Python参数解包机制全解析
2026-03-23 12:46:35
0浏览
收藏
Python中的*和**解包并非表面语法糖,而是解释器在CALL_FUNCTION字节码执行前完成的底层参数重组装机制:*将可迭代对象拆解为位置参数,**将映射对象(如dict)展开为关键字参数;与之相反,函数定义中的*args和**kwargs则是运行时的“收包”操作,二者方向相逆、机制不同。文章深入剖析了其严格类型要求(*后必须可迭代、**后必须是字符串键的映射)、语序约束(*args必须在**kwargs之前)、常见陷阱(如partial预设参数与解包冲突、嵌套结构仅单层展开、shape解包的框架差异),并强调解包行为完全由调用上下文决定——同一对象在不同语境下语义截然不同,理解这一本质对写出健壮、可维护且类型安全的Python代码至关重要。

Python 里 * 和 ** 解包到底在干啥
它不是语法糖,是解释器级的参数重组装动作。调用函数前,* 把可迭代对象拆成位置参数,** 把映射对象(如 dict)拆成关键字参数——这个过程发生在 CALL_FUNCTION 字节码执行前,不经过用户可见的中间变量。
实操建议:
*要求右侧必须是可迭代对象(list、tuple、range都行,但None或整数会直接报TypeError: argument after * must be an iterable)**右侧必须是映射类型,且所有 key 必须是字符串;否则抛TypeError: argument after ** must be a mapping或TypeError: keywords must be strings- 解包顺序不能乱:
*args必须在**kwargs前,否则语法错误SyntaxError: invalid syntax
函数定义里的 *args 和 **kwargs 不是解包,是收包
很多人混淆「调用时解包」和「定义时收包」。定义中的 *args 是把多余的位置参数打包成 tuple,**kwargs 是把多余的关键字参数打包成 dict——这是两个方向相反的操作,底层机制也不同:前者由调用方触发,后者由函数入口逻辑处理。
实操建议:
- 定义中写
def f(a, *args, b=1)是合法的(PEP 3102),但f(1, 2, 3, b=4)里*args只收到(2, 3),不会吞掉b *args和**kwargs是占位符名,叫*xs或**opts完全没问题,但行业惯例保留原名,否则协作时容易误判意图- 如果函数只打算接收固定参数,就别加
*args/**kwargs——它们会让类型检查(如 mypy)失效,也掩盖参数契约
functools.partial 和解包的交互容易出错
当你用 partial 预设部分参数,再对结果做解包调用,参数实际拼接顺序可能和直觉不符。因为 partial 内部用的是“预置 + 后续传入”策略,不是简单字符串拼接。
常见错误现象:
from functools import partialp = partial(print, "hello")p(*["world"]) → hello world(正常)p(*["world"], sep="-") → TypeError: print() got multiple values for argument 'sep'(冲突!partial已绑定了默认sep,解包又传一次)
性能影响:每次调用 partial 对象都会重建参数元组,比直接调用稍慢;若高频使用,建议改用闭包或显式函数。
解包嵌套结构时,* 不能跨层级自动展开
* 只做一层解包,不会递归。比如 [[1,2], [3,4]] 用 * 解包,得到的是两个 list,不是四个数字。
使用场景举例:
- 想展平二维列表?得写
[x for row in data for x in row]或用itertools.chain.from_iterable(data),不能靠*data - 函数接受多个坐标点如
f((x1,y1), (x2,y2)),而你有points = [(1,2), (3,4)],这时f(*points)正确;但若数据是coords = [1,2,3,4],就得f(*zip(coords[::2], coords[1::2])),而不是*coords - PyTorch 或 NumPy 中常有人误以为
tensor.shape能直接*shape进函数——可以,但前提是目标函数确实接受多个整数参数(如torch.zeros(*shape)合法,np.reshape(arr, *shape)就非法,因为reshape第二个参数要 tuple)
最容易被忽略的一点:解包行为完全取决于调用时的上下文,和对象本身无关。同一个 list,在 print(*lst) 里是解包,在 lst[0] 里就是普通索引——别指望 Python 自动推断“这里应该解包”。
以上就是《Python参数解包机制全解析》的详细内容,更多关于的资料请关注golang学习网公众号!
Go安全获取结构体字段值的正确方式
- 上一篇
- Go安全获取结构体字段值的正确方式
- 下一篇
- Win10搜索慢?重建索引提速教程
查看更多
最新文章
-
- 文章 · python教程 | 1小时前 | python · 进程管理 · Python subprocess Popen 进程树 TimeoutExpired 超时清理
- Python subprocess 超时后清理子进程树
- 108浏览 收藏
-
- 文章 · python教程 | 21小时前 | 日志 · logging · Python教程 · Python contextvars request_id LogRecord logging.Filter
- Python logging.Filter 注入请求上下文的做法
- 410浏览 收藏
-
- 文章 · python教程 | 3天前 | Python教程 · Python 鸭子类型 typing.Protocol 结构子类型
- Python typing.Protocol 约束鸭子类型接口
- 246浏览 收藏
-
- 文章 · python教程 | 3天前 | Python教程 · Python 相对路径 is_file pathlib Path.resolve
- Python pathlib 相对路径规范化与文件判断
- 144浏览 收藏
-
- 文章 · python教程 | 3天前 | python · 异步编程 · asyncio · Python CancelledError asyncio.timeout TimeoutError
- Python asyncio.timeout 嵌套取消与异常传播
- 373浏览 收藏
-
- 文章 · python教程 | 4天前 |
- Python heapq 最大堆 API 怎么避免手动取负数
- 397浏览 收藏
-
- 文章 · python教程 | 4天前 | python · Python 不可变对象 namedtuple dataclass copy.replace
- Python copy.replace 怎么更新不可变对象字段
- 245浏览 收藏
-
- 文章 · python教程 | 4天前 | python ·
- Python NamedTemporaryFile 的 delete_on_close 怎么设置
- 311浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 300次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 356次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 355次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 322次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 141次使用
查看更多
相关文章
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

