* аргументы и другие параметры в оформленной функции в Python - PullRequest
Новая
       27

* аргументы и другие параметры в оформленной функции в Python

0 голосов
/ 23 мая 2019

У меня есть следующий скрипт, который отлично работает.Декоратор on_or_off берет значение из on_switch из функции и выполняется, если его значение равно True. 

import pandas as pd
import ctypes
import sec4_analysis as analysis

# Main class
######################################################################
class Analysis_ProjectX_Demographic(analysis.Analysis_ProjectX):
    def __init__(self):
        super()
        super().__init__()

    def demographic_analytic_steps(self):
        self.import_parent_ref_data()
        self.import_master_data()
        self.recategorize_var(on_switch=True)
        self.result_in_plaintext(on_switch=True)
        self.result_in_csv(on_switch=True)

    # Decorators
    def on_or_off(func):
        def wrapper(self, on_switch, *args):
            if on_switch:
                func(self, on_switch, *args)
        return wrapper

    # Core class functions
    @on_or_off
    def recategorize_var(self, on_switch=False):
        self.df_master_filtered = self.recat_binary(self.df_master_filtered, 'INDEX_RURAL', 'INDEX_RURAL_CAT', 0, 'URBAN', 1, 'RURAL')
        self.df_master_filtered = self.recat_age(self.df_master_filtered, 'INDEX_AGE', 'INDEX_AGE_CAT')

    @on_or_off
    def result_in_plaintext(self, on_switch=False):
        df_dict = {
            'TxGroup':self.df_master_filtered, 
            }
        for df_key, df in df_dict.items():
            print ('Dataset name: {}'.format(df_key))
            print ('Unique patients, n: {}'.format(df['PHN_ENC'].nunique()))
            self.descriptive_num_var_results(df_key, df, 'INDEX_AGE')
            self.descriptive_cat_var_results(df_key, df, 'INDEX_AGE_CAT')
            self.descriptive_cat_var_results(df_key, df, 'INDEX_RURAL_CAT')
            self.descriptive_cat_var_results(df_key, df, 'INDEX_SEX')

    @on_or_off
    def result_in_csv(self, on_switch=False):
        pass

    # Helper functions
    def recat_binary(self, df, old_var, new_var, old_val1, new_val1, old_val2, new_val2):
        df.loc[df[old_var] == old_val1, new_var] = new_val1 
        df.loc[df[old_var] == old_val2, new_var] = new_val2 
        return df

    def recat_age(self, df, old_var, new_var):
        df.loc[(df[old_var]>=19.00)&(df[old_var]<25.00), new_var] = '19-24'
        df.loc[(df[old_var]>=25.00)&(df[old_var]<30.00), new_var] = '25-29'
        df.loc[(df[old_var]>=30.00)&(df[old_var]<35.00), new_var] = '30-34'
        df.loc[(df[old_var]>=35.00)&(df[old_var]<40.00), new_var] = '35-39'
        df.loc[(df[old_var]>=40.00)&(df[old_var]<45.00), new_var] = '40-44'
        df.loc[(df[old_var]>=45.00)&(df[old_var]<50.00), new_var] = '45-49'
        df.loc[(df[old_var]>=50.00)&(df[old_var]<55.00), new_var] = '50-54'
        df.loc[(df[old_var]>=55.00)&(df[old_var]<60.00), new_var] = '55-59'
        df.loc[(df[old_var]>=60.00)&(df[old_var]<65.00), new_var] = '60-64'
        df.loc[(df[old_var]>=65.00)&(df[old_var]<300.00), new_var] = '65/above'
        return df

x = Analysis_ProjectX_Demographic()
x.demographic_analytic_steps()

Однако предполагается, что декорированные функции могут иметь любое количество параметров.кроме on_switch.Когда я введу еще параметр some_text в result_in_plaintext.().

import pandas as pd
import ctypes
import sec4_analysis as analysis

# Main class
######################################################################
class Analysis_ProjectX_Demographic(analysis.Analysis_ProjectX):
    def __init__(self):
        super()
        super().__init__()

    def demographic_analytic_steps(self):
        self.import_parent_ref_data()
        self.import_master_data()
        self.recategorize_var(on_switch=True)
        self.result_in_plaintext(some_text='This is done', on_switch=True)
        self.result_in_csv(on_switch=True)

    # Decorators
    def on_or_off(func):
        def wrapper(self, on_switch, *args):
            if on_switch:
                func(self, on_switch, *args)
        return wrapper

    # Core class functions
    @on_or_off
    def recategorize_var(self, on_switch=False):
        self.df_master_filtered = self.recat_binary(self.df_master_filtered, 'INDEX_RURAL', 'INDEX_RURAL_CAT', 0, 'URBAN', 1, 'RURAL')
        self.df_master_filtered = self.recat_age(self.df_master_filtered, 'INDEX_AGE', 'INDEX_AGE_CAT')

    @on_or_off
    def result_in_plaintext(self, some_text, on_switch=False):
        df_dict = {
            'TxGroup':self.df_master_filtered, 
            }
        for df_key, df in df_dict.items():
            print ('Dataset name: {}'.format(df_key))
            print ('Unique patients, n: {}'.format(df['PHN_ENC'].nunique()))
            self.descriptive_num_var_results(df_key, df, 'INDEX_AGE')
            self.descriptive_cat_var_results(df_key, df, 'INDEX_AGE_CAT')
            self.descriptive_cat_var_results(df_key, df, 'INDEX_RURAL_CAT')
            self.descriptive_cat_var_results(df_key, df, 'INDEX_SEX')

        print(some_text)

    @on_or_off
    def result_in_csv(self, on_switch=False):
        pass

    # Helper functions
    def recat_binary(self, df, old_var, new_var, old_val1, new_val1, old_val2, new_val2):
        df.loc[df[old_var] == old_val1, new_var] = new_val1 
        df.loc[df[old_var] == old_val2, new_var] = new_val2 
        return df

    def recat_age(self, df, old_var, new_var):
        df.loc[(df[old_var]>=19.00)&(df[old_var]<25.00), new_var] = '19-24'
        df.loc[(df[old_var]>=25.00)&(df[old_var]<30.00), new_var] = '25-29'
        df.loc[(df[old_var]>=30.00)&(df[old_var]<35.00), new_var] = '30-34'
        df.loc[(df[old_var]>=35.00)&(df[old_var]<40.00), new_var] = '35-39'
        df.loc[(df[old_var]>=40.00)&(df[old_var]<45.00), new_var] = '40-44'
        df.loc[(df[old_var]>=45.00)&(df[old_var]<50.00), new_var] = '45-49'
        df.loc[(df[old_var]>=50.00)&(df[old_var]<55.00), new_var] = '50-54'
        df.loc[(df[old_var]>=55.00)&(df[old_var]<60.00), new_var] = '55-59'
        df.loc[(df[old_var]>=60.00)&(df[old_var]<65.00), new_var] = '60-64'
        df.loc[(df[old_var]>=65.00)&(df[old_var]<300.00), new_var] = '65/above'
        return df

x = Analysis_ProjectX_Demographic()
x.demographic_analytic_steps()

Это выдало эту ошибку: 

line 16, in demographic_analytic_steps
self.result_in_plaintext(some_text='This is done', on_switch=True)
TypeError: wrapper() got an unexpected keyword argument 'some_text'

Ответы [ 2 ]

1 голос
/ 23 мая 2019 
class MyClass:
    def on_or_off(func):
            def wrapper(self,*args, **kwargs):
                if kwargs['on_switch']:
                    func(**kwargs)
            return wrapper
    @on_or_off
    def test(on_switch = False,some_text="This is done"):
          print(f' "Test" Function executed with on_switch = {on_switch} and some_text {some_text}')

obj = MyClass()
obj.test(on_switch = True, some_text="Abhijeet")
1 голос
/ 23 мая 2019

Параметр *args, который вы используете в функции wrapper, поддерживает только дополнительные аргументы, передаваемые в качестве позиционных аргументов. Он не поддерживает произвольные аргументы ключевых слов. Если вы хотите сопоставить аргументы ключевого слова, вам нужно использовать **kwargs (вместо или в дополнение к *args). В противном случае вам нужно изменить способ вызова функции, чтобы передать some_text в качестве позиционного аргумента вместо ключевого аргумента.

Обратите внимание, что порядок позиционных аргументов имеет значение! Вам нужно будет поместить *args позже в список аргументов, чем другие позиционные аргументы, что означает, что on_switch должен быть первым аргументом, а не вторым, если вы передаете их позиционно. Это одна из причин предпочтения аргументов ключевых слов, так как их порядок не имеет значения. Вы можете даже сделать аргументы только для ключевых слов , поместив их после параметра *args в объявлении функции (или после самого *, если вам вообще не нужен *args) , Если вы хотите максимально возможную поддержку, я бы предложил: 

# Decorators
def on_or_off(func):
    def wrapper(self, *args, on_switch, **kwargs):  # on_switch is keyword only now!
        if on_switch:
            func(self, *args, on_switch=on_switch, **kwargs) # note you may want to return here
    return wrapper
...