python将不同的** kwargs传递给多个函数

Question

通过python doc和stackoverflow，我了解了如何在def函数中使用** kwargs。 但是，我有一个案例需要两个子函数使用两组** kwarg。 有人可以告诉我如何正确分离**垃圾吗？

这是我的目标：绘制点集和插值的平滑曲线，
和我朴素的示例代码：

def smoothy(x,y, kind='cubic', order = 3, **kwargs_for_scatter, **kwargs_for_plot):
    yn_cor = interp1d(x, y, kind=kind, assume_sorted = False)
    xn = np.linspace(np.min(x), np.max(x), len(x) * order)
    plt.scatter(x,y, **kwargs_for_scatter)
    plt.plot(xn, yn_cor(xn), **kwargs_for_plot);
    return

感谢帮助。

Answer 1

没有这种机制。 有一个建议书PEP-448 ，据此，Python 3.5及后续版本可以对参数解压缩进行泛化。 Python 3.4和以前的版本不支持它。 总的来说，您可以做到的最好：

def smoothy(x,y, kind='cubic', order = 3, kwargs_for_scatter={}, kwargs_for_plot={}):
    yn_cor = interp1d(x, y, kind=kind, assume_sorted = False)
    xn = np.linspace(np.min(x), np.max(x), len(x) * order)
    plt.scatter(x,y, **kwargs_for_scatter)
    plt.plot(xn, yn_cor(xn), **kwargs_for_plot);
    return

然后将这些选项作为字典而不是kwargs传递给smoothy 。

smoothy(x, y, 'cubic', 3, {...}, {...})

因为变量名可能会暴露给调用者，所以您可能希望将它们重命名为更短的名称（也许是scatter_options和plot_options ）。

更新 ：Python 3.5和3.6现在是主流，它们确实支持基于PEP-448的扩展解压缩语法。

>>> d = {'name': 'joe'}
>>> e = {'age': 20}
>>> { **d, **e }
{'name': 'joe', 'age': 20}

但是，在这个kwargs打算用于多个目的地的方案中，这没有太大帮助。 即使smoothy()函数采用统一的smoothy()包，您也需要确定其中的哪个子函数用于哪些子函数。 最好是凌乱的。 多个dict参数（最好传递给每个kwarg子功能）仍然是最好的方法。

Answer 2

另一种更不同的方法

我意识到我参加聚会有点晚了。 但是，在处理由其他几个类组成的类时，我偶然发现了一个类似的问题。 我想避免为每个子类（或-function）传递字典，并且复制组件类的所有参数非常不干 ，而且冒着必须在以后更新所有它们的风险。

我的解决方案当然不是最短的，也不是很好，但是我认为它具有一定的优雅。 我在下面smoothy修改了功能：

import inspect

def smoothy(x,y, kind='cubic', order = 3, **kwargs):
    yn_cor = interp1d(x, y, kind=kind, assume_sorted = False)
    xn = np.linspace(np.min(x), np.max(x), len(x) * order)

    scatter_args = [k for k, v in inspect.signature(plt.scatter).parameters.items()]
    scatter_dict = {k: kwargs.pop(k) for k in dict(kwargs) if k in scatter_args}
    plt.scatter(x,y, **scatter_dict)

    plot_args = [k for k, v in inspect.signature(plt.plot).parameters.items()]
    plot_dict = {k: kwargs.pop(k) for k in dict(kwargs) if k in plot_args}
    plt.plot(xn, yn_cor(xn), **plot_dict);
    return

外植

首先，使用inspect.signature()第一个函数（scatter）接受的参数列表（ scatter_args inspect.signature() 。 然后从kwargs构造一个新的字典（ scatter_dict ），仅提取也在我们的参数列表中的项。 在这里使用dict(kwargs)可以确保我们遍历kwargs的副本，以便我们可以更改原始文件而不会出错。 然后可以将此新词典传递给函数（散点图），并为下一个函数重复这些步骤。

一个陷阱是，kwargs中的参数名称不能重复，因为它现在是一个字典。 因此，对于不控制参数名称的预构建函数，此方法可能会遇到问题。

这的确使我可以将所述组合类用作父（或子）类（传递剩余的kwarg）。

Answer 3

使用课程寻求帮助

我遇到了这个问题，因为我需要做类似的事情。 经过一番思考，似乎课堂教学会对我有所帮助。 我希望这也可以扩展到其他一些人。

import matplotlib.pyplot as plt
import numpy as np
from scipy.interpolate import interp1d

class KWAs:
    def __init__(self, algo):
        self.algo = algo
        self.kwargs_dict = {
            'scatter_params':{},
            'plot_params':{}
        } # preloading group keys allows plotting when a kwarg group is absent.

    def add_kwargs_to_dict(self, group_name, **kwargs):
        self.kwargs_dict[group_name] = kwargs

    def list_kwargs(self):
        print('Listing all kwarg groups:')
        for kwargs in self.kwargs_dict:
            print('\tkwarg group {}: {}'.format(kwargs, self.kwargs_dict[kwargs]))
        print()

    def get_kwarg_group(self,group):
        print('kwarg group {}: {}'.format(group, self.kwargs_dict[group]))
        print()

    def smoothy(self, x,y, kind='cubic', order = 3):
        yn_cor = interp1d(x, y, kind=kind, assume_sorted = False)
        xn = np.linspace(np.min(x), np.max(x), len(x) * order)
        plt.scatter(x,y, **self.kwargs_dict['scatter_params'])
        plt.plot(xn, yn_cor(xn), **self.kwargs_dict['plot_params'])

        plt.show()

kwas = KWAs('LSQ')
N = 20
colors = np.random.rand(N)
area = (20 * np.random.rand(N))**2

kwas.add_kwargs_to_dict('scatter_params', s=area, c=colors, alpha=0.5)
kwas.add_kwargs_to_dict('plot_params', linewidth=2.0, color='r')
kwas.list_kwargs()
kwas.get_kwarg_group('scatter_params')
kwas.get_kwarg_group('plot_params')

x = []; y = []
for i in range(N):
    x.append(float(i)*np.pi/float(N))
    y.append(np.sin(x[-1]))

kwas.smoothy(x, y)

我不知道您要使用kwargs控制什么参数，因此我从matplotlib示例中补充了一些参数。 上面的方法行得通，您可以在类的kwargs字典中添加无限数量的kwarg组，并添加可以根据需要使用kwargs的其他方法。

这是使用我添加的参数的输出：