Question

我使用scipy / numpy代替matlab进行研究代码。有一个缺陷，我经常遇到。我找到了一种解决方案，但想要检查最佳实践和更好的解决方案。想象一下数学优化：

def calculation (data, max_it=10000, tol = 1e-5):
    k = 0
    rmse = np.inf 
    while k < max_it and rmse > tol:
        #calc and modify data - rmse becomes smaller in each iteration
        k += 1
    return data

它工作正常，我将它嵌入到我的代码中，在多个位置，例如：

 import module
 d = module.calculation (data)

但有时我想检查更多的见解并需要多个返回值。如果我只是附加多个返回值，我必须修改其他代码并解压缩第一个返回值。 这是少数情况之一，我更喜欢matlab来scipy 。在matlab中，只评估第一个返回值，除非你明确要求其余的。

所以我的matlab-like（=最佳）多个返回值的解决方案是[模块]的全局变量

def calculation (data, max_it=10000, tol = 1e-5):
    global k
    global rmse
    k = 0
    rmse = np.inf 
    while k < max_it and rmse > tol:
        #calc and modify data - rmse becomes smaller in each iteration
        k += 1
    return data

我的函数调用工作而不进行修改，如果我想验证ipython中的某些内容，请设置一些变量全局 reload（module）并使用 module.rmse 检查洞察力。

但我也可以从一开始就想象出一个OO-aproach，或者使用pdb，或者使用其他ipython魔法

Answer 1

您可以在调用info=True时指定您希望使用calculation参数返回更多信息。这是np.unique（带有return_inverse和return_index参数）和scipy.optimize.leastsq（带有full_output参数）的方法：

def calculation(data, max_it=10000, tol = 1e-5, info=False):
    k = 0
    rmse = np.inf 
    while k < max_it and rmse > tol:
        #calc and modify data - rmse becomes smaller in each iteration
        k += 1
    if info:
        return data, k, rmse
    else:
        return data

或者，您可以在calculation功能上分配其他属性：

def calculation(data, max_it=10000, tol = 1e-5):
    k = 0
    rmse = np.inf 
    while k < max_it and rmse > tol:
        #calc and modify data - rmse becomes smaller in each iteration
        k += 1
    calculation.k = k
    calculation.rmse = rmse
    return data

然后可以使用

访问添加的信息

import module
d = module.calculation(data)
rmse = module.calculation.rmse

请注意，如果calculation从多个线程并发运行，后一种方法将无法正常运行...

在CPython中（由于GIL），在任何给定时间只能执行一个线程，因此在多个线程中运行calculation几乎没有吸引力。但谁知道呢？可能存在一些需要在小规模上使用线程的情况，例如可能在GUI中。在那里，访问calculation.k或calculation.rmse可能会返回错误的值。

此外，Python的Zen说，“明确比隐含更好”。

所以我会推荐第一种方法。

科学python中的最佳多重返回值

1 个答案: