目录 | 上一节 (6.4 生成器表达式) | [下一节 (7.2 匿名函数)]()

7.1 可变参数

本节介绍可变（variadic）参数。有时，可变参数应用 *args 和 **kwargs 进行示意。

可变地位参数（`*args`）

如果一个函数承受任意数量的（地位）参数，那么咱们称该函数应用了可变参数（variable arguments）。示例：

def f(x, *args):    ...

函数调用：

f(1,2,3,4,5)

额定的参数作为元组进行传递：

def f(x, *args):    # x -> 1    # args -> (2,3,4,5)

可变关键字参数（`**kwargs`）

一个函数也能够承受任意数量的关键字参数。示例：

def f(x, y, **kwargs):    ...

函数调用：

f(2, 3, flag=True, mode='fast', header='debug')

额定的参数作为字典进行传递：

def f(x, y, **kwargs):    # x -> 2    # y -> 3    # kwargs -> { 'flag': True, 'mode': 'fast', 'header': 'debug' }

可变地位参数与可变关键字参数联合应用

一个函数能够同时承受可变非关键字参数和可变关键字参数。

def f(*args, **kwargs):    ...

函数调用:

f(2, 3, flag=True, mode='fast', header='debug')

这些参数被分为地位参数和关键字参数两局部。

def f(*args, **kwargs):    # args = (2, 3)    # kwargs -> { 'flag': True, 'mode': 'fast', 'header': 'debug' }    ...

上述函数承受任意数量的地位参数和关键字参数。当编写包装器（wrappers）或要将参数传递给另一个函数时应用。

传递元组和字典

元组可扩大为可变参数:

numbers = (2,3,4)f(1, *numbers)      # Same as f(1,2,3,4)

字典也能够扩大为关键字参数:

options = {    'color' : 'red',    'delimiter' : ',',    'width' : 400}f(data, **options)# Same as f(data, color='red', delimiter=',', width=400)

练习

练习 7.1: 可变参数的简略示例

尝试定义下列函数：

>>> def avg(x,*more):        return float(x+sum(more))/(1+len(more))>>> avg(10,11)10.5>>> avg(3,4,5)4.0>>> avg(1,2,3,4,5,6)3.5>>>

请留神 *more 是如何收集其它所有参数的。　

练习 7.2：将元组和字典作为参数进行传递

假如你从文件中读取数据，并取得一个元组。例如：

>>> data = ('GOOG', 100, 490.1)>>>

当初，假如你想依据下面的数据创立一个 Stock 对象。如果你间接传 data ，那就行不通了：

>>> from stock import Stock>>> s = Stock(data)Traceback (most recent call last):  File "<stdin>", line 1, in <module>TypeError: __init__() takes exactly 4 arguments (2 given)>>>

这个问题很容易解决，间接应用 *data 即可。试试看：

>>> s = Stock(*data)>>> sStock('GOOG', 100, 490.1)>>>

如果你领有的是一个字典，那么你能够改用 **。示例：

>>> data = { 'name': 'GOOG', 'shares': 100, 'price': 490.1 }>>> s = Stock(**data)Stock('GOOG', 100, 490.1)>>>

练习 7.3：创立实例列表

在 report.py 程序中，咱们应用如下代码创立了一个实例列表：

def read_portfolio(filename):    '''    Read a stock portfolio file into a list of dictionaries with keys    name, shares, and price.    '''    with open(filename) as lines:        portdicts = fileparse.parse_csv(lines,                               select=['name','shares','price'],                               types=[str,int,float])    portfolio = [ Stock(d['name'], d['shares'], d['price'])                  for d in portdicts ]    return Portfolio(portfolio)

咱们能够改用 Stock(**d) 来简化代码。请实现批改。

练习 7.4：参数传递

fileparse.parse_csv() 函数具备一些选项，用于更改文件分隔符和错误报告。兴许你会想把这些抉择裸露给下面的 read_portfolio() 函数。请实现批改：

def read_portfolio(filename, **opts):    '''    Read a stock portfolio file into a list of dictionaries with keys    name, shares, and price.    '''    with open(filename) as lines:        portdicts = fileparse.parse_csv(lines,                                        select=['name','shares','price'],                                        types=[str,int,float],                                        **opts)    portfolio = [ Stock(**d) for d in portdicts ]    return Portfolio(portfolio)

批改实现后，尝试浏览读取一些带有谬误的文件：

>>> import report>>> port = report.read_portfolio('Data/missing.csv')Row 4: Couldn't convert ['MSFT', '', '51.23']Row 4: Reason invalid literal for int() with base 10: ''Row 7: Couldn't convert ['IBM', '', '70.44']Row 7: Reason invalid literal for int() with base 10: ''>>>

当初，尝试暗藏谬误：

>>> import report>>> port = report.read_portfolio('Data/missing.csv', silence_errors=True)>>>