4. 3 つを統合した完成イメージ

1. 3 層の重ね合わせ

ここまで見てきた 3 つの道具は、互いに直交する独立した役割を持ちます:

3 つを組み合わせると、次の 3 つの恩恵が同時に得られます:

• 関数の引数取り違えがコンパイル時に消える（Newtype）
• Modifier の適用順序ミスがコンパイル時に消える（Phantom Type）
• Repository の更新が非破壊で履歴付きになる（im）

2. アーキテクチャ図

3. 完成コード（一式）

3 層を組み合わせた具体的な Rust コード例:

use std::sync::Arc;
use std::marker::PhantomData;
use im::HashMap;
use ndarray::{Array2, Array3};

// ─────────────── 層 1: Newtype ───────────────
#[derive(Debug, Clone, Copy, PartialEq, Eq, Hash)]
pub struct Channel(pub u8);

#[derive(Debug, Clone, PartialEq, Eq, Hash)]
pub struct Filename(pub String);

#[derive(Debug, Clone, PartialEq, Eq, Hash)]
pub struct DataTag {
    pub filename: Filename,
    pub channel: Channel,
}

// ─────────────── 層 2: Phantom Type + ValueObject ───────────────
pub struct Raw;
pub struct DarkSubtracted;
pub struct ChannelSplit;
pub struct DfOverF;

#[derive(Clone)]
pub struct FramesData<S> {
    pub data: Arc<Array3<i16>>,   // 巨大データは Arc 共有
    pub tag:  DataTag,
    _state: PhantomData<S>,
}

// Raw のときだけ呼べる遷移
impl FramesData<Raw> {
    pub fn subtract_dark(self, dark: &Array2<i16>) -> FramesData<DarkSubtracted> {
        // 純粋関数として実装
        let new_data = /* 引き算 */ self.data;
        FramesData { data: new_data, tag: self.tag, _state: PhantomData }
    }
}

// DarkSubtracted 以降ならどれでも
pub trait PostDark {}
impl PostDark for DarkSubtracted {}
impl PostDark for ChannelSplit {}

impl<S: PostDark> FramesData<S> {
    pub fn df_over_f(self, baseline: f64) -> FramesData<DfOverF> { /* ... */
        FramesData { data: self.data, tag: self.tag, _state: PhantomData }
    }
}

// 統一型: Repository に入れるためには enum で型消去
#[derive(Clone)]
pub enum ValueObj {
    FramesRaw(FramesData<Raw>),
    FramesDark(FramesData<DarkSubtracted>),
    FramesSplit(FramesData<ChannelSplit>),
    FramesDfOverF(FramesData<DfOverF>),
    // Image / Trace / Text なども同様に...
}

// ─────────────── 層 3: im::HashMap で Repository ───────────────
#[derive(Clone)]
pub struct Repository {
    items: HashMap<DataTag, ValueObj>,
}

impl Repository {
    pub fn new() -> Self { Self { items: HashMap::new() } }

    pub fn insert(&self, tag: DataTag, v: ValueObj) -> Self {
        Self { items: self.items.update(tag, v) }
    }

    pub fn remove(&self, tag: &DataTag) -> Self {
        Self { items: self.items.without(tag) }
    }

    pub fn get(&self, tag: &DataTag) -> Option<&ValueObj> {
        self.items.get(tag)
    }
}

4. データフローと型の流れ

5. Modifier チェーンの関数合成

ScanDataPy の Modifier チェーンは「fold」で美しく表現できます:

// Modifier は「FramesData<S> → FramesData<S'>」の純粋関数
// 型が変わるので Box<dyn ...> ではなく具体的に並べる

pub fn load_and_process(path: &std::path::Path)
    -> Result<FramesData<DfOverF>, DomainError>
{
    let tsm = read_tsm(path)?;        // 副作用は最外層
    let raw = tsm.to_frames_raw();    // FramesData<Raw>
    let dark_sub = raw.subtract_dark(&tsm.dark_frame);
    let split = dark_sub.split_channels(NumFluoCh(2));
    let dfof = split.df_over_f(1000.0);
    Ok(dfof)
}

あるいは同種のモディファイア（同じ型同士の変換）が並ぶ場合は fold で:

// TraceData<BlComp> に複数の smoothing を適用
let smoothers: Vec<Smoother> = vec![...];
let smoothed = smoothers.iter()
    .try_fold(trace, |acc, m| m.apply(&acc))?;

6. ScanDataPy との対応表

7. 学習ロードマップ

3 つの道具を ScanDataNet に組み込むまでの推奨順序:

8. Phase L1 への接続

現状の PHASE_L1_TSM_PARSER.md の TsmFile 設計を、本ガイドの方針で見直すと:

9. まとめ

• FP 強寄りの ValueObject + Repository は Newtype + Phantom Type + im の 3 層で構成する
• 各層は独立した役割: 値の意味 / データの状態 / コレクションの不変性
• ScanDataPy で頻発していた 6 つの病巣（順序ミス・識別子混同・mutate・undo 欠如・テスト不能・部分一致分岐）が全部解消する
• 巨大データは Arc<ndarray> で共有し、im は ValueObject の容器としてだけ使う
• 導入順序: L1 で Newtype → L2-a で Phantom Type → L2-b で im
• L1 では Phantom Type を急がず、素朴な TsmFile で .npy bit-perfect 一致を最優先

関連リンク

• 1. Phantom Type による状態の型表現
• 2. Newtype による識別子の型安全性
• 3. im クレートによる永続データ構造
• ← 目次に戻る
• Option<T> の詳解 — get() -> Option<&ValueObj> の戻り値型の解説
• ../../ScanDataNet/FUNCTIONAL_PROGRAMMING_GUIDELINES.md
• ../../ScanDataNet/PHASE_L1_TSM_PARSER.md
• ../oo_vs_fp_state.html