【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。