如何在Python中正确重写和调用super方法

首先是眼前的问题。我正在为一个

scikitlearn

类编写一个包装器，但在正确的语法方面遇到了问题。我试图实现的是对

fit_transform

函数的覆盖，该函数仅稍微改变输入，然后使用新参数调用其

super

-方法：

from sklearn.feature_extraction.text import TfidfVectorizer

class TidfVectorizerWrapper(TfidfVectorizer):
    def __init__(self):
        TfidfVectorizer.__init__(self)  # is this even necessary?

    def fit_transform(self, x, y=None, **fit_params):
        x = [content.split('\t')[0] for content in x]  # filtering the input
        return TfidfVectorizer.fit_transform(self, x, y, fit_params)  
                            # this is the critical part, my IDE tells me for
                            # fit_params: 'unexpected arguments'

程序到处崩溃，从一个

多处理异常开始

，没有告诉我任何有用的信息。如何正确地执行此操作

其他信息：我需要以这种方式包装它的原因是，我使用

sklearn.pipeline.FeatureUnion

收集我的功能提取器，然后将它们放入

sklearn.pipeline.pipeline

。这样做的结果是，我只能在所有特性提取器中提供单个数据集，但不同的提取器需要不同的数据。我的解决方案是以易于分离的格式提供数据，并在不同的提取器中过滤不同的部分。如果有更好的办法解决这个问题，我也很高兴听到

编辑1： 添加

**

来解压dict似乎不会改变任何东西：

编辑2：

---

我刚刚解决了剩下的问题--我需要删除构造函数重载。显然，通过尝试调用父构造函数，希望正确启动所有实例变量，我做了完全相反的事情。我的包装器不知道它可以期望什么样的参数。一旦我删除了多余的调用，一切都很顺利。

您忘记了解包

fit_params

，它是作为

dict

传递的，您想作为

关键字参数来传递它，它需要解包操作符
**

from sklearn.feature_extraction.text import TfidfVectorizer

class TidfVectorizerWrapper(TfidfVectorizer):

    def fit_transform(self, x, y=None, **fit_params):
        x = [content.split('\t')[0] for content in x]  # filtering the input
        return TfidfVectorizer.fit_transform(self, x, y, **fit_params)  

另一件事是直接调用
TfidfVectorizer
的
fit_transform
可以通过
super
方法调用重载版本

from sklearn.feature_extraction.text import TfidfVectorizer

class TidfVectorizerWrapper(TfidfVectorizer):

    def fit_transform(self, x, y=None, **fit_params):
        x = [content.split('\t')[0] for content in x]  # filtering the input
        return super(TidfVectorizerWrapper, self).fit_transform(x, y, **fit_params)  

要理解它，请检查以下示例

def foo1(**kargs):
    print kargs

def foo2(**kargs):
    foo1(**kargs)
    print 'foo2'

def foo3(**kargs):
    foo1(kargs)
    print 'foo3'

foo1(a=1, b=2)

它打印字典
{'a'：1，'b'：2}

foo2(a=1, b=2)

打印字典和
foo2
，但

foo3(a=1, b=2)

当我们向
foo1
发送一个与我们的字典相等的位置参数时引发错误，该参数不接受此类内容。不过，我们可以这样做

def foo4(**kargs):
    foo1(x=kargs)
    print 'foo4'

这很好，但是打印了一个新字典
{'x'：{'a'：1，'b'：2}
是否尝试将
返回TfidfVectorizer.fit_transform（self，x，y，fit_参数）
替换为
返回TfidfVectorizer.fit_transform（self，x，y，**fit_参数）
？还取决于
y
在方法签名中的位置，可能需要“命名”
y
：
返回TfidfVectorizer.fit\u transform（self，x，y=y，**fit\u参数）
@klauds。同意，但fit_params几乎肯定不是传递的正确内容，因为它是一个字典。我现在尝试了这两种方法，添加了
**fit_params
，但没有改变任何内容，在尝试时仍然会出现完全相同的IDE警告和运行时异常。添加y=y会出现语法错误，因为fit_参数是在关键字之后输入的。改变它会产生另一个语法错误。可能值得添加一两个关于
super（）
的单词来回答其他问题。我尝试了你的建议，但仍然收到完全相同的错误。我也在主要帖子中添加了一条评论。我确实有意删除了构造函数，也许它应该加下划线