可变函数参数默认值的良好用途？

Question

在Python中将一个可变对象设置为函数中参数的默认值是一个常见的错误.以下是David Goodger撰写的优秀文章中的一个例子:

>>> def bad_append(new_item, a_list=[]):
        a_list.append(new_item)
        return a_list
>>> print bad_append('one')
['one']
>>> print bad_append('two')
['one', 'two']

之所以出现这种情况的解释是在这里.

现在我的问题是:这个语法有一个很好的用例吗？

我的意思是,如果遇到它的每个人都犯了同样的错误,调试它,理解问题,从而试图避免它,这种语法有什么用？

Answer 1

您可以使用它在函数调用之间缓存值:

def get_from_cache(name, cache={}):
    if name in cache: return cache[name]
    cache[name] = result = expensive_calculation()
    return result

但通常使用类可以做得更好,因为您可以使用其他属性来清除缓存等.

Answer 2

规范的答案是这个页面：http : //effbot.org/zone/default-values.htm

它还提到了可变默认参数的 3 个“好”用例：

• 在回调中将局部变量绑定到外部变量的当前值
• 缓存/记忆
• 全局名称的本地重新绑定（用于高度优化的代码）

Answer 3

我知道这是一个旧的，但只是为了它我想添加一个用例到这个线程。我定期为 TensorFlow/Keras 编写自定义函数和层，将脚本上传到服务器，在那里训练模型（使用自定义对象），然后保存模型并下载它们。为了加载这些模型，我需要提供一个包含所有这些自定义对象的字典。

在像我这样的情况下，您可以做的就是向包含这些自定义对象的模块添加一些代码：

custom_objects = {}

def custom_object(obj, storage=custom_objects):
    storage[obj.__name__] = obj
    return obj

然后，我可以装饰字典中需要的任何类/函数

@custom_object
def some_function(x):
    return 3*x*x + 2*x - 2

此外，假设我想将自定义损失函数存储在与自定义 Keras 层不同的字典中。使用 functools.partial 让我可以轻松访问新的装饰器

import functools
import tf

custom_losses = {}
custom_loss = functools.partial(custom_object, storage=custom_losses)

@custom_loss
def my_loss(y, y_pred):
    return tf.reduce_mean(tf.square(y - y_pred))

Answer 4

import random

def ten_random_numbers(rng=random):
    return [rng.random() for i in xrange(10)]

使用random模块,实际上是一个可变单例,作为其默认随机数生成器.

Answer 5

也许您不改变可变参数，但是期望可变参数：

def foo(x, y, config={}):
    my_config = {'debug': True, 'verbose': False}
    my_config.update(config)
    return bar(x, my_config) + baz(y, my_config)

（是的，我知道您可以config=()在这种特殊情况下使用，但是我发现这不太清楚，也不太笼统。）