公众号关注 “ML_NLP”
设为 “星标”，重磅干货，第一时间送达！
作者：张生荣 
来源：zhangshengrong.com/p/O3aA7r2kX4
Python的functools模块中有一种函数叫“偏函数”，自从接触它以来，发现确实是一个很有用且简单的函数，相信你看完这篇文章，你也有相见恨晚的感觉。
我们都知道，函数入参可以设置默认值来简化函数调用，而偏函数的作用就是将入参进行默认填充，降低函数使用的难度。
如int()函数，可以将字符型转换为整型，且默认的都是以十进制形式来转换，那为什么一定是十进制呢？如果想用以二进制的形式转换呢？其实我们可以看一下int函数它本身的定义偏函数，一个让你相见恨晚的实用函数
可以看到int有两种用法，可以传一个位置参数，还可以多传一个关键字参数base，也就是基于什么格式转换，默认不传base参数是以十进制转换。所以，用二进制形式转换的话只要base=2即可（见下方代码）
value = int(
'10000'
)

print(value)  
# 10000

value = int(
'10000'
, base=
2
)

print(value)  
# 16
如果每次转换的字符串的时候都要输入base参数，显得很麻烦，因此偏函数的作用就体现出来了，可以使用functools.partial()函数来重新定义
from
 functools 
import
 partial


int2 = partial(int, base=
2
)

res = int2(
'10000'
)

print(res)   
# 16
到这里，你应该已经感觉到了偏函数的一点点魅力吧，那我们再从多个角度进一步看透它。
自定义函数的使用
defadd(a, b, c):
  print(
'a='
,a,
'b='
,b,
'c='
,c)

return
 a + b + c


add10 = partial(add, 
10
)

res = add10(
1
, 
2
)   
# a= 10 b= 1 c= 2
如上代码中，partial(add, 10)入参并没有指定哪个关键字参数，函数却默认的将这个值传给了第一个参数a，那就说明，当没有指定默认参数时，默认赋值给第一个参数，余下参数按位置参数赋值。
当入参为可变参数时
defsum(*args):
  s = 
0
for
 n 
in
 args:

    s += n

return
 s


sum10 = partial(sum, 
10
)

print(sum10(
1
))  
# 11
print(sum10())   
# 10
按上述理解，没有指定默认参数时，默认赋给第一个参数，那么第一个参数永远是10，后面再传入参的话就从第二个参数开始计算，因此会实现10 + 1 = 11 的结果。同样，如果不继续传参的话，只有默认的10，所以结果就是10
当入参为可变关键字参数时
D = {
'value1'
:
10
, 
'value2'
:
20
}

V = {
'Default'
:
100
}

defshow(**kw):
for
 k 
in
 kw:

    print(k, kw.get(k))


showDef = partial(show, **V)

showDef(**D)

# Default 100
# value1 10
# value2 20
同理，此时入参由于是可变参数，因此默认是第一个传入，先打印Default关键字，这里关注一下函数的写法，可变关键字参数要写成（**V）
当入参为限制的关键字参数时
defstudent(name, * , age, city):
  print(
'name:'
,name, 
'age:'
,age, 
'city:'
,city)


studentAge = partial(student, age=
20
)

studentAge(
'Tom'
,
'Beijing'
)

# TypeError: student() takes 1 positional argument but 2 positional arguments (and 1 keyword-only argument) were given
我们知道，当用*号分隔开，表示后面的关键字参数是必传的，因此对于默认参数也是同样适用，即当参数为必传时，偏函数也需要对每个关键字参数设置默认值。因此修改后为
studentAge = partial(student, age=
20
, city=
'Beijing'
)

studentAge(
'Tom'
) 
# name: Tom age: 20 city: Beijing
综上，偏函数可以将目标函数的部分参数固化后，重新定义为新的函数，降低了编码的复杂度，尤其是当参数很多的时候，或者只用到其中某些参数的场景下时，效果更为显著。
到这里，你是否有了相见恨晚的感觉呢？简单函数小技巧，非常实用的偏函数用法就介绍完了.
仓库地址共享：
在机器学习算法与自然语言处理公众号后台回复“代码”，
即可获取195篇NAACL+295篇ACL2019有代码开源的论文。开源地址如下：https://github.com/yizhen20133868/NLP-Conferences-Code
重磅！忆臻自然语言处理-Pytorch交流群已正式成立！
群内有大量资源，欢迎大家进群学习！
注意：请大家添加时修改备注为 [学校/公司 + 姓名 + 方向]
例如 —— 哈工大+张三+对话系统。
号主，微商请自觉绕道。谢谢！

推荐阅读：
Longformer：超越RoBERTa，为长文档而生的预训练模型
一文直观理解KL散度
机器学习必读TOP 100论文清单：高引用、分类全、覆盖面广丨GitHub 21.4k星

继续阅读
阅读原文
关键词
函数
参数
关键字参数
默认参数
偏函数