python - 如何覆盖函数定义中 **kwargs 的含义，以便将字典解压到函数 def 的默认参数中？

Question

在Python中，是否可以在函数定义中解压关键字args的字典？据我所知，这是不可能的，因为双星语法有两个独立的定义。仅当调用函数时才能解包，而在定义函数时则不能解包。这是真的？如果是这样，有没有办法解决它来完成类似于我想做的事情？换句话说，我可以覆盖此行为吗？

双星有两种用途** 。一、**可用于将字典(并将其解压)传递给函数。二、**kwargs可以在定义函数时使用来指示未指定数量的关键字参数。据我所知，这是 ** 的两个完全独立(尽管逻辑上一致)的定义。 .
详细说明在这里:
What does ** (double star) and * (star) do for Python parameters?

每个的简单示例。

def print_args(**kwargs):
    print kwargs   

print_args(one='this', two='that')
# {'two': 'that', 'one': 'this'}

def print_kw(one=None, two=None):
    print one; print two 

print_kw(**{'one':'this', 'two':'that'})
# this
# that

我想做的是:

packed_keywords = {'apple':'red', 'peach':'fuzzy'}
def print_unpacked_kw(**packed_keywords):
    print apple; print peach

print_unpacked()
# NameError: global name 'apple' is not defined 
# I'd like this to print out "red fuzzy"

为了进行比较，这里有一个类似代码的示例，未解压。这个版本可以工作，但没有按照我的意愿使用关键字 args 的字典。

def print_typed_kw(apple='red', peach='fuzzy'):     
    print apple; print peach

print_typed_kw()
# red
# fuzzy

编辑:我为什么要这样做？

上下文:
这个解释是针对 scikit-learn 的。如果您不熟悉这个库，最好忽略此上下文部分的其余部分。这个问题是在编写将进入管道的转换器类的背景下出现的。具体来说，我正在创建一个转换器，它将返回来自回归器的预测。我的想法是使用这个预测作为特征联合中的一个特征，该特征将进入另一个下游分类器。

管道的好处之一是在网格搜索中设置参数以优化超参数。根据我的经验，只有在 __init__ 中将参数定义为参数时，才可以通过这种方式访问​​用户定义函数的参数。估计器类的构造函数。这是我的类(class):

class RandForestTransformer(BaseEstimator, TransformerMixin):
    """
    Takes a random forest (or could be any classifier) and uses 
    predict as output for transform, which can then be used as
    a feature in another FeatureUnion and classifier. 
    """
    def __init__(self, 
                 n_estimators=10, criterion='mse', 
                 max_depth=None, min_samples_split=2, 
                 min_samples_leaf=1, min_weight_fraction_leaf=0.0, 
                 max_features='auto', max_leaf_nodes=None, 
                 bootstrap=True, oob_score=False, n_jobs=1, 
                 random_state=None, verbose=0, warm_start=False): 
        self.rf = RandomForestRegressor()  
    def fit(self, X, y):
        self.rf = self.rf.fit(X, y)
        return self
    def transform(self, X, y=None):
        return self.rf.predict(X)

我希望能够将字典传递给 __init__定义，以便我可以轻松更改各个参数，而无需每次都重新定义整个类。

编辑2:
关于我的具体问题，我想感谢 @j-a 建议查看 scikit-learn BaseEstimator 代码。
https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/base.py

BaseEstimator 的类定义明确指出参数必须在 __init__ 中给出对其进行内省(introspection)以供管道使用。

class BaseEstimator(object):
    """Base class for all estimators in scikit-learn
    Notes
    -----
    All estimators should specify all the parameters that can be set
    at the class level in their ``__init__`` as explicit keyword
    arguments (no ``*args`` or ``**kwargs``).
    """   

Answer 1

您正在尝试将包罗万象的 **kwargs 参数应用到您的 locals 命名空间中。由于 Python 中的优化限制，您无法执行此操作；局部变量实际上是一个 C 数组，解释器在其中通过索引查找变量(为函数生成的字节码使用索引而不是字符串来引用局部变量)。

所以不，你不能这样做。而且您不需要这样做，因为您的函数体不是动态的。无论如何，您必须在函数体中引用 apple 和 peach，因此，如果您需要访问更多关键字参数，则必须更新该代码；更新主体和函数参数列表时没有区别。

在更广泛的上下文中，您的 RandForestTransformer.__init__ 方法不使用任何关键字参数，因此定义所有这些名称是没有意义的。 可能是 scikit-learn 正在该方法上使用内省(introspection)来查看管道使用的变量，但如果是这种情况，则将关键字参数列表替换为 **kwargs 也不起作用，因为这会夺走内省(introspection)的唯一来源。