为什么`scipy`接受单独的`args`作为目标函数？

Question

自从almost forever以来，Python已经有了lambda表达式。然而，scipy和一些其他库遵循different paradigm，同时接受作为参数的函数，例如。：

def minimize(fun, x0, args=(), [...]): 
''' 
where: 
    args : tuple, optional 
      Extra arguments passed to the objective function [...] 
''' 
... 

即，他们接受额外的参数传递到fun作为一个单独的列表/元组args而不是鼓励lambda功能的使用。这似乎是在代码中可以避免的一个额外的理由。

这是为什么？ lambda函数是否较慢？还是仅仅遵循其他语言的约定，如R（可能会提出相同的问题并指向S）？

如果我正在设计一个新的API，在尊重这个选择方面有优势吗？

Answer 1

当我看着optimize.minimize的代码，我发现它将任务传递给像_minimize_neldermead这样的函数。反过来，这些拨打电话，如：

fcalls, func = wrap_function(func, args) 
<more setup> 
... = func(x0) 
... = func(y) 

这是（从scipy/optimize/optimize.py）：

def wrap_function(function, args): 
    ncalls = [0] 
    if function is None: 
     return ncalls, None 

    def function_wrapper(*wrapper_args): 
     ncalls[0] += 1 
     return function(*(wrapper_args + args)) 

    return ncalls, function_wrapper 

所以args由它们串联到变量（wrapper_args），将通过元组的函数处理。这是一个简单，直接的包装机制。

此.py文件学分

# optimize.py module by Travis E. Oliphant 
... 
# A collection of optimization algorithms. Version 0.5 
# CHANGES 
# Added fminbound (July 2001) 

特拉维斯头是一个非常重要的numpy原开发商。注意早年的变化。我假设这个包装是在scipy安装在github存储库之前很久才添加的，但是你肯定可以检查。

描述包装功能如何解释他为什么选择它。这可能是因为他在FORTRAN和C包之后对API进行了建模。其中一些scipy优化，ode和插值函数最终使用编译代码。

---

我发现改变了这种包装函数的语法2013拉请求：

- def function_wrapper(x): 
+ def function_wrapper(*wrapper_args): 
     ncalls[0] += 1 
-  return function(x, *args) 
+  return function(*(wrapper_args + args)) 

https://github.com/scipy/scipy/commit/cf3adca80e371fd19a34b398d2f1ed0e19f0cbdc

https://github.com/scipy/scipy/issues/3785

显然有些人有问题，定义args作为列表或单个项目，而不是元组。有SO问题，人们使用args=(x)而不是args=(x,)。在issue中提到的替代方案是functools.partial。

Answer 2

这其中很大一部分是因为Python具有“半个lambda”，而不是像lisp或Erlang那样真正成熟的lambdas。

Python lambda仅限于单个表达式*，不能包含某种内置的副作用语句，并且不能将其扩展为多行而不将它们包含在parens中。命名函数可以自由传递，可以做任何你想象的事情。语义空白的语言没有什么动机来调整其余的语法来适应任意复杂的lambda表达式。

最终，在某些情况下，Python lambda可以很方便，但它们根本不是任意强大的设计。

（这是可以通过括号和产品线延伸的方式来写到位大毛lambda表达式，但非常凌乱和unpythonic。这些天，即使在二郎有一种趋势，经过多年获得与lambda表达式很疯狂的只使用lambda定义在调用外部定义的函数时使用lambda定义，以这种方式使用lamdbas（或lisp）lambda甜蜜点，并在出现问题时提供更好的跟踪。）

所以折中方法与我们在Python其他地方找到的相同：显式定义函数，然后将它们传递给你，如果你愿意的话。至于为什么scipy使用这种特定的参数传递技术，我想这是因为他们想让你定义和使用任意函数或任意参数，这是很容易处理命名函数而不是大疯狂其他Python程序员会憎恨你定义的就地lambda表达式。

相关：

• https://softwareengineering.stackexchange.com/questions/99243/why-doesnt-python-allow-multi-line-lambdas
• Language Design is Not Just Solving Puzzles（在上面的链接）

[*我曾错误地写了 “一个参数” 之前，罗伯特·克恩纠正我。]

Answer 3

是的，lambda功能可能会变慢，特别是如果内部函数是C扩展函数，通常是这种情况。该函数在最小化器内部相对紧密的循环中被调用，因此削减额外Python函数调用的开销可以提供帮助。

functools.partial()比lambda功能更好的选择，并且可以更清晰或大于传递args=到minimize()更方便，但是当这些API正在许多年前它不存在。