记住Python中的默认kwarg

这是您可以记住Python函数的方法：

def memo_square(a, cache={}): if a not in cache: cache[a] = a*a return cache[a] 

接待是鲜为人知的，因此在削减范围内，我们将分析其工作原理和用途。

首先，它如何以及为什么起作用。 memo_square （与其他任何函数一样）是函数类的对象，除其他属性外，还创建了创建对象时会填充的memo_square.__defaults__元组。 首先，它包含一个空字典，如函数头所示：

 >>> memo_square.__defaults__ ({},) 

__defaults__是一个常规元组，您不能更改其元素。 是的，您可以一次替换整个默认值集，但只能替换为另一个元组：

 >>> def test(a=1, b=2): ... print(a, b) ... >>> test.__defaults__ (1, 2) >>> test() 1 2 >>> test.__defaults__ = (', ', '') >>> test() ,  >>> test.__defaults__[1] = '' Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: 'tuple' object does not support item assignment >>> test.__defaults__ = {0: ', ', 1: ''} Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: __defaults__ must be set to a tuple object 

Soryan，本文不会涉及Picaba。 好吧，这并不重要。 重要的是，除了非常狡猾的代码外， func.__defaults__在程序运行期间连同其所有元素一起创建了一次。 元组及其元素不会在每次函数调用时都被重新创建，只要存在该函数，就将使用它们。 但是要改变，如果元素本身是可变的，没有人会禁止它们。 无法使用此类元素是用python射击自己的最常见方法之一 。 但是实际上在函数调用之间保存值可能非常有用。 几次调用后， memo_square.__defaults__将如下所示：

 >>> memo_square(2) 4 >>> memo_square.__defaults__ ({2: 4},) >>> memo_square(5) 25 >>> memo_square.__defaults__ ({2: 4, 5: 25},) >>> memo_square(2) 4 >>> memo_square.__defaults__ ({2: 4, 5: 25},) 

如果已经为相同的值调用了该函数，则将计算该值，并且因此不补充高速缓存。 对于一个正方形，好处很小（严格来说，对于一个正方形，好处是负面的，因为在字典中搜索比将两个数相乘更昂贵），但是对于真正昂贵的函数，记忆/缓存可能会有用。 当然，您可以通过多种方式在python中提供它。 以下是我们的替代方案：

• @ functools.lru_cache 。 functools模块中的装饰器，可以记住最近的函数调用。 它可靠且简单，但是它使用函数的所有参数作为键，这意味着它需要哈希，并且不能注意到两个形式上不同的参数值是等效的。 首先，关于集合中的函数的所有内容都是清楚的，例如，您可能会忘记。 好吧，或者在打电话时，将它们转换为Frozenset。 例如，对于第二个，我有一个函数，该函数将一个SQL连接和一个数字作为输入，并对与该数字关联的数据进行某种处理。 在程序运行期间，很可能会断开连接并重新建立连接，然后lru_cache缓存将飞走。 但是他知道如何仅缓存有限数量的调用（避免内存泄漏），并且有据可查。
• 缓存外部功能：
  
  

   def square(a): return a**a cache = {} for x in values: if x not in cache: cache[x] = x**x print cache[x] 

  
  意思是一样的，但是麻烦得多。 此外，缓存变量在函数外部是可见的，尽管除了用于记忆以外，它不用于其他任何用途。 带有default参数的备注存储过程中的缓存只能通过func.__defaults__从外部访问，这很难被错误地访问。
• 使用缓存刷新完整的对象，并将其功能用作方法。 良好的体系结构和可测试性，它使您可以维护任意复杂的缓存逻辑，但是由于目标代码中的样板文件，因此更加麻烦。 另外，如果存在多个可记忆的函数，则不清楚要继承什么，是否要继承。

这种记忆方法所失去的主要优点是它不是很惯用。 就个人而言，当我第一次偶然发现这个决定时，我花了几分钟思考一下这里发生了什么以及为什么。 另一方面，在这几分钟内，我开始更好地了解Python函数及其参数的排列方式。 因此，即使您不使用默认参数（例如用于记忆或加快名称解析速度 ），了解此技术对于任何营养学家仍然有用。