如何基于外部条件调用实例不同绑定方法（Matplotlib示例）

嘿，这个场景我太熟了——循环里反复判断同一个固定条件，不仅代码啰嗦，看着也闹心！咱们完全可以把判断逻辑提前抽出来，直接绑定好要调用的方法，循环里只管调用就行，不用每次都做判断。

先给你看看原来的冗余写法，就是你提到的循环内每次判断draw_log的情况：

import matplotlib.pyplot as plt
x, y = [1,2,3], [10, 200, 1]
fig, ax_lst = plt.subplots(3, 2)
draw_log = False

# 原来的写法：循环内重复判断条件
for ax_row in ax_lst:
    for ax in ax_row:
        if draw_log:
            ax.loglog(x, y)
        else:
            ax.plot(x, y)

优化方案：提前绑定绘图方法，只判断一次 #

核心思路是：既然draw_log是外部固定参数，不会在循环里变化，那我们只需要在循环前做一次判断，把要调用的绘图逻辑封装好，循环里直接调用就行。

方法1：用包装函数封装（可读性最好）

这种写法最直观，新手也能一眼看懂：

import matplotlib.pyplot as plt
x, y = [1,2,3], [10, 200, 1]
fig, ax_lst = plt.subplots(3, 2)
draw_log = False

# 提前根据条件确定绘图逻辑，只判断一次
if draw_log:
    def plot_on_axis(ax):
        ax.loglog(x, y)
else:
    def plot_on_axis(ax):
        ax.plot(x, y)

# 循环里直接调用，无需再判断
for ax_row in ax_lst:
    for ax in ax_row:
        plot_on_axis(ax)

方法2：用Lambda简化代码（更紧凑）

如果想让代码更短，可以用Lambda表达式来包装，效果完全一致：

import matplotlib.pyplot as plt
x, y = [1,2,3], [10, 200, 1]
fig, ax_lst = plt.subplots(3, 2)
draw_log = False

# 一行搞定方法绑定
plot_on_axis = (lambda ax: ax.loglog(x, y)) if draw_log else (lambda ax: ax.plot(x, y))

# 循环调用
for ax_row in ax_lst:
    for ax in ax_row:
        plot_on_axis(ax)

方法3：直接使用未绑定的类方法（进阶玩法）

如果你对Python的方法绑定机制熟悉，也可以直接用Matplotlib的Axes类的未绑定方法，调用时把轴实例作为第一个参数传入：

import matplotlib.pyplot as plt
x, y = [1,2,3], [10, 200, 1]
fig, ax_lst = plt.subplots(3, 2)
draw_log = False

# 选择对应的类方法
plot_func = plt.Axes.loglog if draw_log else plt.Axes.plot

# 循环调用时传入轴实例
for ax_row in ax_lst:
    for ax in ax_row:
        plot_func(ax, x, y)

为什么要这么做？ #

• 减少冗余判断：判断逻辑只执行一次，不用在循环里重复跑，虽然这里性能影响不大，但代码更干净利落。
• 提升可维护性：以后如果要加更多绘图模式（比如半对数semilogx/semilogy），只需要修改循环外的判断逻辑，不用动循环内的代码。
• 通用性强：这个思路不止适用于Matplotlib，任何需要根据外部固定条件选择不同实例方法调用的场景都能用，本质是把方法选择和执行逻辑解耦。

内容的提问来源于stack exchange，提问作者percusse