将可变数量的参数传递给map函数

Question

假设我有一个原型为:

def my_func(fixed_param, *args)

我想用多个参数运行这个函数(每次运行不需要相同数量的参数),例如:

res = map(partial(my_func, fixed_param=3), [[1, 2, 3], [1, 2, 3, 4]])

其中[1,2,3]和[1,2,3,4]分别对应于args的第一和第二组参数.

但是这行代码失败并出现以下错误:

TypeError: my_func() got multiple values for keyword argument 'fixed_param'

Answer 1

我不太确定mapvs列表理解性能,因为它经常是你使用的函数的问题.无论如何,您的选择是:

map(lambda x: my_func(3, *x), ...)

要么

from itertools import starmap

starmap(partial(my_func, 3), ...)

像所有函数一样itertools,starmap返回一个迭代器,因此list如果你想要一个列表,你必须将它传递给构造函数.这肯定会比listcomp慢.

编辑基准:

In [1]: def my_func(x, *args):
   ...:     return (x, ) + args
   ...: 

In [2]: from functools import partial

In [3]: from itertools import starmap

In [4]: import random

In [5]: samples = [range(random.choice(range(10))) for _ in range(100)]

In [6]: %timeit map(lambda x: my_func(3, *x), samples)
10000 loops, best of 3: 39.2 µs per loop

In [7]: %timeit list(starmap(partial(my_func, 3), samples))
10000 loops, best of 3: 33.2 µs per loop

In [8]: %timeit [my_func(3, *s) for s in samples]
10000 loops, best of 3: 32.8 µs per loop

为了便于比较,我们稍微改变一下这个功能

In [9]: def my_func(x, args):
       ...:     return (x, )  + tuple(args)
       ...: 

In [10]: %timeit [my_func(3, s) for s in samples]
10000 loops, best of 3: 37.6 µs per loop

In [11]: %timeit map(partial(my_func, 3), samples)
10000 loops, best of 3: 42.1 µs per loop

列表理解再次更快.