【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：

import argparse

ESTIMATORS = {
    "dummy": DummyClassifier(),
    "random_forest": RandomForestClassifier(n_estimators=100,
                                            max_features="sqrt",
                                            min_samples_split=10),
    "extra_trees": ExtraTreesClassifier(n_estimators=100,
                                        max_features="sqrt",
                                        min_samples_split=10),
    "logistic_regression": LogisticRegression(),
    "naive_bayes": MultinomialNB(),
    "adaboost": AdaBoostClassifier(n_estimators=10),
}

parser = argparse.ArgumentParser()
parser.add_argument('-e', '--estimators', nargs="+", required=True,
                        choices=ESTIMATORS)
args = vars(parser.parse_args())


for name in sorted(args["estimators"]):
    clf = ESTIMATORS[name]

如果让我实现的话，我多半会这样：

ESTIMATORS = {
    "dummy": DummyClassifier(),
    "random_forest": RandomForestClassifier(n_estimators=100,
                                            max_features="sqrt",
                                            min_samples_split=10),
    "extra_trees": ExtraTreesClassifier(n_estimators=100,
                                        max_features="sqrt",
                                        min_samples_split=10),
    "logistic_regression": LogisticRegression(),
    "naive_bayes": MultinomialNB(),
    "adaboost": AdaBoostClassifier(n_estimators=10),
}

names = []

for key, value in ESTIMATORS.items():
    names.append(key)

for name in sorted(names):
    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。