Java’dan gelen bir geli\u015ftirici i\u00e7in bu, ba\u015flang\u0131\u00e7ta biraz yabanc\u0131 gelebilir. Java’da bir i\u015flemi ba\u015fka bir metoda parametre olarak ge\u00e7irmek istedi\u011finizde, genellikle bir aray\u00fcz (interface) tan\u0131mlar ve bu aray\u00fcz\u00fc uygulayan bir s\u0131n\u0131f\u0131n nesnesini (genellikle bir anonim i\u00e7 s\u0131n\u0131f veya lambda ifadesi ile) ge\u00e7irirsiniz. Bu, bir “davran\u0131\u015f\u0131” (behavior) temsil eden bir nesneyi ge\u00e7irme modelidir. Python’da ise bu davran\u0131\u015f\u0131 do\u011frudan fonksiyonun kendisini ge\u00e7irerek sa\u011flayabilirsiniz. Bu durum, \u00f6zellikle callback (geri \u00e7a\u011f\u0131rma) fonksiyonlar\u0131, olay i\u015fleyiciler (event handlers) veya strateji (strategy) desenleri gibi yap\u0131larda kodun \u00e7ok daha sade ve okunabilir olmas\u0131n\u0131 sa\u011flar. Bu esneklik, Python’\u0131n dinamik do\u011fas\u0131n\u0131n ve geli\u015ftiricilere sundu\u011fu g\u00fcc\u00fcn \u00f6nemli bir par\u00e7as\u0131d\u0131r. Fonksiyonlar\u0131n de\u011fer olarak ele al\u0131nmas\u0131, daha soyut ve yeniden kullan\u0131labilir kod bloklar\u0131 olu\u015fturman\u0131za olanak tan\u0131r, bu da b\u00fcy\u00fck ve karma\u015f\u0131k projelerde bak\u0131m kolayl\u0131\u011f\u0131 ve geli\u015ftirme h\u0131z\u0131n\u0131 art\u0131r\u0131r.<\/p>\n
Python’da fonksiyonlar\u0131n birinci s\u0131n\u0131f vatanda\u015flar olmas\u0131, onlar\u0131 t\u0131pk\u0131 di\u011fer veri t\u00fcrleri gibi de\u011fi\u015fkenlere atayabilece\u011finiz, ba\u015fka fonksiyonlara arg\u00fcman olarak ge\u00e7irebilece\u011finiz ve hatta fonksiyonlardan geri d\u00f6nd\u00fcrebilece\u011finiz anlam\u0131na gelir. Bu \u00f6zellikler, kodunuzda inan\u0131lmaz bir esneklik ve mod\u00fclerlik sa\u011flar. Java’dan gelenler i\u00e7in bu, al\u0131\u015f\u0131lm\u0131\u015f\u0131n d\u0131\u015f\u0131nda bir yakla\u015f\u0131m olsa da, Python’\u0131n g\u00fcc\u00fcn\u00fc anlamak i\u00e7in kilit bir ad\u0131md\u0131r.<\/p>\n
\u00d6ncelikle, bir fonksiyonu bir de\u011fi\u015fkene atamakla ba\u015flayal\u0131m. Python’da bir fonksiyon tan\u0131mlad\u0131\u011f\u0131n\u0131zda, asl\u0131nda o fonksiyonun bellek adresini i\u015faret eden bir isim olu\u015fturursunuz. Bu ismi, t\u0131pk\u0131 bir say\u0131 veya metin de\u011fi\u015fkeni gibi ba\u015fka bir de\u011fi\u015fkene atayabilirsiniz:<\/p>\n
\n
\ndef merhaba_dunya():\n return \"Merhaba D\u00fcnya!\"\n\n# Fonksiyonu bir de\u011fi\u015fkene atama\nselamlama_fonksiyonu = merhaba_dunya\n\n# De\u011fi\u015fkeni kullanarak fonksiyonu \u00e7a\u011f\u0131rma\nprint(selamlama_fonksiyonu())\n# \u00c7\u0131kt\u0131: Merhaba D\u00fcnya!\n <\/code><\/pre>\n<\/p><\/div>\nYukar\u0131daki \u00f6rnekte, merhaba_dunya<\/code> fonksiyonunu selamlama_fonksiyonu<\/code> adl\u0131 de\u011fi\u015fkene atad\u0131k. Art\u0131k selamlama_fonksiyonu<\/code>, orijinal fonksiyon gibi davran\u0131r ve parantezlerle \u00e7a\u011fr\u0131ld\u0131\u011f\u0131nda ayn\u0131 sonucu verir. Bu, \u00f6zellikle takma adlar (aliases) olu\u015fturmak veya bir fonksiyonu daha genel bir isim alt\u0131nda kullanmak istedi\u011finizde faydal\u0131d\u0131r.<\/p>\nFonksiyonlar\u0131 ba\u015fka fonksiyonlara arg\u00fcman olarak ge\u00e7irmek, Python’daki fonksiyonel programlaman\u0131n temel ta\u015flar\u0131ndan biridir. Bu, “y\u00fcksek mertebeden fonksiyonlar” (higher-order functions) kavram\u0131n\u0131 ortaya \u00e7\u0131kar\u0131r; yani ba\u015fka fonksiyonlar\u0131 arg\u00fcman olarak alan veya fonksiyonlar\u0131 geri d\u00f6nd\u00fcren fonksiyonlar. Bu yap\u0131, callback’ler veya \u00f6zelle\u015ftirilebilir davran\u0131\u015flar i\u00e7in idealdir. \u00d6rne\u011fin, bir liste \u00fczerinde belirli bir i\u015flemi uygulayan genel bir fonksiyon yazabilir ve bu i\u015flemi ger\u00e7ekle\u015ftirecek fonksiyonu d\u0131\u015far\u0131dan parametre olarak alabilirsiniz:<\/p>\n
\n
\ndef eleman_islemci(liste, islem_fonksiyonu):\n sonuc = []\n for eleman in liste:\n sonuc.append(islem_fonksiyonu(eleman))\n return sonuc\n\ndef karesini_al(sayi):\n return sayi * sayi\n\ndef cift_mi_tek_mi(sayi):\n return \"\u00c7ift\" if sayi % 2 == 0 else \"Tek\"\n\nsayilar = [1, 2, 3, 4, 5]\n\n# karesini_al fonksiyonunu arg\u00fcman olarak ge\u00e7irme\nkareler = eleman_islemci(sayilar, karesini_al)\nprint(f\"Kareleri: {kareler}\")\n# \u00c7\u0131kt\u0131: Kareleri: [1, 4, 9, 16, 25]\n\n# cift_mi_tek_mi fonksiyonunu arg\u00fcman olarak ge\u00e7irme\ndurumlar = eleman_islemci(sayilar, cift_mi_tek_mi)\nprint(f\"Durumlar: {durumlar}\")\n# \u00c7\u0131kt\u0131: Durumlar: ['Tek', '\u00c7ift', 'Tek', '\u00c7ift', 'Tek']\n <\/code><\/pre>\n<\/p><\/div>\nBu \u00f6rnekte, eleman_islemci<\/code> fonksiyonu, bir liste ve bu listedeki her elemana uygulanacak bir islem_fonksiyonu<\/code> parametresi al\u0131r. Bu sayede, ayn\u0131 eleman_islemci<\/code> fonksiyonunu farkl\u0131 i\u015flemlerle (karesini_al<\/code> veya cift_mi_tek_mi<\/code>) yeniden kullanabiliyoruz. Bu yakla\u015f\u0131m, kod tekrar\u0131n\u0131 azalt\u0131r ve daha genel, esnek \u00e7\u00f6z\u00fcmler \u00fcretmenizi sa\u011flar. Java’da benzer bir esnekli\u011fi elde etmek i\u00e7in genellikle bir aray\u00fcz tan\u0131mlay\u0131p, o aray\u00fcz\u00fc uygulayan s\u0131n\u0131flar olu\u015fturman\u0131z gerekirken, Python’da do\u011frudan fonksiyon nesnelerini kullanmak yeterlidir. Bu sadelik, \u00f6zellikle veri i\u015fleme (data processing) ve d\u00f6n\u00fc\u015f\u00fcm (transformation) g\u00f6revlerinde Python’\u0131n neden bu kadar pop\u00fcler oldu\u011funu g\u00f6sterir.<\/p>\nAnonim Fonksiyonlar (Lambda) ve Y\u00fcksek Mertebeden Fonksiyonlar ile Kodunuzu Geli\u015ftirmek<\/h3>\n
Python’da fonksiyonlar\u0131n de\u011fer olarak ele al\u0131nmas\u0131, kodumuzu daha kompakt ve ifade edilebilir hale getiren g\u00fc\u00e7l\u00fc ara\u00e7lar sunar. Bu ara\u00e7lardan ikisi, anonim fonksiyonlar olarak da bilinen lambda<\/code> ifadeleri ve y\u00fcksek mertebeden fonksiyonlard\u0131r. Bu ikili, \u00f6zellikle k\u00fc\u00e7\u00fck, tek kullan\u0131ml\u0131k fonksiyonlara ihtiya\u00e7 duydu\u011funuzda veya veri i\u015fleme g\u00f6revlerinde kodunuzu sadele\u015ftirmek i\u00e7in idealdir.<\/p>\nlambda<\/code> ifadeleri, Python’da k\u0131sa, isimsiz fonksiyonlar olu\u015fturman\u0131n bir yoludur. Genellikle tek bir ifadeyi i\u00e7eren fonksiyonlar i\u00e7in kullan\u0131l\u0131rlar ve bir defa kullan\u0131lacaklar\u0131 durumlarda veya y\u00fcksek mertebeden fonksiyonlara arg\u00fcman olarak ge\u00e7irilmek \u00fczere tasarlanm\u0131\u015flard\u0131r. Java’daki lambda ifadelerine (Java 8 ve sonras\u0131) benzer bir amaca hizmet etseler de, Python’daki lambda<\/code>‘lar daha k\u0131s\u0131tl\u0131d\u0131r; yaln\u0131zca tek bir ifade i\u00e7erebilir ve karma\u015f\u0131k mant\u0131k bar\u0131nd\u0131ramazlar. Bir lambda<\/code> ifadesinin genel yap\u0131s\u0131 \u015f\u00f6yledir: lambda arg\u00fcmanlar: ifade<\/code>.<\/p>\n\n
\n# Basit bir lambda \u00f6rne\u011fi: iki say\u0131y\u0131 toplama\ntopla = lambda x, y: x + y\nprint(f\"10 ve 20'nin toplam\u0131: {topla(10, 20)}\")\n# \u00c7\u0131kt\u0131: 10 ve 20'nin toplam\u0131: 30\n\n# Bir listedeki elemanlar\u0131 karelerine g\u00f6re s\u0131ralama\nsayilar = [(1, 5), (3, 2), (2, 8), (4, 1)]\n# sorted fonksiyonu, anahtar olarak bir fonksiyon al\u0131r\nsirali_sayilar = sorted(sayilar, key=lambda eleman: eleman[1]**2)\nprint(f\"Karelerine g\u00f6re s\u0131ralanm\u0131\u015f say\u0131lar: {sirali_sayilar}\")\n# \u00c7\u0131kt\u0131: Karelerine g\u00f6re s\u0131ralanm\u0131\u015f say\u0131lar: [(4, 1), (3, 2), (1, 5), (2, 8)]\n <\/code><\/pre>\n<\/p><\/div>\nYukar\u0131daki \u00f6rnekte, sorted()<\/code> gibi y\u00fcksek mertebeden bir fonksiyona key<\/code> parametresi olarak bir lambda<\/code> ge\u00e7irdik. Bu lambda<\/code>, her bir eleman\u0131n ikinci de\u011ferinin karesini alarak s\u0131ralama kriterini belirler. Bu sayede, s\u0131ralama i\u015flemini ger\u00e7ekle\u015ftirmek i\u00e7in ayr\u0131 bir fonksiyon tan\u0131mlamak zorunda kalmad\u0131k, kod daha k\u0131sa ve amaca y\u00f6nelik oldu.<\/p>\nPython’da s\u0131kl\u0131kla kullan\u0131lan di\u011fer y\u00fcksek mertebeden fonksiyonlar aras\u0131nda map()<\/code> ve filter()<\/code> bulunur. Bu fonksiyonlar, bir iterable (yinelenebilir) \u00fczerinde belirli bir i\u015flemi uygulamak veya belirli bir ko\u015fula g\u00f6re elemanlar\u0131 filtrelemek i\u00e7in \u00e7ok etkilidir. Yine lambda<\/code> ifadeleri ile birlikte kullan\u0131ld\u0131klar\u0131nda, kodunuzu inan\u0131lmaz derecede sadele\u015ftirebilirler:<\/p>\n\n
\nsayilar_listesi = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]\n\n# map() ile her eleman\u0131n karesini alma\n# map, bir fonksiyon ve bir iterable al\u0131r, sonucu bir map nesnesi olarak d\u00f6nd\u00fcr\u00fcr\nkareler_map = list(map(lambda x: x**2, sayilar_listesi))\nprint(f\"Map ile kareler: {kareler_map}\")\n# \u00c7\u0131kt\u0131: Map ile kareler: [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]\n\n# filter() ile sadece \u00e7ift say\u0131lar\u0131 filtreleme\n# filter, bir fonksiyon (ko\u015ful) ve bir iterable al\u0131r, sonucu bir filter nesnesi olarak d\u00f6nd\u00fcr\u00fcr\ncift_sayilar_filter = list(filter(lambda x: x % 2 == 0, sayilar_listesi))\nprint(f\"Filter ile \u00e7ift say\u0131lar: {cift_sayilar_filter}\")\n# \u00c7\u0131kt\u0131: Filter ile \u00e7ift say\u0131lar: [2, 4, 6, 8, 10]\n <\/code><\/pre>\n<\/p><\/div>\nBu \u00f6rnekler, map()<\/code> ve filter()<\/code> gibi fonksiyonlar\u0131n, lambda<\/code>‘lar ile birle\u015fti\u011finde veri d\u00f6n\u00fc\u015f\u00fcm\u00fc ve filtreleme i\u015flemlerini ne kadar zarif bir \u015fekilde yapabildi\u011fini g\u00f6stermektedir. Java’da bu t\u00fcr i\u015flemler i\u00e7in genellikle d\u00f6ng\u00fcler (for-each) veya Java Stream API’\u0131 kullan\u0131l\u0131rken, Python’da bu y\u00fcksek mertebeden fonksiyonlar, daha deklaratif (bildirimsel) ve okunabilir bir stil sunar. Bu, \u00f6zellikle b\u00fcy\u00fck veri k\u00fcmeleriyle \u00e7al\u0131\u015f\u0131rken veya karma\u015f\u0131k algoritmalar\u0131 uygularken kodun anla\u015f\u0131l\u0131rl\u0131\u011f\u0131n\u0131 art\u0131r\u0131r ve hata yapma olas\u0131l\u0131\u011f\u0131n\u0131 azalt\u0131r. Fonksiyonel programlama prensiplerini benimsemek, Python’da daha verimli ve \u015f\u0131k kod yazman\u0131n anahtarlar\u0131ndan biridir.<\/p>\nGeli\u015fmi\u015f Kullan\u0131m Senaryolar\u0131: Kapat\u0131mlar (Closures) ve Dekorasyoncular (Decorators)<\/h3>\n
Python’da fonksiyonlar\u0131n de\u011fer olarak ele al\u0131nmas\u0131, sadece basit atamalar veya arg\u00fcman ge\u00e7i\u015fleriyle s\u0131n\u0131rl\u0131 de\u011fildir. Bu temel \u00f6zellik, dilin daha geli\u015fmi\u015f ve g\u00fc\u00e7l\u00fc yap\u0131 ta\u015flar\u0131ndan ikisi olan kapat\u0131mlar (closures) ve dekorasyoncular\u0131n (decorators) temelini olu\u015fturur. Java’dan gelen bir geli\u015ftirici i\u00e7in bu kavramlar, Python’\u0131n esnekli\u011fini ve dinamizmini tam olarak anlamak ad\u0131na kritik \u00f6neme sahiptir.<\/p>\n
Kapat\u0131mlar (Closures) Nedir ve Neden \u00d6nemlidir?<\/h4>\n
Bir kapat\u0131m, i\u00e7 i\u00e7e ge\u00e7mi\u015f bir fonksiyon (nested function) ile d\u0131\u015f fonksiyonun yerel kapsam\u0131ndaki (local scope) serbest de\u011fi\u015fkenlerin (free variables) birle\u015fimidir. Daha basit bir ifadeyle, bir fonksiyon ba\u015fka bir fonksiyonun i\u00e7inde tan\u0131mland\u0131\u011f\u0131nda ve d\u0131\u015f fonksiyonun de\u011fi\u015fkenlerine eri\u015fmeye devam etti\u011finde bir kapat\u0131m olu\u015fur, hatta d\u0131\u015f fonksiyonun \u00e7al\u0131\u015fmas\u0131 bitmi\u015f olsa bile. Bu, bir fonksiyonun kendi yarat\u0131ld\u0131\u011f\u0131 ortam\u0131 “hat\u0131rlamas\u0131n\u0131” sa\u011flar.<\/p>\n
\n
\ndef sayac_olusturucu(baslangic_degeri):\n sayi = baslangic_degeri\n\n def artir():\n nonlocal sayi # D\u0131\u015f fonksiyonun 'sayi' de\u011fi\u015fkenini de\u011fi\u015ftirir\n sayi += 1\n return sayi\n return artir\n\n# \u0130lk sayac\u0131 olu\u015ftur\nsayac1 = sayac_olusturucu(0)\nprint(f\"Sayac 1: {sayac1()}\") # \u00c7\u0131kt\u0131: Sayac 1: 1\nprint(f\"Sayac 1: {sayac1()}\") # \u00c7\u0131kt\u0131: Sayac 1: 2\n\n# \u0130kinci sayac\u0131 olu\u015ftur, kendi ba\u011f\u0131ms\u0131z durumuna sahip\nsayac2 = sayac_olusturucu(10)\nprint(f\"Sayac 2: {sayac2()}\") # \u00c7\u0131kt\u0131: Sayac 2: 11\nprint(f\"Sayac 1: {sayac1()}\") # \u00c7\u0131kt\u0131: Sayac 1: 3 (sayac1 kendi durumunu korur)\n <\/code><\/pre>\n<\/p><\/div>\nBu \u00f6rnekte, sayac_olusturucu<\/code> fonksiyonu, artir<\/code> ad\u0131nda bir i\u00e7 fonksiyon d\u00f6nd\u00fcr\u00fcr. artir<\/code> fonksiyonu, sayac_olusturucu<\/code>‘nun yerel de\u011fi\u015fkeni olan sayi<\/code>‘ya eri\u015fir ve onu de\u011fi\u015ftirir. sayac_olusturucu<\/code> \u00e7al\u0131\u015fmas\u0131n\u0131 bitirip d\u00f6nd\u00fc\u011f\u00fcnde bile, sayac1<\/code> ve sayac2<\/code> de\u011fi\u015fkenleri taraf\u0131ndan tutulan artir<\/code> fonksiyonlar\u0131, kendi sayi<\/code> de\u011fi\u015fkenlerinin durumunu hat\u0131rlamaya devam eder. Bu, \u00f6zel durumlu (stateful) fonksiyonlar veya fabrika fonksiyonlar\u0131 (factory functions) olu\u015fturmak i\u00e7in \u00e7ok g\u00fc\u00e7l\u00fc bir mekanizmad\u0131r. Java’daki anonim s\u0131n\u0131flar\u0131n veya lambda ifadelerinin d\u0131\u015f kapsamdan final<\/code> veya “effectively final” de\u011fi\u015fkenlere eri\u015fimiyle bir benzerlik g\u00f6sterse de, Python’daki kapat\u0131mlar daha dinamik bir durum y\u00f6netimi sunar.<\/p>\nDekorasyoncular (Decorators) ile Fonksiyon Davran\u0131\u015f\u0131n\u0131 Geni\u015fletmek<\/h4>\n
Dekorasyoncular, Python’daki en zarif ve g\u00fc\u00e7l\u00fc \u00f6zelliklerden biridir ve kapat\u0131mlar\u0131n do\u011frudan bir uygulamas\u0131d\u0131r. Temel olarak, bir dekorasyoncu, ba\u015fka bir fonksiyonu arg\u00fcman olarak alan ve genellikle o fonksiyonun davran\u0131\u015f\u0131n\u0131 de\u011fi\u015ftiren veya geni\u015fleten yeni bir fonksiyon d\u00f6nd\u00fcren bir fonksiyondur. Bu, mevcut fonksiyonlar\u0131n kodunu de\u011fi\u015ftirmeden i\u015flevsellik eklemenize olanak tan\u0131r. Ortak kullan\u0131m alanlar\u0131 aras\u0131nda loglama (logging), yetkilendirme (authorization), performans \u00f6l\u00e7\u00fcm\u00fc veya \u00f6nbelle\u011fe alma (caching) bulunur.<\/p>\n
\n
\ndef zamanlayici(func):\n import time # Fonksiyon i\u00e7inde i\u00e7e aktarma\n\n def sarmalayici(*args, **kwargs):\n baslangic = time.time()\n sonuc = func(*args, **kwargs)\n bitis = time.time()\n print(f\"{func.__name__} fonksiyonu {bitis - baslangic:.4f} saniyede \u00e7al\u0131\u015ft\u0131.\")\n return sonuc\n return sarmalayici\n\n@zamanlayici # zamanlayici dekorasyoncusunu uygula\ndef uzun_suren_islem(saniye):\n import time\n time.sleep(saniye)\n return f\"{saniye} saniye bekledik.\"\n\n@zamanlayici\ndef kisa_islem():\n return \"H\u0131zl\u0131ca bitti.\"\n\nprint(uzun_suren_islem(2))\nprint(kisa_islem())\n <\/code><\/pre>\n<\/p><\/div>\nYukar\u0131daki \u00f6rnekte, zamanlayici<\/code> bir dekorasyoncudur. uzun_suren_islem<\/code> ve kisa_islem<\/code> fonksiyonlar\u0131n\u0131n \u00e7al\u0131\u015ft\u0131r\u0131lma s\u00fcrelerini \u00f6l\u00e7mek i\u00e7in kullan\u0131l\u0131r. @zamanlayici<\/code> s\u00f6zdizimi, asl\u0131nda uzun_suren_islem = zamanlayici(uzun_suren_islem)<\/code> ifadesinin sentaktik \u015fekeridir (syntactic sugar). Yani, uzun_suren_islem<\/code> fonksiyonunu al\u0131r, zamanlayici<\/code> fonksiyonuna ge\u00e7irir ve zamanlayici<\/code>‘nin d\u00f6nd\u00fcrd\u00fc\u011f\u00fc yeni fonksiyonla orijinal uzun_suren_islem<\/code>‘i de\u011fi\u015ftirir. Bu sayede, orijinal fonksiyonun i\u00e7ine loglama veya zamanlama kodlar\u0131 eklemeden, d\u0131\u015far\u0131dan bu i\u015flevselli\u011fi kolayca dahil edebiliriz. Java’da benzer bir etkiyi elde etmek i\u00e7in Aspect-Oriented Programming (AOP) veya Proxy desenleri gibi daha karma\u015f\u0131k mekanizmalar kullan\u0131l\u0131rken, Python’daki dekorasyoncular bu t\u00fcr \u00e7apraz kesen endi\u015feleri (cross-cutting concerns) y\u00f6netmek i\u00e7in \u00e7ok daha basit ve do\u011frudan bir yol sunar. Bu, kodun temizli\u011fini, yeniden kullan\u0131labilirli\u011fini ve bak\u0131m\u0131n\u0131 \u00f6nemli \u00f6l\u00e7\u00fcde art\u0131r\u0131r.<\/p>\nGer\u00e7ek D\u00fcnya Uygulamalar\u0131nda Fonksiyonel Programlaman\u0131n G\u00fcc\u00fc: Vaka Analizleri<\/h3>\n
Fonksiyonlar\u0131n Python’da birer de\u011fer olmas\u0131, sadece teorik bir kavram olmaktan \u00f6te, ger\u00e7ek d\u00fcnya uygulamalar\u0131nda kod kalitesini ve geli\u015ftirme verimlili\u011fini art\u0131ran somut avantajlar sunar. Java’dan gelenler i\u00e7in bu t\u00fcr kullan\u0131m senaryolar\u0131n\u0131 g\u00f6rmek, Python’\u0131n esnekli\u011finin ve g\u00fcc\u00fcn\u00fcn pratik de\u011ferini anlamalar\u0131na yard\u0131mc\u0131 olacakt\u0131r. \u0130\u015fte birka\u00e7 vaka analizi:<\/p>\n
1. Strateji Deseni (Strategy Pattern) Uygulamas\u0131<\/h4>\n
Strateji deseni, bir algoritma ailesini tan\u0131mlar, her algoritmay\u0131 ayr\u0131 bir s\u0131n\u0131fa (veya Python’da fonksiyona) yerle\u015ftirir ve bunlar\u0131 de\u011fi\u015ftirilebilir hale getirir. Bu desen, Java’da genellikle bir aray\u00fcz ve bu aray\u00fcz\u00fc uygulayan s\u0131n\u0131flar arac\u0131l\u0131\u011f\u0131yla uygulan\u0131rken, Python’da fonksiyonlar\u0131 do\u011frudan strateji olarak kullanmak \u00e7ok daha basit ve zarif bir \u00e7\u00f6z\u00fcm sunar.<\/p>\n
\n
\n# Python'da stratejiler (fonksiyonlar olarak)\ndef toplama_stratejisi(a, b):\n return a + b\n\ndef cikarma_stratejisi(a, b):\n return a - b\n\ndef carpma_stratejisi(a, b):\n return a * b\n\nclass Hesaplayici:\n def __init__(self, strateji):\n self.strateji = strateji # Strateji fonksiyonunu sakla\n\n def hesapla(self, a, b):\n return self.strateji(a, b)\n\n# Toplama stratejisi ile kullanma\ntoplayici = Hesaplayici(toplama_stratejisi)\nprint(f\"Toplama sonucu: {toplayici.hesapla(10, 5)}\") # \u00c7\u0131kt\u0131: Toplama sonucu: 15\n\n# \u00c7\u0131karma stratejisi ile kullanma\ncikartici = Hesaplayici(cikarma_stratejisi)\nprint(f\"\u00c7\u0131karma sonucu: {cikartici.hesapla(10, 5)}\") # \u00c7\u0131kt\u0131: \u00c7\u0131karma sonucu: 5\n\n# Carpma stratejisi ile kullanma\ncarpici = Hesaplayici(carpma_stratejisi)\nprint(f\"\u00c7arpma sonucu: {carpici.hesapla(10, 5)}\") # \u00c7\u0131kt\u0131: \u00c7arpma sonucu: 50\n <\/code><\/pre>\n<\/p><\/div>\nBu \u00f6rnekte, Hesaplayici<\/code> s\u0131n\u0131f\u0131, constructor’\u0131nda (yap\u0131c\u0131 metodunda) bir strateji fonksiyonu al\u0131r. hesapla<\/code> metodu, bu saklanan strateji fonksiyonunu kullanarak i\u015flemi ger\u00e7ekle\u015ftirir. Java’da her strateji i\u00e7in ayr\u0131 bir s\u0131n\u0131f ve bir aray\u00fcz tan\u0131mlaman\u0131z gerekirken, Python’da sadece fonksiyonlar\u0131 kullanmak yeterlidir. Bu, kodun daha az “kazan dairesi kodu” (boilerplate code) i\u00e7ermesini sa\u011flar ve okunabilirli\u011fi art\u0131r\u0131r.<\/p>\n2. Olay \u0130\u015fleyiciler (Event Handlers) ve Geri \u00c7a\u011f\u0131rma (Callback) Fonksiyonlar\u0131<\/h4>\n
Web geli\u015ftirme (\u00f6rne\u011fin Flask, Django) veya GUI programlama (\u00f6rne\u011fin Tkinter, PyQt) gibi bir\u00e7ok alanda, belirli bir olay (event) meydana geldi\u011finde \u00e7a\u011fr\u0131lacak fonksiyonlar\u0131 tan\u0131mlaman\u0131z gerekir. Python’da, bu olay i\u015fleyicileri do\u011frudan fonksiyon olarak ge\u00e7irebilirsiniz.<\/p>\n
\n
\n# Basit bir olay y\u00f6neticisi s\u0131n\u0131f\u0131\nclass OlayYoneticisi:\n def __init__(self):\n self._dinleyiciler = {}\n\n def kayit_ol(self, olay_adi, isleyici_fonksiyonu):\n if olay_adi not in self._dinleyiciler:\n self._dinleyiciler[olay_adi] = []\n self._dinleyiciler[olay_adi].append(isleyici_fonksiyonu)\n print(f\"'{olay_adi}' olay\u0131na yeni dinleyici eklendi: {isleyici_fonksiyonu.__name__}\")\n\n def olay_tetikle(self, olay_adi, *args, **kwargs):\n if olay_adi in self._dinleyiciler:\n for isleyici in self._dinleyiciler[olay_adi]:\n isleyici(*args, **kwargs)\n else:\n print(f\"'{olay_adi}' i\u00e7in kay\u0131tl\u0131 dinleyici yok.\")\n\n# Olay i\u015fleyici fonksiyonlar\u0131m\u0131z\ndef kullanici_giris_yapti(kullanici_adi):\n print(f\"Sistem mesaj\u0131: {kullanici_adi} giri\u015f yapt\u0131.\")\n\ndef e_posta_gonder(kullanici_adi):\n print(f\"E-posta sistemi: {kullanici_adi} i\u00e7in ho\u015f geldin e-postas\u0131 g\u00f6nderiliyor.\")\n\n# Olay y\u00f6neticisini kullanma\nyonetici = OlayYoneticisi()\nyonetici.kayit_ol(\"giris\", kullanici_giris_yapti)\nyonetici.kayit_ol(\"giris\", e_posta_gonder)\nyonetici.kayit_ol(\"cikis\", lambda kullanici: print(f\"{kullanici} \u00e7\u0131k\u0131\u015f yapt\u0131. Ho\u015f\u00e7a kal!\"))\n\nyonetici.olay_tetikle(\"giris\", \"ali.veli\")\nyonetici.olay_tetikle(\"cikis\", \"ayse.yilmaz\")\n <\/code><\/pre>\n<\/p><\/div>\nBu senaryoda, OlayYoneticisi<\/code> s\u0131n\u0131f\u0131, belirli olaylara (\u00f6rne\u011fin “giris”, “cikis”) farkl\u0131 fonksiyonlar\u0131 dinleyici olarak kaydeder. Bir olay tetiklendi\u011finde, ilgili t\u00fcm kay\u0131tl\u0131 fonksiyonlar \u00e7a\u011fr\u0131l\u0131r. Burada kullanici_giris_yapti<\/code>, e_posta_gonder<\/code> ve hatta bir lambda<\/code> fonksiyonu do\u011frudan kayit_ol<\/code> metoduna parametre olarak ge\u00e7irilebilmektedir. Java’da bu t\u00fcr bir yap\u0131 i\u00e7in genellikle Observer (G\u00f6zlemci) deseni kullan\u0131l\u0131r ve dinleyiciler bir aray\u00fcz\u00fc uygulayan nesneler olmal\u0131d\u0131r. Python’\u0131n yakla\u015f\u0131m\u0131, ayn\u0131 i\u015flevselli\u011fi daha az kodla ve daha do\u011frudan bir \u015fekilde ifade etmenizi sa\u011flar.<\/p>\nBu vaka analizleri, Python’daki fonksiyonlar\u0131n de\u011fer olarak ele al\u0131nmas\u0131n\u0131n sadece sentaktik bir kolayl\u0131k olmad\u0131\u011f\u0131n\u0131, ayn\u0131 zamanda daha temiz, mod\u00fcler ve esnek yaz\u0131l\u0131m mimarileri olu\u015fturmak i\u00e7in g\u00fc\u00e7l\u00fc bir ara\u00e7 oldu\u011funu g\u00f6stermektedir. Java’dan gelen geli\u015ftiriciler bu esnekli\u011fi kavrad\u0131klar\u0131nda, Python’\u0131n sundu\u011fu potansiyeli tam olarak kullanmaya ba\u015flayabilirler.<\/p>\n
Sonu\u00e7: Python Fonksiyonelli\u011fi ile Daha Esnek ve Anla\u015f\u0131l\u0131r Kodlama<\/h2>\n
Java’dan Python’a ge\u00e7i\u015f yapan geli\u015ftiriciler i\u00e7in fonksiyonlar\u0131n “de\u011fer” olarak ele al\u0131nmas\u0131, ba\u015flang\u0131\u00e7ta bir adaptasyon s\u00fcreci gerektirse de, sundu\u011fu esneklik ve g\u00fc\u00e7 ile k\u0131sa s\u00fcrede vazge\u00e7ilmez bir \u00f6zellik haline gelir. Python’da fonksiyonlar\u0131n birinci s\u0131n\u0131f vatanda\u015flar olmas\u0131, onlar\u0131 de\u011fi\u015fkenlere atayabilmenizi, ba\u015fka fonksiyonlara arg\u00fcman olarak ge\u00e7irebilmenizi ve fonksiyonlardan d\u00f6nd\u00fcrebilmenizi sa\u011flar. Bu, kodu daha mod\u00fcler, yeniden kullan\u0131labilir ve okunabilir hale getiren y\u00fcksek mertebeden fonksiyonlar, lambda ifadeleri, kapat\u0131mlar ve dekorasyoncular gibi ileri d\u00fczey programlama tekniklerinin temelini olu\u015fturur. Bu makale boyunca ele ald\u0131\u011f\u0131m\u0131z kavramlar ve ger\u00e7ek d\u00fcnya \u00f6rnekleri, Python’\u0131n fonksiyonel programlama yeteneklerinin sadece sentaktik bir g\u00fczellik de\u011fil, ayn\u0131 zamanda karma\u015f\u0131k problemleri daha zarif ve etkili bir \u015fekilde \u00e7\u00f6zmenizi sa\u011flayan pratik bir ara\u00e7 oldu\u011funu g\u00f6stermi\u015ftir. Bu yakla\u015f\u0131mlar\u0131 benimseyerek, Java’dan gelen geli\u015ftiriciler Python’\u0131n sundu\u011fu t\u00fcm potansiyeli ke\u015ffedebilir ve daha temiz, daha esnek ve bak\u0131m\u0131 daha kolay kodlar yazabilirler.<\/p>\n