将带有参数的函数传递给Python中的另一个函数？


Passing functions with arguments to another function in Python?

是否可以将带有参数的函数传递给Python中的另一个函数？

比如说：

1
2
def perform(function):
    return function()

但要传递的函数将具有如下参数：

1
2
3
action1()
action2(p)
action3(p,r)

你是说这个吗？

1
2
3
4
5
6
7
8
9
10
11
12
def perform( fun, *args ):
    fun( *args )

def action1( args ):
    something

def action2( args ):
    something

perform( action1 )
perform( action2, p )
perform( action3, p, r )
相关讨论

这就是lambda的作用：

1
2
3
4
5
6
def Perform(f):
    f()

Perform(lambda: Action1())
Perform(lambda: Action2(p))
Perform(lambda: Action3(p, r))
相关讨论

您可以使用类似这样的函数工具中的分部函数。

1
2
3
4
5
6
7
8
from functools import partial

def perform(f):
    f()

perform(Action1)
perform(partial(Action2, p))
perform(partial(Action3, p, r))

也适用于关键字

1
perform(partial(Action4, param1=p))
相关讨论

使用functools.partial，而不是lambdas！而ofc-perform是一个无用的函数，可以直接传递函数。

1
2
for func in [Action1, partial(Action2, p), partial(Action3, p, r)]:
  func()

代码>

相关讨论

(几个月后)一个很小的真实例子，其中lambda是有用的，部分不是：假设你想通过二维函数得到各种一维横截面，就像在一排小山上切片。quadf( x, f )取一个一维f并调用它来表示各种x。在y=-1 0 1处垂直切割和x=-1 0 1处水平切割时调用它，

1
2
3
4
5
6
7
8
9
fx1 = quadf( x, lambda x: f( x, 1 ))
fx0 = quadf( x, lambda x: f( x, 0 ))
fx_1 = quadf( x, lambda x: f( x, -1 ))
fxy = parabola( y, fx_1, fx0, fx1 )

f_1y = quadf( y, lambda y: f( -1, y ))
f0y = quadf( y, lambda y: f( 0, y ))
f1y = quadf( y, lambda y: f( 1, y ))
fyx = parabola( x, f_1y, f0y, f1y )

据我所知，江户十一〔四〕不能这样做。--

1
2
quadf( y, partial( f, x=1 ))
TypeError: f() got multiple values for keyword argument 'x'

(如何在此添加标签numpy、partial、lambda？)

这被称为部分函数，至少有3种方法可以做到这一点。我最喜欢的方法是使用lambda，因为它避免了对额外包的依赖，而且是最不冗长的。假设你有一个函数add(x, y)，你想把add(3, y)作为参数传递给另一个函数，这样另一个函数就决定了y的值。

使用λ

1
2
3
4
5
6
7
8
9
10
11
12
# generic function takes op and its argument
def runOp(op, val):
    return op(val)

# declare full function
def add(x, y):
    return x+y

# run example
def main():
    f = lambda y: add(3, y)
    result = runOp(f, 1) # is 4

创建自己的包装

这里需要创建一个返回分部函数的函数。这显然要详细得多。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# generic function takes op and its argument
def runOp(op, val):
    return op(val)

# declare full function
def add(x, y):
    return x+y

# declare partial function
def addPartial(x):
    def _wrapper(y):
        return add(x, y)
    return _wrapper

# run example
def main():
    f = addPartial(3)
    result = runOp(f, 1) # is 4

使用functools中的分部

这与上面显示的lambda几乎相同。那我们为什么需要这个？原因不多。简言之，在某些情况下，partial可能会更快一些(参见其实现)，并且您可以将其用于早期绑定，而不是lambda的后期绑定。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
from functools import partial

# generic function takes op and its argument
def runOp(op, val):
    return op(val)

# declare full function
def add(x, y):
    return x+y

# run example
def main():
    f = partial(add, 3)
    result = runOp(f, 1) # is 4

这里有一种方法来完成一个闭包：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
    def generate_add_mult_func(func):
        def function_generator(x):
            return reduce(func,range(1,x))
        return function_generator

    def add(x,y):
        return x+y

    def mult(x,y):
        return x*y

    adding=generate_add_mult_func(add)
    multiplying=generate_add_mult_func(mult)

    print adding(10)
    print multiplying(10)
相关讨论