί a TypeError

# Ένα iterable είναι ένα αντικείμενο που ξέρει πώς να δημιουργήσει έναν iterator.
our_iterator = iter(our_iterable)

# Ο iterator μας είναι ένα αντικείμενο που μπορεί να θυμάται την κατάσταση όπως το διατρέχουμε.
# Παίρνουμε το επόμενο αντικείμενο με το "next()"
next(our_iterator)  # => "one"

# Διατηρεί την κατάσταση καθώς επαναλαμβάνουμε.
next(our_iterator)  # => "two"
next(our_iterator)  # => "three"

# Όταν ο iterator έχει επιστρέψει όλα τα δεδομένα του, προκαλεί ένα μια εξαίρεση StopIteration.
next(our_iterator)  # προκαλεί StopIteration

# Μπορείς να πάρεις όλα τα αντικείμενα ενός iteratior καλώντας list() πάνω του.
list(filled_dict.keys())  # => Επιστρέφει ["one", "two", "three"]


####################################################
## 4. Συναρτήσεις
####################################################

# Χρησιμποιούμε το "def" για να ορίσουμε νέες συναρτήσεις
def add(x, y):
    print("x is {} and y is {}".format(x, y))
    return x + y  # επιστρέφει τιμές με την εντολή return

# Καλούμε συναρτήσεις με παραμέτρους
add(5, 6)  # => τυπώνει "x is 5 and y is 6" και επιστρέφει 11

# Ένας άλλος τρόπος να καλέσεις συνάρτησει είναι με keyword arguments (ορίσματα λέξεις-κλειδιά)
add(y=6, x=5)  # τα Keyword arguments μπορούν να δωθούν με οποιαδήποτε σειρά.

# Μπορείς να ορίσεις συναρτήσεις που δέχονται μεταβλητό πλήθος ορισμάτων
def varargs(*args):
    return args

varargs(1, 2, 3)  # => (1, 2, 3)

# Μπορούμε να ορίσουμε και συναρτήσεις που δέχονται μεταβλητό πλήθος keyword arguments
def keyword_args(**kwargs):
    return kwargs

# Για να δούμε τι γίνεται αν την καλέσουμε
keyword_args(big="foot", loch="ness")  # => {"big": "foot", "loch": "ness"}


# Μπορείς να κάνεις και τα δύο ταυτόχρονα αν θες
def all_the_args(*args, **kwargs):
    print(args)
    print(kwargs)
"""
all_the_args(1, 2, a=3, b=4) τυπώνει:
    (1, 2)
    {"a": 3, "b": 4}
"""

# Όταν καλείς συναρτήσεις μπορείς να κάνεις και το αντίστροφο από args/kwargs!
# Χρησιμοποίησε το * για να επεκτείνεις tuples και χρησιμοποίησε το ** για να επεκτείλεις kwargs
args = (1, 2, 3, 4)
kwargs = {"a": 3, "b": 4}
all_the_args(*args)            # ισοδύναμο με all_the_args(1, 2, 3, 4)
all_the_args(**kwargs)         # ισοδύναμο με all_the_args(a=3, b=4)
all_the_args(*args, **kwargs)  # ισοδύναμο με all_the_args(1, 2, 3, 4, a=3, b=4)

# Επιστρέφουμε πλειάδα τιμών (με tuple assignments)
def swap(x, y):
    return y, x  # Επιστρέφει πολλές τιμές ως tuple χωρίς την παρένθεση
                 # (Σημ.: οι παρενθέσεις έχουν παραλειφθεί αλλά μπορούν να γραφούν)

x = 1
y = 2
x, y = swap(x, y)     # => x = 2, y = 1
# (x, y) = swap(x,y)  # Ξανά, οι παρενθέσεις έχουν παραληφθεί αλλά μπορούν να γραφούν

# Εμβέλεια συναρτήσεων
x = 5

def set_x(num):
    # Η τοπική μεταβλητή x δεν είναι η ίδια με την global μεταβλητή x
    x = num    # => 43
    print(x)   # => 43

def set_global_x(num):
    global x
    print(x)   # => 5
    x = num    # η global μεταβλητή x τώρα είναι 6
    print(x)   # => 6

set_x(43)
set_global_x(6)


# Η Python έχει πρώτης τάξης συναρτήσεις
def create_adder(x):
    def adder(y):
        return x + y
    return adder

add_10 = create_adder(10)
add_10(3)   # => 13

# Αλλά έχει και anonymous συναρτήσεις.
(lambda x: x > 2)(3)                  # => True
(lambda x, y: x ** 2 + y ** 2)(2, 1)  # => 5

# Υπάρχουν ενσωματωμένες συναρτήσεις μεγαλύτερης τάξης
list(map(add_10, [1, 2, 3]))          # => [11, 12, 13]
list(map(max, [1, 2, 3], [4, 2, 1]))  # => [4, 2, 3]

list(filter(lambda x: x > 5, [3, 4, 5, 6, 7]))  # => [6, 7]

# Μπορούμε να χρησιμοποιήσουμε list comprehensions για ωραία maps και filters
# το List comprehension αποθηκεύει την έξοδο ως μία λίστα που μπορεί και η ίδια
# να είναι μια εμφωλευμένη λίστα
[add_10(i) for i in [1, 2, 3]]         # => [11, 12, 13]
[x for x in [3, 4, 5, 6, 7] if x > 5]  # => [6, 7]

# Μπορείς επίσης να κατασκευάσεις set και dict comprehensions.
{x for x in 'abcddeef' if x not in 'abc'}  # => {'d', 'e', 'f'}
{x: x**2 for x in range(5)}  # => {0: 0, 1: 1, 2: 4, 3: 9, 4: 16}


####################################################
## 5. Modules
####################################################

# Μπορείς να κάνεις import modules
import math
print(math.sqrt(16))  # => 4.0

# Μπορείς να πάρεις συγκεκριμένες συναρτήσεις από ένα module
from math import ceil, floor
print(ceil(3.7))   # => 4.0
print(floor(3.7))  # => 3.0

# Μπορείς να κάνεις import όλες τις συναρτήσεις από ένα module.
# Προσοχή:  δεν προτείνεται
from math import *

# Μπορείς να δημιουργείς συντομογραφίες για τα ονόματα των modules
import math as m
math.sqrt(16) == m.sqrt(16)  # => True

# Τα Python modules είναι απλά αρχεία Python. Μπορείς να δημιουργήσεις τα δικά σου
# και να τα κάνεις import το όνομα του module είναι ίδιο με το όνομα του αρχείου

# μπορείς να βρεις ποιες συναρτήσεις και γνωρίσματα ορίζονται στο module
import math
dir(math)

# Αν έχεις ένα Python script με όνομα math.py στον ίδιο φάκελο με το τρέχον script
# το αρχείο math.py θα φορτωθεί και όχι το built-in Python module
# Αυτό συμβαίνει επειδή τα τοπικά αρχεία έχουν προτεραιότητα έναντι των built-in
# βιβλιοθηκών της Python


####################################################
## 6. Κλάσεις - Classes
####################################################

# χρησιμοποιούμε το "class" statement για να δημιουργήσουμε μια κλάση
class Human:

    # Ένα γνώρισμα της κλάσης. Είναι κοινό για όλα τα στιγμιότυπα αυτής.
    species = "H. sapiens"

    # Βασικός initializer, καλείται όταν δημιουργείται στιγμιότυπο της κλάσης.
    # Σημ. οι διπλές κάτω παύλες πριν και μετά υποδηλώνουν αντικείμενα
    # ή γνωρίσματα που χρησιμοποιούνται από την Python αλλά ζουν σε ελεγχόμενα από
    # το χρήση namespaces.
    # Μέθοδοι (ή αντικείμενα ή γνωρίσματα) σαν τα __init__, __str__, __repr__ κλπ
    # είναι ειδικές μέθοδοι (λέγονται και dunder (double underscore) μέθοδοι)
    # Δεν πρέπει να δηλώνεις δικές σου τέτοιες συναρτήσεις
    def __init__(self, name):
        # Εκχώρησε στο attribute name του object το όρισμα
        self.name = name

        # Αρχικοποίησε την ιδιότητα
        self._age = 0

    # Μία μέθοδος στιγμιότυπου (instance method). Όλες οι μέθοδοι παίρνουν το
    # "self" ως πρώτο όρισμα
    def say(self, msg):
        print("{name}: {message}".format(name=self.name, message=msg))

    # Ακόμα μία instance method
    def sing(self):
        return 'yo... yo... microphone check... one two... one two...'

    # Μία μέθοδος κλάσεις είναι κοινή ανάμεσα σε όλα τα instances.
    # Καλούνται με  calling class ώς πρώτο όρισμα
    @classmethod
    def get_species(cls):
        return cls.species

    # Μία στατική μέθοδος καλείται χωρίς αναφορά σε κλάση ή στιγμιότυπο
    @staticmethod
    def grunt():
        return "*grunt*"

    # Ένα property είναι ακριβώς σαν ένα getter.
    # Μετατρέπει τη μέθοδο age σε ένα γνώρισμα (attribute) μόνο-για-ανάγνωση
    # με το ίδιο όνομα.
    # Δεν χρειάζεται να γράφουμε τετριμένους getters και setters στην Python όμως.
    @property
    def age(self):
        return self._age

    # Αυτό επιτρέπει στο property να γίνει set
    @age.setter
    def age(self, age):
        self._age = age

    # Αυτό επιτρέπει σε ένα property να διαγραφεί
    @age.deleter
    def age(self):
        del self._age


# Όταν ο διερμηνέας της Python διαβάζει αρχείο πηγαίου κώδικα τον εκτελεί όλο.
# Αυτός ο έλεγχος του __name__ σιγουρεύει ότι αυτό το block κώδικα τρέχει μόνο
# αυτό το module είναι το κύριο πρόγραμμα (και όχι imported)
if __name__ == '__main__':
    # Δημιουργούμε στιγμιότυπο κλάσης
    i = Human(name="Ian")
    i.say("hi")                     # "Ian: hi"
    j = Human("Joel")
    j.say("hello")                  # "Joel: hello"
    # τα i και j είναι στιγμιότυπα του τύπου Human

    # Καλούμε τη μέθοδο της κλάσης
    i.say(i.get_species())          # "Ian: H. sapiens"
    # Αλλάζουμε το κοινό attribute των αντικειμένων της κλάσης
    Human.species = "H. neanderthalensis"
    i.say(i.get_species())          # => "Ian: H. neanderthalensis"
    j.say(j.get_species())          # => "Joel: H. neanderthalensis"

    # Καλούμε τη static μέθοδο
    print(Human.grunt())            # => "*grunt*"

    # Δεν μπορούμε να καλέσουμε τη στατική μέθοδο με ένα στιγμιότυπο
    # επειδή το i.grunt() θα βάλει αυτόματα το self (δηλαδή το αντικείμενο i) ως όρισμα
    print(i.grunt())                # => TypeError: grunt() takes 0 positional arguments but 1 was given

    # Ενημερώνουμε το property για αυτό το στγμιότυπο
    i.age = 42
    # Παίρνουμε το property
    i.say(i.age)                    # => "Ian: 42"
    j.say(j.age)                    # => "Joel: 0"
    # Διαγράφουμε το property
    del i.age
    # i.age                         # => αυτό θα προκαλούσε AttributeError


####################################################
## 6.1 Κληρονομικότητα - Inheritance
####################################################

# Η κληρονομικότητα επιτρέπει σε νέες κλάσεις-παιδιά να οριστούν και να υιοθετήσουν
# μεθόδους και μεταβλητές από την κλάση-γονέα.

# Χρησιμοποιώντας την κλάση Human που ορίστηκε πριν ως τη βασική κλάση (ή κλάση-γονέα)
# μπορούμε να ορίσουμε τις κλάσεις-παιδιά Superhero, που κληρονομεί μεταβλητές όπως
# "species", "name", και "age", καθώς και μεθόδους όπως "sing" και "grunt"
# από την κλάση Human, αλλά επίσης έχει τις δικές του ξεχωριστές ιδιότητες

# Για να εκμεταλλευτείς το modularization κατά αρχείο, μπορείς να βάλεις την παραπάνω κλάση
# σε δικό της αρχείο, ας πούμε human.py

# Για να κάνουμε import συναρτήσεις από άλλα αρχεία χρησιμοποιούμε το παρακάτω format
# from "filename-without-extension" import "function-or-class"

from human import Human


# Προσδιόρισε την/τις parent class(es) ως παραμέτρους της κλάσης που ορίζεται
class Superhero(Human):

    # Αν η κλάση-παιδί πρέπει να κληρονομήσει όλους τους οεισμούς της κλάσης-γονέα
    # χωρίς καμία αλλαγή, μπορείς απλά να γράψεις pass (και τίποτα άλλο)
    # αλλά σε αυτή την περίπτωση είναι σχολιασμένο για να επιτρέψει τη δημιουργία
    # ξεχωριστής κλάσης-παιδιού:
    # pass

    # Η κλάση παιδί μπορεί να υπερφορτώσει (override) τα attributes της κλάσης από την οποία κληρονομεί
    species = 'Superhuman'

    # Τα παιδιά αυτόματα, κληρονομούν τον constructo της κλάσης-γονέα
    # συμπεριλαμβανομένων των ορισμάτων, αλλά μπορείς και να ορίσεις πρόσθετα ορίσματα
    # ή ορισμούς και να κάνεις override τις μεθόδους, όπως τον constructor.
    # Αυτός ο constructor κληρονομεί το όρισμα "name" από την κλάση Human και
    # προσθέτει τα ορίσματα "superpower" και "movie":
    def __init__(self, name, movie=False,
                 superpowers=["super strength", "bulletproofing"]):

        # πρόσθήκη επιπλέον attributes της κλάσης:
        self.fictional = True
        self.movie = movie
        # έχετε το νου σας τις μεταβλητές (mutable)  default τιμές, καθώς είναι κοινές
        self.superpowers = superpowers

        # Η συνάρτηση "super" επιτρέπει την πρόσβαση στις μεθόδους της κλάσης-γονέα
        # που είναι υπερφορτωμένες από το παιδί. Σε αυτή την περίπτωση τη μέθοδο __init__
        # Το παρακάτω καλεί τον constructor της κλάσης-γονέα:
        super().__init__(name)

    # υπερφόρτωση της μεθόδου sing
    def sing(self):
        return 'Dun, dun, DUN!'

    # προσθήκη νέας μεθόδου που εφαρμόζεται σε στιγμιότυπα
    def boast(self):
        for power in self.superpowers:
            print("I wield the power of {pow}!".format(pow=power))


if __name__ == '__main__':
    sup = Superhero(name="Tick")

    # Έλεγχος για το αν το στιγμιότυπο sup ανήκει στην κλάση Human
    if isinstance(sup, Human):
        print('I am human')
    if type(sup) is Superhero:
        print('I am a superhero')
# TODO:
    # Παίρνουμε το  Method Resolution search Order που χρησιμοποιούν οι getattr() και super()
    # Αυτό το attribute είναι δυναμικό και μπορεί να ανανεωθεί
    print(Superhero.__mro__)    # => (<class '__main__.Superhero'>,
                                # => <class 'human.Human'>, <class 'object'>)

    # Καλούμε μέθοδο της κλάσης-γονέα, αλλά χρησιμοποιεί το δικό της attribute
    print(sup.get_species())    # => Superhuman

    # Καλεί την υπερφορτωμένη μέθοδο
    print(sup.sing())           # => Dun, dun, DUN!

    # Καλεί μέθοδο από την κλάση Human
    sup.say('Spoon')            # => Tick: Spoon

    # Καλεί μέθοδο που υπάρχει μόνο στην κλάση Superhero
    sup.boast()                 # => I wield the power of super strength!
                                # => I wield the power of bulletproofing!

    # Κληρονομημένο class attribute
    sup.age = 31
    print(sup.age)              # => 31

    # Attribute που υπάρχει μόνο στην μέσα στην κλάση Superhero
    print('Am I Oscar eligible? ' + str(sup.movie))

####################################################
## 6.2 Πολλαπλή Κληρονομικότητα - Multiple Inheritance
####################################################

# Ένας ακόμη ορισμός κλάσης
# bat.py
class Bat:

    species = 'Baty'

    def __init__(self, can_fly=True):
        self.fly = can_fly

    # Αυτή η κλάση έχει επίσης μία μέθοδο say
    def say(self, msg):
        msg = '... ... ...'
        return msg

    # Και τη δική της μέθοδο sonar
    def sonar(self):
        return '))) ... ((('

if __name__ == '__main__':
    b = Bat()
    print(b.say('hello'))
    print(b.fly)


# Και ορίζουμε μία ακόμα κλάση που κληρονομεί από τις κλάσεις Superhero και Bat
# superhero.py
from superhero import Superhero
from bat import Bat

# Ας πούμε αυτή την κλάση Batman
class Batman(Superhero, Bat):

    def __init__(self, *args, **kwargs):
        # Τυπικά γα να κληρονομήουμε attributes πρέπει να καλέσουμε τη super:
        # super(Batman, self).__init__(*args, **kwargs)      
        # Ωστόσο έχουμε να κάνουμε με πολλαπλή κληρονομικότητα εδώ, και το super()
        # δουλεύει μόνο με την αμέσως ανώτερη κλάση στην ιεραρχία.
        # Οπότε, καλούμε ρητά την __init__ για όλους τους πρόγονους
        # Η χρήση των *args και **kwargs επιτρέπει έναν καθαρό τρόπο για να περνάμε ορίσματα
        # με κάθε κλάση-γονέα να "βγάζει μία φλούδα από το κρεμμύδι".
        Superhero.__init__(self, 'anonymous', movie=True,
                           superpowers=['Wealthy'], *args, **kwargs)
        Bat.__init__(self, *args, can_fly=False, **kwargs)
        # υπερφορτώνουμε την τιμή του γνωρίσματος name
        self.name = 'Sad Affleck'

    def sing(self):
        return 'nan nan nan nan nan batman!'


if __name__ == '__main__':
    sup = Batman()

    #
    # Λάβε το Method Resolution search Order που χρησιμοποιείται από το getattr() και το super().
    # Αυτό το attribute είναι δυναμικό και μπορεί να ενημερωθεί
    print(Batman.__mro__)       # => (<class '__main__.Batman'>,
                                # => <class 'superhero.Superhero'>,
                                # => <class 'human.Human'>,
                                # => <class 'bat.Bat'>, <class 'object'>)

    # Καλεί την μέθοδο της κλάσης-πατέρα αλλά χρησιμοποιεί το attribute της δικής του κλάσης
    print(sup.get_species())    # => Superhuman

    # Καλεί την υπερφορτωμένη μέθοδο
    print(sup.sing())           # => nan nan nan nan nan batman!

    # Καλεί μέθοδο από την κλάση Human, επειδή μετράει η σειρά της κληρονομιάς
    sup.say('I agree')          # => Sad Affleck: I agree

    # Καλεί μέθοδο που ανήκει μόνο στον δεύτερο πρόγονο
    print(sup.sonar())          # => ))) ... (((

    # Attribute της κληρονομημένης κλάσης
    sup.age = 100
    print(sup.age)              # => 100

    # Κληρονομούμενο attribute από τον δεύτερο πρόγονο του οποίου η default τιμή
    # έχει υπερφορτωθεί.
    print('Can I fly? ' + str(sup.fly)) # => Can I fly? False



####################################################
## 7. Προχωρημένα
####################################################

# Με τους Generators μπορείς να γράψεις τεμπέλικο κώδικα.
def double_numbers(iterable):
    for i in iterable:
        yield i + i
# Οι Generators είναι αποδοτικοί από άποψη μνήμης επειδή φορτώνουν μόνο τα δεδομένα
# που είναι αναγκαία για να επεξεργαστούμε την επόμενη τιμή του iterable.
# Αυτό μας επιτρέπει να κάνουμε πράξεις σε τιμές που υπό άλλες συνθήκες θα ήταν
# απαγορευτικά μεγάλες.
for i in double_numbers(range(1, 900000000)):  # το `range` είναι ένας generator.
    print(i)
    if i >= 30:
        break

# Όπως μπορείς να δημιουργήσεις list comprehension, έτσι μπορείς να δημιουργήσεις και
# generator comprehensions
values = (-x for x in [1,2,3,4,5])
for x in values:
    print(x)  # τυπώνει -1 -2 -3 -4 -5 στο console/terminal

# Μπορείς επίσης να μετατρέψεις ένα generator comprehension απευθείας σε λίστα.
values = (-x for x in [1,2,3,4,5])
gen_to_list = list(values)
print(gen_to_list)  # => [-1, -2, -3, -4, -5]


# Decorators
# σε αυτό το παράδειγμα το `beg` τυλίγει το `say`. Αν το say_please είναι True τότε
# θα αλλάξει το μήνυμα που επιστρέφεται.
from functools import wraps


def beg(target_function):
    @wraps(target_function)
    def wrapper(*args, **kwargs):
        msg, say_please = target_function(*args, **kwargs)
        if say_please:
            return "{} {}".format(msg, "Please! I am poor :(")
        return msg

    return wrapper


@beg
def say(say_please=False):
    msg = "Can you buy me a beer?"
    return msg, say_please


print(say())                 # Can you buy me a beer?
print(say(say_please=True))  # Can you buy me a beer? Please! I am poor :(