计算机科学中的“reason about”是什么意思？
在学习函数式编程的同时，我还会遇到“纯粹的理由”一词，特别是在纯函数和/或参照透明性的背景下。 有人可以解释这到底是什么意思？
通常，在编写程序时，您的工作不仅仅是编写代码，而且还希望了解您的代码所展示的一些属性。 您可以通过两种方式来获得这些属性：通过逻辑分析或通过经验观察。
这些属性的例子包括：
- 正确性（程序是否按照它应该做的那样）
- 性能（需要多长时间）
- 可伸缩性（性能如何影响input）
- 安全（algorithm可以被恶意滥用）
当您凭经验测量这些属性时，会得到精度有限的结果。 因此，math上certificate这些性质是非常优越的，但是这并不总是容易的。 function语言通常具有其devise目标之一，使得其属性的mathcertificate更易于处理。 这是推理程序的典型意思。
在function上或者在较小的单元上，上面都是适用的，但是有时候作者仅仅意味着思考algorithm或者devisealgorithm。 这取决于具体的用法。
除此之外，还有一些例子说明了这些事情的一些原因，以及如何进行经验观察：
正确性：我们可以certificate代码是正确的，如果我们能够等价地表明它是做它应该做的。 所以对于一个sorting函数，如果我们可以显示任何我们给它的列表将有被sorting的属性，我们知道我们的代码是正确的。 经验上，我们可以创build一个unit testing套件，在这里我们给出我们的代码input示例，并检查代码是否具有期望的输出。
性能和可伸缩性：我们可以分析我们的代码，并certificatealgorithm的性能界限，以便我们知道如何花费时间取决于input的大小。 经验上，我们可以对我们的代码进行基准testing，看看它在特定机器上实际运行的速度。 我们可以进行负载testing，看看我们的机器/algorithm在折叠/变得不切实际前能够input多less实际的input。
从代码的angular度来讲，最简单的意思就是代码的思考，以及代码的真正含义（不是你认为它应该做什么）。这意味着
- 当你把数据扔到你的代码时，意识到你的代码的行为方式 ，
- 知道你可以重构什么东西 ，而不会打破它
- 密切关注可以执行哪些优化 ，
除其他事项外。 对我来说，推理部分在debugging或重构时扮演着最重要的angular色。
使用你提到的一个例子：当我试图找出函数的错误时，引用透明度可以帮助我很多。 引用的透明性保证了当我在函数中使用不同的参数时，我知道这个函数在我的程序中会有同样的反应。 除了它的论点以外，它不依赖于其他任何东西。 这使得函数更容易推理 – 而不是命令式语言，函数可能依赖于可能在我鼻子下面改变的一些外部variables。
查看它的另一种方式（这在重构时更有用）是，越是知道代码满足某些特性，就越容易推理。 我知道，例如，那
map f (map g xs) === map (f . g) xs 这是一个有用的属性，我可以直接应用，当我重构。 我可以声明Haskell代码的这个属性的事实使得更容易推理。 我可以尝试在Python程序中声明这个属性，但是我会更加不自信，因为如果我在selectf和g的时候运气不好，结果可能会大不相同。
非正式的意思是，“只要看看代码，就能知道程序会做什么”。 在大多数语言中，由于副作用，投射，隐式转换，重载函数和运算符等，这可能会令人惊讶地困难。也就是说，当你无法仅仅用大脑推理代码时，就必须运行它来看看它会做一个给定的input。
通常当人们说“推理”时，他们的意思是“等同推理”，这意味着certificate你的代码的属性而不运行它。
这些属性可以非常简单。 例如，给出以下(.)和id定义：
id :: a -> a id x = x (.) :: (b -> c) -> (a -> b) -> (a -> c) (f . g) = \x -> f (gx)
我们可能想要certificate：
f . id = f
这很容易certificate，因为：
(f . id) = \x -> f (id x) = \x -> fx = f
注意我是如何为所有的 fcertificate了这一点的。 这意味着我知道这个属性总是对的，不pipe怎么样，因此我不再需要在某种unit testing套件中testing这个属性，因为我知道它永远不会失败。
“推理一个程序”只是“分析一个程序，看看它是做什么的”。
这个想法是纯度简化了理解，无论是人为改变一个程序，还是一台机器编译一个程序，或者分析一个破碎的angular落案例。
