Python lambda：将函数分配给另一个函数答案

【问题标题】：Python lambda: Assign function to another functionPython lambda：将函数分配给另一个函数
【发布时间】：2016-10-24 11:54:20
【问题描述】：

我有两个功能，我想将它们结合起来：第一个名为 f(rdata, t) 的函数读取时间范围 t 的数据并将其排列以进行进一步建模

def f(rdata,t):
    dataset = pd.read_csv(rdata, sep = ",", skiprows = 3)
    data = dataset.loc[:,dataset.dtypes == np.float64] 
    data = pd.concat([dataset.OS_TERM, data], axis = 1).set_index(dataset.SIMULATION)
    rdata = data.loc[data["OS_TERM"] == t ].drop("OS_TERM", axis = 1).T.add_prefix("Sim_")
    return(rdata)

第二个函数 quantile(data, q, n, ascending) 计算一个假设的分位数 q 并将其与第一个函数的结果进行比较，显示 n 个最极端的观察结果

def quantile(data, q , n , ascending):
    name =  str(q)
    quant = pd.DataFrame({name:data.quantile(q, axis = 1)})
    quant_dif = pd.DataFrame(data.values - quant.values, columns = data.columns)**2
    cum_dif = pd.DataFrame(quant_dif.sum(axis = 0), columns = ["cum_dif"])
    out = pd.DataFrame(cum_dif.sort(["cum_dif"], ascending = ascending).ix[0:n,:])
    index = out.index.values
    sims = pd.DataFrame(data.loc[:, index])
    return(sims)

为了将两者结合起来，我可以构建以下函数

quantile(f(rdata), t), q, n, ascending)

不过我想创建一个函数，它读取时间范围 t 的数据，然后在第二步中应用分位数

f(data, t, quantile(data, q, n, ascending))

对如何设置有任何建议，也许使用 Lambda 函数？

【问题讨论】：

quantile(f(rdata), t), q, n, ascending) 实际上有什么问题？它完全符合您的要求：“读取时间范围 t 的数据，然后在第二步中应用分位数”。
我想在第一步中读取数据，然后可以为数据分配任何其他功能，例如对于平均值 f(data,t, mean(data))
如果你真的需要，那么f(data, t, lambda x:quantile(x, q, n, ascending))和def f(rdata,t, fun): ... fun(rdata)
@Carmen 我仍然无法理解这个问题——如果你想对数据应用另一个函数，那么只需用数据调用这个函数。也许您可以详细介绍一下您的具体用例，因为它对我来说确实像是一个 XY 问题。

标签： python function lambda

【解决方案1】：

如果你坚持以最复杂的方式做事，你可以使用partial 作为回调：

from functools import partial

def apply(rdata, t, callback):
    data = f(rdata, t)
    return callback(data=data)


apply(rdata, t, partial(qantile, q=q, n=n, ascending=ascending))

或使用 lambda：

apply(
   rdata, t, 
   lambda data, q=q, n=n, asc=ascending: qantile(data, q, n, asc)
   )

但在这两种情况下，我都看不到它对简单而明显的解决方案有何改进......

【讨论】：