Python中如何遍历函数参数统一转为NumPy数组并兼容可变参数？

保留原有参数定义的简化写法 #

要是不想改动原函数的参数结构（保持明确的参数名和默认值），可以用两种方式批量转换：

方式A：遍历参数名批量处理 #

import numpy as np

def my_function(period, mw, rjb, soft_site=0, stiff_site=0, fault_normal=0, fault_reverse=0):
    # 列出所有需要转换的参数名
    param_names = ['period', 'mw', 'rjb', 'soft_site', 'stiff_site', 'fault_normal', 'fault_reverse']
    # 逐个转换为NumPy数组
    for name in param_names:
        locals()[name] = np.array(locals()[name])
    # 这里写后续计算逻辑

方式B：打包参数后解包赋值 #

这种写法更紧凑，不需要依赖locals()：

import numpy as np

def my_function(period, mw, rjb, soft_site=0, stiff_site=0, fault_normal=0, fault_reverse=0):
    # 把所有参数打包成元组，逐个转换后解包回原变量
    period, mw, rjb, soft_site, stiff_site, fault_normal, fault_reverse = (
        np.array(p) for p in (period, mw, rjb, soft_site, stiff_site, fault_normal, fault_reverse)
    )
    # 后续计算逻辑...

兼容可变数量参数的版本 #

如果想让函数支持任意数量的输入参数，可以用*args或者**kwargs来实现：

用*args接收位置参数 #

适合调用时按固定顺序传参的场景：

import numpy as np

def my_function(*args):
    # 把所有传入的参数都转成NumPy数组
    converted_args = tuple(np.array(arg) for arg in args)
    # 如果需要对应原参数名，按顺序解包即可
    period, mw, rjb, soft_site, stiff_site, fault_normal, fault_reverse = converted_args
    # 后续计算逻辑...

用**kwargs结合默认值 #

如果还要保留默认参数的支持，这种方式更灵活：

import numpy as np

def my_function(**kwargs):
    # 定义参数名和默认值
    default_params = {
        'period': None,
        'mw': None,
        'rjb': None,
        'soft_site': 0,
        'stiff_site': 0,
        'fault_normal': 0,
        'fault_reverse': 0
    }
    # 用传入的参数覆盖默认值
    params = {**default_params, **kwargs}
    # 批量转换所有参数
    converted_params = {k: np.array(v) for k, v in params.items()}
    # 提取参数用于后续计算
    period = converted_params['period']
    mw = converted_params['mw']
    # ...其他参数同理
    # 后续计算逻辑...

小提示 #

• 用locals()的时候要注意：函数内部别出现和参数同名的变量，不然会被意外覆盖。
• 可变参数版本虽然灵活，但会丢失参数名的明确提示，调用时要注意顺序或关键字的正确性，适合参数数量不固定的场景。
• np.array()本身就能自动处理标量、列表、甚至其他数组，转换后完全满足后续计算需求。

内容的提问来源于stack exchange，提问作者rajesh rupakhety