# Patterns Python -> C (efficienza)

## 1) Mapping dati: scegliere strutture contigue

- `list[int/float]` -> buffer contiguo (`int32_t*`, `float*`, `double*`) + `size_t n`
- `tuple` a campi fissi -> `struct` con tipi espliciti
- `dict` con chiavi piccole/note -> array indicizzato o enum + switch
- `set` su dominio ridotto -> bitmap; su dominio ampio -> hash table dedicata

Pattern consigliato per API:

```c
int kernel_run(const float *restrict in, float *restrict out, size_t n);
```

## 2) Mapping controllo di flusso

- List comprehension numerica -> loop `for` con output preallocato
- `sum(...)` -> accumulatore locale tipizzato
- Generator pipeline -> passaggi espliciti su buffer intermedi preallocati
- Evitare callback in hot-path quando una chiamata diretta è possibile

## 3) Mapping semantica numerica

- Definire policy per `float` vs `double` prima della traduzione
- Riprodurre comportamento su NaN/Inf, divisione, modulo e rounding
- Isolare conversioni int/float fuori dal loop caldo

## 4) Gestione memoria e ownership

- Definire ownership in firma funzione e commento API
- Evitare `malloc/free` per elemento o per iterazione
- Riusare arena/buffer quando il workload è batch
- Validare dimensioni e puntatori in ingresso all'inizio della funzione

## 5) Branch e cache locality

- Ordinare il branch con caso frequente nel percorso lineare
- Ridurre dipendenze dati tra iterazioni in loop lunghi
- Ordinare campi `struct` per ridurre padding e cache miss

## 6) Error model coerente

Pattern consigliato:

```c
typedef enum {
  KERNEL_OK = 0,
  KERNEL_ERR_NULL = 1,
  KERNEL_ERR_SIZE = 2
} kernel_status_t;
```

Restituire errori prevedibili e senza side effect parziali non documentati.

## 7) Sequenza pratica di traduzione

1. Portare codice 1:1 in C per equivalenza funzionale.
2. Inserire test di parità output.
3. Profilare la versione C.
4. Ottimizzare solo le funzioni che dominano runtime.