Python può stampare una definizione di funzione?

In JavaScript, si può stampare la definizione di una funzione. C'è un modo per farlo in Python?

(Stavo solo giocando in modalità interattiva e volevo leggere un modulo senza open (). Ero solo curioso).

Se stai importando la funzione, puoi utilizzare inspect.getsource:

>>> import re
>>> import inspect
>>> print inspect.getsource(re.compile)
def compile(pattern, flags=0):
    "Compile a regular expression pattern, returning a pattern object."
    return _compile(pattern, flags)

Questo sarà lavorare nel prompt interattivo, ma a quanto pare solo su oggetti che vengono importati (non oggetti definiti all'interno del prompt interattivo). E ovviamente funzionerà solo se Python riesce a trovare il codice sorgente (quindi non su oggetti incorporati, librerie C, file .pyc, ecc.)

Se stai usando iPython , puoi usare function_name?per ottenere aiuto e function_name??stamperà il sorgente, se possibile.

Questo è il modo in cui ho capito come farlo:

    import inspect as i
    import sys
    sys.stdout.write(i.getsource(MyFunction))

Questo rimuove i nuovi caratteri di riga e stampa bene la funzione

Anche se generalmente sono d'accordo che inspectè una buona risposta, non sono d'accordo sul fatto che non è possibile ottenere il codice sorgente degli oggetti definiti nell'interprete. Se usi dill.source.getsourcefrom dill, puoi ottenere l'origine di funzioni e lambda, anche se sono definiti in modo interattivo. Può anche ottenere il codice per dai metodi e dalle funzioni di classi associate o non associate definite in curry ... tuttavia, potresti non essere in grado di compilare quel codice senza il codice dell'oggetto che lo racchiude.

>>> from dill.source import getsource
>>> 
>>> def add(x,y):
...   return x+y
... 
>>> squared = lambda x:x**2
>>> 
>>> print getsource(add)
def add(x,y):
  return x+y

>>> print getsource(squared)
squared = lambda x:x**2

>>> 
>>> class Foo(object):
...   def bar(self, x):
...     return x*x+x
... 
>>> f = Foo()
>>> 
>>> print getsource(f.bar)
def bar(self, x):
    return x*x+x

>>> 

Utilizzare help(function)per ottenere la descrizione della funzione.

Puoi leggere di più help() qui .

Puoi utilizzare la parola chiave __doc__:

#print the class description
print string.__doc__
#print function description
print open.__doc__

Puoi usare __doc__nella funzione, prendi la hog()funzione come esempio: puoi vedere l'uso di hog()come questo:

from skimage.feature import hog

print hog.__doc__

L'output sarà:

Extract Histogram of Oriented Gradients (HOG) for a given image.
Compute a Histogram of Oriented Gradients (HOG) by

    1. (optional) global image normalisation
    2. computing the gradient image in x and y
    3. computing gradient histograms
    4. normalising across blocks
    5. flattening into a feature vector

Parameters
----------
image : (M, N) ndarray
    Input image (greyscale).
orientations : int
    Number of orientation bins.
pixels_per_cell : 2 tuple (int, int)
    Size (in pixels) of a cell.
cells_per_block  : 2 tuple (int,int)
    Number of cells in each block.
visualise : bool, optional
    Also return an image of the HOG.
transform_sqrt : bool, optional
    Apply power law compression to normalise the image before
    processing. DO NOT use this if the image contains negative
    values. Also see `notes` section below.
feature_vector : bool, optional
    Return the data as a feature vector by calling .ravel() on the result
    just before returning.
normalise : bool, deprecated
    The parameter is deprecated. Use `transform_sqrt` for power law
    compression. `normalise` has been deprecated.

Returns
-------
newarr : ndarray
    HOG for the image as a 1D (flattened) array.
hog_image : ndarray (if visualise=True)
    A visualisation of the HOG image.

References
----------
* http://en.wikipedia.org/wiki/Histogram_of_oriented_gradients

* Dalal, N and Triggs, B, Histograms of Oriented Gradients for
  Human Detection, IEEE Computer Society Conference on Computer
  Vision and Pattern Recognition 2005 San Diego, CA, USA

Notes
-----
Power law compression, also known as Gamma correction, is used to reduce
the effects of shadowing and illumination variations. The compression makes
the dark regions lighter. When the kwarg `transform_sqrt` is set to
``True``, the function computes the square root of each color channel
and then applies the hog algorithm to the image.