假设我有这样的功能:
from toolz.curried import *
@curry
def foo(x, y):
print(x, y)
然后我可以致电:
foo(1,2)
foo(1)(2)
两者都按预期返回。
但是,我想做这样的事情:
@curry.inverse # hypothetical
def bar(*args, last):
print(*args, last)
bar(1,2,3)(last)
这背后的想法是我想预先配置一个函数,然后把它放在这样的管道中:
pipe(data,
f1, # another function
bar(1,2,3) # unknown number of arguments
)
然后,bar(1,2,3)(data)
将被称为管道的一部分。但是,我不知道该怎么做。有任何想法吗?非常感谢你!
修改
要求提供一个更具说明性的例子。因此,它来了:
import pandas as pd
from toolz.curried import *
df = pd.DataFrame(data)
def filter_columns(*args, df):
return df[[*args]]
pipe(df,
transformation_1,
transformation_2,
filter_columns("date", "temperature")
)
正如您所看到的,DataFrame通过函数传递,filter_columns
就是其中之一。但是,该函数已预先配置并返回一个仅采用DataFrame的函数,类似于装饰器。用这个可以实现同样的行为:
def filter_columns(*args):
def f(df):
return df[[*args]]
return f
但是,我总是要打两个电话,例如filter_columns()(df)
,这就是我想避免的。
答案 0 :(得分:2)
我对toolz模块不太熟悉,但看起来没有简单的方法来讨论具有任意数量参数的函数,所以让我们尝试别的。
首先作为
的替代方案def filter_columns(*args):
def f(df):
return df[*args]
return f
(顺便说一下,df[*args]
是语法错误)
要避免filter_columns()(data)
,您可以抓住args
中的最后一个元素并使用切片表示法来抓取其他内容,例如
def filter_columns(*argv):
df, columns = argv[-1], argv[:-1]
return df[columns]
并使用filter_columns(df)
,filter_columns("date", "temperature", df)
等
然后使用functools.partial
构建新的,部分应用的过滤器来构建管道,例如
from functools import partial
from toolz.curried import pipe # always be explicit with your import, the last thing you want is import something you don't want to, that overwrite something else you use
pipe(df,
transformation_1,
transformation_2,
partial(filter_columns, "date", "temperature")
)