在Python中将过多的参数传递给函数

如何解决在Python中将过多的参数传递给函数

我正在研究一个对渗滤系统进行蒙特卡洛模拟的程序（使用python）。为了能够从GUI（tkinter）运行它并使用多个进程，我在main（）函数中定义了仿真的主要部分。事实是，该程序是一个物理模拟，它包含许多参数（10多个）。从main（）调用的某些函数也需要大量参数，并且被调用多次。例如，在我的main（）中，我有一个generate_wire（）函数，该函数接受8个参数，例如wires_mean_length，wires_distribution等。这被称为数百万次。

这会影响程序的效率吗？是应该修复的东西吗？如果可以，如何解决？

编辑：该代码的基本结构如下：

def generate_wire("8 parameters"):
     "generating a wire according to the parameters"

def main("main parameters"):
     for _ in range(nbr_sim):
         while True:
         generate_wire("8 parameters taken from the main parameters")
         "VarIoUs calculations"
         if percolation is True:
             break

if __name__ == '__main__':
     "GUI code"
     "Run button calls the main function with parameters from GUI entries"

解决方法

实际上，与其他设计相比，这不会影响程序的运行时间

您可以将所有参数带入字典或自定义类中，并传递它们以使逻辑更清晰

您可以将函数中的逻辑直接提升到循环中，这将使查找的频率降低

More about local variable lookups

def generate_wire_wrapper("8 parameters"):
    for _ in range(nbr_sim):
        "logic to generate a wire"
        "various calculations"

def main("main parameters"):
    generate_wire_wrapper("8 parameters taken from the main parameters")

但是，改进设计将是您真正的盟友

考虑不要在一个循环中调用同一函数数千次，而是考虑

• 使用某种pool of workers进行并行处理
• 利用C中的逻辑（或必须编写）来提高操作效率 科学图书馆的映射方法这样做是为了提高效率，其中一部分还通过每步做更多的工作来规避GIL（例如，Pandas dataframes .apply方法可以做到这一点）