Python - 使用 'partial' 解决后期绑定问题，不适合成本与收益？

Question

注意： 我在问是否有一种Python方法可以做到这一点(使用默认args似乎比使用partial更不Python(，以及这两种方法是否有显著的局限性("成本"-我预计时间不会有显著差异，但可能还有其他局限性，我看不到这些局限性会使平衡向一种方法与另一种方法倾斜(

我试图了解在lambda不可行的后期绑定情况下使用"partial"的成本。我已经根据本指南创建了一些示例代码来举例说明这一点。

由于绑定延迟，以下内容无法按预期工作：

def create_thingies():
    thingies = []
    for i in range(1,6):
        def thingy(x):
            print("Some output", i)
            return i ** (x * i)
        thingies.append(thingy)
    return thingies
results=[]
for thingy in create_thingies():
    results.append(thingy(2))
print(results)

输出：

Some output 5
Some output 5
Some output 5
Some output 5
Some output 5
[9765625, 9765625, 9765625, 9765625, 9765625]

使用"分部"可以避免这个问题，但代价是什么？

from functools import partial
def create_thingies():
    thingies = []
    for i in range(1,6):
        def thingy(i, x):
            print("Some output", i)
            return i ** (x * i)
        thingies.append(partial(thingy, i))
    return thingies
results=[]
for thingy in create_thingies():
    results.append(thingy(2))
print(results)

输出：

Some output 1
Some output 2
Some output 3
Some output 4
Some output 5
[1, 16, 729, 65536, 9765625]

我在这里看到了很多关于lambda与partial的讨论，，但在lambda工作不好的情况下(一个非常复杂的函数(，如果(具有多个表达式的函数(是partial的话，还有更好的方法可以将其强制转换为lambda表达式吗

Answer 1

使用partial，不需要为i的每个值定义thingy一次，因为thingy不使用任何自由/全局变量，只使用其参数。

from functools import partial
def thingy(i, x):
    print("Some output", i)
    return i ** (x * i)
thingies = [partial(thingy, i) for i in range(1,6)]
results = [th(2) for th in thingies]
print(results)

至于成本，您应该了解性能是否可以接受。

---

这里有一个比较3个选项的快速测试：

import timeit
# The fastest: define a function using a default parameter value
print timeit.timeit('results = [ th(2) for th in create_thingies()]', '''
def create_thingies():
    thingies = []
    for i in range(1,6):
        def thingy(x,i=i):
            #print("Some output", i)
            return i ** (x * i)
        thingies.append(thingy)
    return thingies
''')
# The slowest, but IMO the easiest to read.
print timeit.timeit('results = [ th(2) for th in create_thingies()]', '''
def create_thingies():
    from functools import partial
    def thingy(i,x):
        #print("Some output", i)
        return i ** (x * i)
    return [partial(thingy, i) for i in range(1,6)]
''')
# Only a little slower than the first
print timeit.timeit('results = [ th(2) for th in create_thingies()]', '''
def create_thingies():
    def make_thingy(i):
        def thingy(x):
            #print("Some output", i)
            return i ** (x * i)
        return thingy
    thingies = [make_thingy(i) for i in range(1,6)]
    return thingies
''')

Answer 2

在函数创建时使用默认参数nalue绑定值：

def thingy(x, i=i):
    print("Some output", i)
    return i ** (x * i)

Answer 3

有几种方法可以进行早期绑定。一些最流行的是默认参数、partial和maker函数。至少在我的python版本的机器上，它们花费的时间大致相同。

以下是如何做到这三点的示例：

import time
from functools import partial
from contextlib import contextmanager
@contextmanager
def timer(what):
    t1 = time.time()
    yield
    print "%-30s: %5d millis" % (what, (time.time() - t1) * 1e3)
N = 5000
print
with timer('create bound'):
    thingies = []
    for i in xrange(N):
        def thingy(x, i=i):
            return i ** (x * i)
        thingies.append(thingy)
with timer('eval bound'):
    for t in thingies:
        t(2)
with timer('create partial'):
    def thingy(i, x):
        return i ** (x * i)
    thingies = [partial(thingy, i) for i in xrange(N)]
with timer('eval partial'):
    for t in thingies:
        t(2)
with timer('create maker'):
    def make_thingy(i):
        def thingy(x):
            return i ** (x * i)
        return thingy
    thingies = [make_thingy(i) for i in xrange(N)]
with timer('eval maker'):
    for t in thingies:
        t(2)

以下是我观察到的时间(Python 2.7.6+Windows+Haswell(：

create bound                  :     5 millis
eval bound                    :  1861 millis
create partial                :     2 millis
eval partial                  :  1832 millis
create maker                  :     2 millis
eval maker                    :  1829 millis

请注意，创建绑定方法的成本更高，但所有3个版本的调用开销都非常接近。

我通常使用分部函数和maker函数的组合，这取决于给定代码的哪一个最清晰。