【Python技巧系列】argparser处理字典

看scikit-learn的源码时,在benchmark的benchmark_20newsgroups.py(关于20newsgroups数据集看这里)中看到了一个有意思的用法,如下:

 

 1 import argparse
 2 
 3 ESTIMATORS = {
 4     "dummy": DummyClassifier(),
 5     "random_forest": RandomForestClassifier(n_estimators=100,
 6                                             max_features="sqrt",
 7                                             min_samples_split=10),
 8     "extra_trees": ExtraTreesClassifier(n_estimators=100,
 9                                         max_features="sqrt",
10                                         min_samples_split=10),
11     "logistic_regression": LogisticRegression(),
12     "naive_bayes": MultinomialNB(),
13     "adaboost": AdaBoostClassifier(n_estimators=10),
14 }
15 
16 parser = argparse.ArgumentParser()
17 parser.add_argument('-e', '--estimators', nargs="+", required=True,
18                         choices=ESTIMATORS)
19 args = vars(parser.parse_args())
20 
21 
22 for name in sorted(args["estimators"]):
23     clf = ESTIMATORS[name]

 

如果让我实现的话,我多半会这样:

 1 ESTIMATORS = {
 2     "dummy": DummyClassifier(),
 3     "random_forest": RandomForestClassifier(n_estimators=100,
 4                                             max_features="sqrt",
 5                                             min_samples_split=10),
 6     "extra_trees": ExtraTreesClassifier(n_estimators=100,
 7                                         max_features="sqrt",
 8                                         min_samples_split=10),
 9     "logistic_regression": LogisticRegression(),
10     "naive_bayes": MultinomialNB(),
11     "adaboost": AdaBoostClassifier(n_estimators=10),
12 }
13 
14 names = []
15 
16 for key, value in ESTIMATORS.items():
17     names.append(key)
18 
19 for name in sorted(names):
20     clf = ESTIMATORS[name]

 

这两种方法有什么优缺点呢?第一种的写法,行数多了一两行,不够简洁;第二种写法,虽然“简洁”了,但变量的使用在过程中,在程序主体中,在流程上不够清晰,反观第一种写法,将字典变量作为参数传递给函数,因此整个逻辑就清晰许多。

 

==================================================================================

argparser本身是python中用来处理命令行参数的一个工具,应用格式见文档。

 

转载于:https://www.cnblogs.com/manqing/p/4832720.html

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值