Question

在链函数调用中向下传递参数的pythonic方法是什么？说我有以下功能：

 def get_remainder(timeseries,freq, model='additive', item='residue'):

      if item == 'residue':
          return decompose(timeseries, freq=freq, model=model).residue
      elif item == 'trend':
          return decompose(timeseries, freq=freq, model=model).trend

出于这个问题的目的，decompose函数存在并且并不重要。它以 multiplicative 或 additive 作为字符串作为模型。如您所见，get_remainder返回残差或趋势。总而言之，我们在这里有四个选择。我们可以

model ='additive'，item ='trend'
model ='additive'，item ='residue'
model ='multiplicative'等。

问题是get_remainder是链中的最后一个呼叫：

def func1(data, params):
    # does something to data, maybe shape is different, maybe some elements deleted etc. 
    return func2(data, params)

def func2(data, params):
    # does something to data 
    return func3(data, params)

def func3(data, params):
    # does something to data 
    remainder = get_remainder(timeseries,freq, model=params['model'], item=params['residue']):
    # does something to remainder. 
    returns remainder <> data

其中<>表示涉及余数和数据的某种操作。我希望能够从第一个函数func1中获得所有四种类型，因此我一直在model参数的链中传递item和params。

但是对我来说，这似乎很不可思议。中间函数都没有直接使用model和item（尽管params可能包含其他参数），它们只是随身携带它，因此最后一个函数可以使用它。

有什么更好的方法？

Answer 1

您正在寻找**kwargs（关键字参数）语法。现在，您可以使用任意数量的关键字参数调用func1，这些关键字参数将被收集到名为params的字典中。调用另一个函数时，可以使用字典拆包语法params来拆包**params。因此func2(data, **{"model": "additive"})与func2(data, model="additive")相同。

如果函数签名中包含关键字参数，则它将作为**params的一部分被收集。对于功能def f(a=1, **kwargs)，调用f(**{"a": 2})将使kwargs为空。

def func1(data, **params):
    # does something to data, maybe shape is different, maybe some elements deleted etc. 
    return func2(data, **params)

def func2(data, **params):
    # does something to data 
    return func3(data, **params)

def func3(data, **params):
    # does something to data 
    remainder = get_remainder(timeseries,freq, **params)

def get_remainder(timeseries,freq, model='additive', item='residue'):
    if item == 'residue':
        return decompose(timeseries, freq=freq, model=model).residue
    elif item == 'trend':
        return decompose(timeseries, freq=freq, model=model).trend

Python通过一系列函数调用传递参数

1 个答案: