科学python中的最佳多个返回值

Question

我将 scipy/numpy 用于研究代码而不是 matlab。有一个缺陷，我经常遇到。我找到了一个变通的解决方案，但想检查最佳实践和更好的解决方案。想象一些数学优化：

def calculation (data, max_it=10000, tol = 1e-5):
    k = 0
    rmse = np.inf 
    while k < max_it and rmse > tol:
        #calc and modify data - rmse becomes smaller in each iteration
        k += 1
    return data

它工作正常，我将它嵌入到我的代码中，在多个位置，例如：

 import module
 d = module.calculation (data)

但有时我想检查进一步的见解并需要多个返回值。如果我只是附加多个返回值，我必须修改其他代码并解压缩第一个返回值。 这是我更喜欢 matlab 而不是 scipy 的少数情况之一。在 matlab 中，只有第一个返回值被评估，除非你明确要求其余的。

所以我对类似 matlab（= 最佳）的多个返回值的解决方法是 [模块的] 全局变量

def calculation (data, max_it=10000, tol = 1e-5):
    global k
    global rmse
    k = 0
    rmse = np.inf 
    while k < max_it and rmse > tol:
        #calc and modify data - rmse becomes smaller in each iteration
        k += 1
    return data

我的函数调用无需修改即可工作，如果我想在 ipython 中验证某些内容，Iset 一些全局变量 reload(module) 并使用 module.rmse 检查洞察力。

但我也可以从一开始就想象一个面向对象的方法，或者使用 pdb，或者使用其他 ipython 魔法

Answer 1

您可以指定在调用calculation 时使用info=True 参数返回更多信息。这是np.unique（带有return_inverse和return_index参数）和scipy.optimize.leastsq（带有full_output参数）所采用的方法：

def calculation(data, max_it=10000, tol = 1e-5, info=False):
    k = 0
    rmse = np.inf 
    while k < max_it and rmse > tol:
        #calc and modify data - rmse becomes smaller in each iteration
        k += 1
    if info:
        return data, k, rmse
    else:
        return data

或者，您可以在 calculation 函数上分配其他属性：

def calculation(data, max_it=10000, tol = 1e-5):
    k = 0
    rmse = np.inf 
    while k < max_it and rmse > tol:
        #calc and modify data - rmse becomes smaller in each iteration
        k += 1
    calculation.k = k
    calculation.rmse = rmse
    return data

添加的信息可以通过

访问

import module
d = module.calculation(data)
rmse = module.calculation.rmse

请注意，如果calculation 从多个线程同时运行，后一种方法将无法正常工作...

在 CPython 中（由于 GIL），在任何给定时间只能执行一个线程，因此在多个线程中运行 calculation 几乎没有吸引力。但谁知道呢？可能有一些情况需要在小范围内使用线程，例如在 GUI 中。在那里，访问calculation.k 或calculation.rmse 可能会返回不正确的值。

此外，Python 的禅宗说：“显式胜于隐式”。

所以我会推荐第一种方法而不是第二种方法。