Python使用map调用自定义函数时如何传入额外固定参数

错误原因 #

你使用的map方法（无论Python原生map还是multiprocessing/concurrent.futures等并发库的map实现）的传参逻辑是：除第一个函数参数外，后续所有传入的参数都必须是可迭代对象，执行时每次会从每个可迭代对象中各取1个元素，作为入参传给目标函数。
你直接传入了整数常量200，它不是可迭代对象，因此map只会把每个分片数据集传给calculate_frequent_itemset，导致第二个参数support缺失，触发报错。

修复方案 #

方案1：用functools.partial固定参数（最简洁）

提前把support参数固定为200，再把包装后的函数传给map：

from functools import partial

# 固定support参数为200
fixed_calculate = partial(calculate_frequent_itemset, support=200)
# 仅需传入数据集可迭代对象即可
frequent_itemsets = p.map(fixed_calculate, (dataNew1, dataNew2, dataNew3, dataNew4, dataNew5))

方案2：把support转为等长可迭代对象

用itertools.repeat生成和数据集数量一致的200可迭代序列，传入map：

from itertools import repeat

# 生成包含5个200的可迭代对象，和数据集长度对应
frequent_itemsets = p.map(calculate_frequent_itemset, (dataNew1, dataNew2, dataNew3, dataNew4, dataNew5), repeat(200, 5))

注意：repeat的次数必须和数据集分片的数量一致，否则会按更短的可迭代对象长度截断，导致参数匹配错误。

方案3：用starmap传参（仅适用于支持starmap的并发库，比如multiprocessing.Pool）

把每个调用的参数打包成元组，用starmap自动解包传入：

# 打包每一组参数
param_list = [(d, 200) for d in (dataNew1, dataNew2, dataNew3, dataNew4, dataNew5)]
# starmap会自动把每个元组的元素按位置传给函数
frequent_itemsets = p.starmap(calculate_frequent_itemset, param_list)

补充注意 #

如果你使用的是mlxtend库的apriori实现，它的min_support参数默认要求是0~1之间的比例值（代表支持度对应的样本占比），如果需要传入绝对样本数200，要先确认你用的apriori实现是否支持绝对数值作为参数，否则可能返回空的频繁项集结果。

内容的提问来源于stack exchange，提问作者vojta