Question

我有一个函数，它根据条件将numpy数组转换为包含True或False的数组，然后将彼此相邻的True或False条目分组并计算每个组的长度。这是为了确定给定月份降水数据中干燥法术或湿法术的长度。

这是功能：

import itertools
def spell(X, kind='wet', how='mean', threshold=0.5): 

    if kind=='wet':
        condition = X>threshold
    else:
        condition = X<=threshold

    length = [sum(1 if x==True else nan for x in group) for key,group in itertools.groupby(condition) if key]

    if not length: 
        res = 0
    elif how=='mean': 
        res = np.mean(length)
    else:
        res = np.max(length)

    return res

所以基本上可以选择确定湿法或干法术的平均长度或最大长度，给出一系列沉淀数据，默认参数设置为湿法术的平均长度。

我将此功能与pandas一起应用于历史记录的每个月：

#Create example dataframe
np.random.seed(1324)
idx = pd.DatetimeIndex(start='1960-01-01', periods=100, freq='d')
values = np.random.random(100)
df = pd.DataFrame(values, index=idx)

#Apply function
df.resample('M', how=spell)

我得到的是：

0
1960-01-31  1.555556
1960-02-29  1.500000
1960-03-31  1.777778
1960-04-30  6.000000

哪个是完美的，但我希望能够在运行中稍微更改此函数的默认值，以便我可以使用df.resample（）的其他选项。我已经研究过functools.partial()但是这只是一个解决方案，用于明确设置输入参数的情况。 spell(kind='dry', how='max', threshold=0.7)。有没有办法改变函数的默认参数，以便它们不需要在单词之后显式设置，以便我可以将它与df.resample()一起使用？

Answer 1

函数的默认值存储在该函数的func_defaults属性中，该属性是一个值元组，与函数func_code.co_varnames元组的尾随元素配对。例如：

>>> def foo(x, y=5):
...    return x, y
...
>>> foo(10)
(10, 5)
>>> foo.func_code.co_varnames
('x', 'y')
>>> foo.func_defaults
(5,)
>>> foo.func_defaults = (7,)
>>> foo(10)
(10, 7)

您甚至可以在事实之后为参数提供默认值：

>>> foo.func_defaults = (2, 3)
>>> foo()
(2, 3)

警告：我曾想过（ab）使用mock库来暂时覆盖函数默认值，方式与recent answer of mine类似。但是，之后似乎将默认值设置为None，这意味着要么（或我误解了）mock的行为存在错误，要么弄乱这样的函数有点危险

def foo(x=5):
    return x

assert foo() == 5
with mock.patch.object(foo, 'func_defaults', (10,)):
    assert foo() == 10

assert foo() == 5  # Oops; I'm observing foo.func_defaults to be None now

手动保存和恢复默认设置似乎正常，但正如您所料。

orig_defaults = foo.func_defaults
foo.func_defaults = (10,)
assert foo() == 10
foo.func_defaults = orig_defaults
assert foo() == 5

Answer 2

这听起来像是函数包装器的工作！

def spellwrapper(newkind, newhow, newthreshold):
    def wrapped_spell_func(X):
        spell(X, kind=newkind, how=newhow, threshold=newthreshold)
    return wrapped_spell_func

您可以使用

调用此函数

new_spell_func = spellwrapper(newkind, newhow, newthreshold)

它将返回spell函数的包装版本，该函数使用您的新参数作为＆＃34;默认值＆＃34;而不是在函数定义中创建的那些。然后你会用

df.resample('M', how=new_spell_func)

在python中更改函数的默认参数

2 个答案: