向map函数传递可变数量的参数

Question

假设我有一个函数，它的原型是：

def my_func(fixed_param, *args)

我希望使用多个参数运行此函数（不必每次运行的参数数相同），例如：

^{pr2}$

其中[1,2,3]和[1,2,3,4]分别对应于arg的第一组和第二组参数。在

但这行代码失败，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 list comprehension的性能，因为通常这是您使用的函数的问题。不管怎样，你的选择是：

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

或者

^{pr2}$

与itertools中的所有函数一样，starmap返回一个迭代器，因此如果需要列表，则必须将其传递给list构造函数。这肯定比listcomp慢。在

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

为了比较起见，让我们稍微改变一下函数

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

同样，列表理解更快。在

Answer 2

我认为您的代码只需做一些小的更改即可工作：

def f(l, all_args):
    print "Variable", all_args
    print "Fixed", l

map(partial(f, 1), [[1, 2, 3], [1, 2, 3, 4]])

>>> Variable [1, 2, 3]
>>> Fixed 1
>>> Variable [1, 2, 3, 4]
>>> Fixed 1

Answer 3

如果使用列表理解，则可以解压缩参数列表：

res= [my_func(3, *args) for args in [[1, 2, 3], [1, 2, 3, 4]]]

但是你不能用map来做这个。如果坚持使用map，则需要一个helper函数：

^{pr2}$