


Methoden zur Übergabe von Funktionsparametern in Python *args, **kwargs und anderen
In diesem Artikel werden die Funktionsparameter von Python erläutert. Wir werden verstehen, was args und **kwargs, / und sind. Obwohl es sich bei diesem Problem um ein grundlegendes Python-Problem handelt, werden wir häufig darauf stoßen, wenn wir Code schreiben in timm Diese Parameterübergabemethode wird verwendet.
Parameter definieren und übergeben
Was ist der Unterschied zwischen Parametern und Argumenten?
Viele Menschen verwenden diese Begriffe austauschbar, aber es gibt einen Unterschied:
- Parameter sind die in der Funktionsdefinition definierten Namen.
- Argumente sind die an die übergebenen Werte function# 🎜🎜#
def the_func(greeting, thing): print(greeting + ' ' + thing) the_func('hello', thing='world')
the_func('hello', 'world')# -> 'hello world' the_func('world', 'hello')# -> 'world hello' the_func(greeting='hello', thing='world') # -> 'hello world' the_func(thing='world', greeting='hello') # -> 'hello world' the_func('hello', thing='world')# -> 'hello world'
def multiply(a, b, args): result = a * b for arg in args: result = result * arg return result
In dieser Funktion definieren wir normalerweise die ersten beiden Parameter (a und b). Verwenden Sie dann args, um alle verbleibenden Argumente in ein Tupel zu packen. Sie können sich * so vorstellen, dass andere unverarbeitete Parameter abgerufen und in einer Tupelvariablen namens „args“ gesammelt werden:
multiply(1, 2)# returns 2 multiply(1, 2, 3, 4)# returns 24
def introduce(firstname, lastname, **kwargs): introduction = f"I am {firstname} {lastname}" for key, value in kwargs.items(): introduction += f" my {key} is {value} " return introduction
print(introduce(firstname='mike', lastname='huls')) # returns "I am mike huls" print(introduce(firstname='mike', lastname='huls', age=33, website='mikehuls.com')) # I am mike huls my age is 33 my website is overfit.cn
def transfer_money(*, from_account:str, to_account:str, amount:int):
print(f'Transfering ${amount} FORM {from_account} to {to_account}')
transfer_money(from_account='1234', to_account='6578', amount=9999)
# won't work: TypeError: transfer_money() takes 0 positional arguments but 1 positional argument (and 2 keyword-only arguments) were given
transfer_money('1234', to_account='6578', amount=9999)
# won't work: TypeError: transfer_money() takes 0 positional arguments but 3 were given
transfer_money('1234', '6578', 9999)
Nach dem Login kopieren#🎜🎜 #/ in der Funktionsdefinition Erzwingt, dass alle Argumente davor Positionsargumente sind. Dies bedeutet nicht, dass alle Argumente, die auf / folgen, nur Kwarg-Argumente sein dürfen. Dies können Positions- und Schlüsselwortargumente sein.
def transfer_money(*, from_account:str, to_account:str, amount:int): print(f'Transfering ${amount} FORM {from_account} to {to_account}') transfer_money(from_account='1234', to_account='6578', amount=9999) # won't work: TypeError: transfer_money() takes 0 positional arguments but 1 positional argument (and 2 keyword-only arguments) were given transfer_money('1234', to_account='6578', amount=9999) # won't work: TypeError: transfer_money() takes 0 positional arguments but 3 were given transfer_money('1234', '6578', 9999)
Wenn Sie das sehen, werden Sie sich auf jeden Fall fragen, warum das nicht die Lesbarkeit des Codes beeinträchtigt? klare Funktion, es sind keine Schlüsselwortargumente erforderlich, um ihre Funktionalität anzugeben. Zum Beispiel:
def the_func(arg1:str, arg2:str, /): print(f'provided {arg1=}, {arg2=}') # These work: the_func('num1', 'num2') the_func('num2', 'num1') # won't work: TypeError: the_func() got some positional-only arguments passed as keyword arguments: 'arg1, arg2' the_func(arg1='num1', arg2='num2') # won't work: TypeError: the_func() got some positional-only arguments passed as keyword arguments: 'arg2' the_func('num1', arg2='num2')
In diesem Beispiel wird geprüft, ob die Speichergröße von „a“ 100 Bytes überschreitet. Da der Name dieses x für uns nicht wichtig ist, ist es nicht erforderlich, beim Aufruf der Funktion x='a' anzugeben. Wenn Sie beispielsweise len(__obj=[]) aufrufen, sieht das bei unserem am häufigsten verwendeten len etwas albern aus, da len wie folgt definiert ist: def len(__obj: Sized) -> int:
#🎜 🎜#5, Mischen und AnpassenAls Beispiel betrachten wir die zuvor besprochene Len-Funktion. Diese Funktion erlaubt nur Positionsargumente. Wir werden diese Funktion erweitern, indem wir Entwicklern die Möglichkeit geben, zu wählen, ob Duplikate gezählt werden sollen, indem wir beispielsweise dieses Schlüsselwort mit kwargs übergeben: Der Parameter des formalen Parameters, da ein / davor steht. Der Parameter no_duplicate muss mit dem Schlüsselwort übergeben werden, das auffolgt. Sehen wir uns an, wie diese Funktion aufgerufen werden kann:
def exceeds_100_bytes(x, /) -> bool: return x.__sizeof__() > 100 exceeds_100_bytes('a') exceeds_100_bytes({'a'})
6 Zum Schluss fügen Sie sie zusammen
Die folgende Funktion ist ein sehr extremes Beispiel dafür, wie alle zuvor besprochenen Techniken kombiniert werden können : Es erzwingt, dass die ersten beiden Parameter positionell übergeben werden, die nächsten beiden Parameter können positionell übergeben werden, und mit Schlüsselwörtern, dann die beiden Nur-Schlüsselwort-Parameter, und dann verwenden wir ** kwargs, um die verbleibenden nicht erfassten Argumente zu erfassen.
def len_new(x, /, *, no_duplicates=False): if (no_duplicates): return len(list(set([a for a in x]))) return len(x)
Die Aufrufmethode ist wie folgt:
print(len_new('aabbcc'))# returns 6 print(len_new('aabbcc', no_duplicates=True))# returns 3 print(len_new([1, 1, 2, 2, 3, 3], no_duplicates=False)) # returns 6 print(len_new([1, 1, 2, 2, 3, 3], no_duplicates=True))# returns 3 # Won't work: TypeError: len_() got some positional-only arguments passed as keyword arguments: 'x' print(len_new(x=[1, 1, 2, 2, 3, 3])) # Won't work: TypeError: len_new() takes 1 positional argument but 2 were given print(len_new([1, 1, 2, 2, 3, 3], True))
Zusammenfassung
Es sieht chaotisch aus, oder? Das stimmt. Da Python beim Entwerfen eine sehr lockere Sprache ist, gibt es nicht so viele Spezifikationen. Je mehr Leute es verwenden, desto mehr Methoden werden verwendet, und es wird so.
Also zurück zum ersten Bild:
def func(x,/,y,,z,**k):
(x,/,y,,z,**k):是函数的参数。总共有四个参数:
- x: 是一个常规参数,这意味着它可以按位置传递,也可以按关键字传递。
- /,: 是一个参数分隔符,将仅限位置的参数与其他参数分开。与前面的x结合,意味着x只能按位置传递。
- y: 时另一个常规参数。
- *: 是一个参数分隔符,用于分隔仅限位置参数和仅限关键字参数。它意味着后面的z只能通过关键字传递。
- z: 是一个仅限关键字的参数。
- **k: 这是一个参数,将所有剩余的关键字参数收集到一个名为' k '的字典中。
这样解释是不是就很明白了。
我们今天介绍的这个例子虽然在看源代码时没有遇到这么复杂的情况,但是在 面试 的时候还真有人问(虽然我觉得没啥用),所以最好还是知道一些,以免尴尬。
如果你忘记了,这里可以教你一个变通的办法,可以使用类似的回答:
上面的参数传递在开发时并不常用,因为对于开发规范来说,应该保证代码的可读性,我们这边遵循的开发规范是:
1、尽量不要在函数定义中将可变位置参数 *args 和可变关键字参数 **kwargs 放在一起,因为这样会让函数的调用方式变得不太直观。
2、在使用可变参数时,要保证函数的行为是可预测的。上面函数中的进行了太多的python语法糖,对于理解该函数的参数会造成很大的困惑,也就是可读性太差,我们在进行codereview(如果你了解什么是codereview就说,不了解就说组长检查)/组长merge代码 时会直接要求返工,所以我们在实际开发时是不会用这个的。
对于我阅读的开源代码,也都基本上使用的是 **kwargs这种情况(这里可以举两个例子),还没有看到有人写这么乱的代码,我想要是写这样的代码估计开源的人也会被人吐糟(这里自己可以自行延伸),所以这些参数传递的规则我在学习的时候看到过,但是实际中没见过真正使用,就不太记住了。
回到本文,我们介绍了设计函数参数的所有方法,并了解了如何混合和匹配它们,虽然后面几个内容可能你一辈子也不会用到,但是了解一下也是好的,因为万一呢。
Das obige ist der detaillierte Inhalt vonMethoden zur Übergabe von Funktionsparametern in Python *args, **kwargs und anderen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



PHP und Python haben ihre eigenen Vor- und Nachteile, und die Wahl hängt von den Projektbedürfnissen und persönlichen Vorlieben ab. 1.PHP eignet sich für eine schnelle Entwicklung und Wartung großer Webanwendungen. 2. Python dominiert das Gebiet der Datenwissenschaft und des maschinellen Lernens.

Aktivieren Sie die Pytorch -GPU -Beschleunigung am CentOS -System erfordert die Installation von CUDA-, CUDNN- und GPU -Versionen von Pytorch. Die folgenden Schritte führen Sie durch den Prozess: Cuda und Cudnn Installation Bestimmen Sie die CUDA-Version Kompatibilität: Verwenden Sie den Befehl nvidia-smi, um die von Ihrer NVIDIA-Grafikkarte unterstützte CUDA-Version anzuzeigen. Beispielsweise kann Ihre MX450 -Grafikkarte CUDA11.1 oder höher unterstützen. Download und installieren Sie Cudatoolkit: Besuchen Sie die offizielle Website von Nvidiacudatoolkit und laden Sie die entsprechende Version gemäß der höchsten CUDA -Version herunter und installieren Sie sie, die von Ihrer Grafikkarte unterstützt wird. Installieren Sie die Cudnn -Bibliothek:

Python und JavaScript haben ihre eigenen Vor- und Nachteile in Bezug auf Gemeinschaft, Bibliotheken und Ressourcen. 1) Die Python-Community ist freundlich und für Anfänger geeignet, aber die Front-End-Entwicklungsressourcen sind nicht so reich wie JavaScript. 2) Python ist leistungsstark in Bibliotheken für Datenwissenschaft und maschinelles Lernen, während JavaScript in Bibliotheken und Front-End-Entwicklungsbibliotheken und Frameworks besser ist. 3) Beide haben reichhaltige Lernressourcen, aber Python eignet sich zum Beginn der offiziellen Dokumente, während JavaScript mit Mdnwebdocs besser ist. Die Wahl sollte auf Projektbedürfnissen und persönlichen Interessen beruhen.

Docker verwendet Linux -Kernel -Funktionen, um eine effiziente und isolierte Anwendungsumgebung zu bieten. Sein Arbeitsprinzip lautet wie folgt: 1. Der Spiegel wird als schreibgeschützte Vorlage verwendet, die alles enthält, was Sie für die Ausführung der Anwendung benötigen. 2. Das Union File System (UnionFS) stapelt mehrere Dateisysteme, speichert nur die Unterschiede, speichert Platz und beschleunigt. 3. Der Daemon verwaltet die Spiegel und Container, und der Kunde verwendet sie für die Interaktion. 4. Namespaces und CGroups implementieren Container -Isolation und Ressourcenbeschränkungen; 5. Mehrere Netzwerkmodi unterstützen die Containerverbindung. Nur wenn Sie diese Kernkonzepte verstehen, können Sie Docker besser nutzen.

Minio-Objektspeicherung: Hochleistungs-Bereitstellung im Rahmen von CentOS System Minio ist ein hochleistungsfähiges, verteiltes Objektspeichersystem, das auf der GO-Sprache entwickelt wurde und mit Amazons3 kompatibel ist. Es unterstützt eine Vielzahl von Kundensprachen, darunter Java, Python, JavaScript und Go. In diesem Artikel wird kurz die Installation und Kompatibilität von Minio zu CentOS -Systemen vorgestellt. CentOS -Versionskompatibilitätsminio wurde in mehreren CentOS -Versionen verifiziert, einschließlich, aber nicht beschränkt auf: CentOS7.9: Bietet einen vollständigen Installationshandbuch für die Clusterkonfiguration, die Umgebungsvorbereitung, die Einstellungen von Konfigurationsdateien, eine Festplattenpartitionierung und Mini

Pytorch Distributed Training on CentOS -System erfordert die folgenden Schritte: Pytorch -Installation: Die Prämisse ist, dass Python und PIP im CentOS -System installiert sind. Nehmen Sie abhängig von Ihrer CUDA -Version den entsprechenden Installationsbefehl von der offiziellen Pytorch -Website ab. Für CPU-Schulungen können Sie den folgenden Befehl verwenden: PipinstallTorChTorChVisionTorChaudio Wenn Sie GPU-Unterstützung benötigen, stellen Sie sicher, dass die entsprechende Version von CUDA und CUDNN installiert ist und die entsprechende Pytorch-Version für die Installation verwenden. Konfiguration der verteilten Umgebung: Verteiltes Training erfordert in der Regel mehrere Maschinen oder mehrere Maschinen-Mehrfach-GPUs. Ort

Bei der Installation von PyTorch am CentOS -System müssen Sie die entsprechende Version sorgfältig auswählen und die folgenden Schlüsselfaktoren berücksichtigen: 1. Kompatibilität der Systemumgebung: Betriebssystem: Es wird empfohlen, CentOS7 oder höher zu verwenden. CUDA und CUDNN: Pytorch -Version und CUDA -Version sind eng miteinander verbunden. Beispielsweise erfordert Pytorch1.9.0 CUDA11.1, während Pytorch2.0.1 CUDA11.3 erfordert. Die Cudnn -Version muss auch mit der CUDA -Version übereinstimmen. Bestimmen Sie vor der Auswahl der Pytorch -Version unbedingt, dass kompatible CUDA- und CUDNN -Versionen installiert wurden. Python -Version: Pytorch Official Branch

Python zeichnet sich in Automatisierung, Skript und Aufgabenverwaltung aus. 1) Automatisierung: Die Sicherungssicherung wird durch Standardbibliotheken wie OS und Shutil realisiert. 2) Skriptschreiben: Verwenden Sie die PSUTIL -Bibliothek, um die Systemressourcen zu überwachen. 3) Aufgabenverwaltung: Verwenden Sie die Zeitplanbibliothek, um Aufgaben zu planen. Die Benutzerfreundlichkeit von Python und die Unterstützung der reichhaltigen Bibliothek machen es zum bevorzugten Werkzeug in diesen Bereichen.
