如何在Python中正确覆盖和调用超级方法

Question

首先，手头有问题。我正在编写一个scikit-learn类的包装，并且遇到了正确的语法问题。我想实现的是fit_transform功能，从而改变输入仅轻微的重写，然后调用它的super - 方法与新的参数：

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' 

程序崩溃所有的地方，从一个Multiprocessing exception，没有告诉我任何有用的东西。我如何正确地做到这一点？

附加信息：之所以我需要用这种方式来包装它，是因为我使用sklearn.pipeline.FeatureUnion来收集我的特征提取器，然后将它们放入sklearn.pipeline.Pipeline。这样做的结果是，我只能跨所有特征提取器提供单个数据集 - 但不同的提取器需要不同的数据。我的解决方案是以容易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。如果这个问题有更好的解决方案，我也很乐意听到。

编辑1： 添加**解压字典似乎没有改变什么：

编辑2： 我刚刚解决剩下的问题 - 我需要删除构造函数重载。显然，通过试图调用父构造函数，希望让所有实例变量都能正确启动，我的确做了相反的事情。我的包装不知道它可以预期什么样的参数。一旦我删除了多余的电话，一切都完美了。

Answer 1

忘记解压缩fit_params这是作为dict传递，你想通过它作为keyword arguments需要解包运算符**。

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) 

是instaed调用TfidfVectorizer的fit_transform直接就可以通过super方法调用重载版本的一件事

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) 

要理解它检查下面的例子

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}

幅

foo2(a=1, b=2) 

版画既字典和foo2，但

foo3(a=1, b=2) 

引发错误，因为我们发送的位置参数等于我们的字典foo1，不接受这样的事情。然而，我们可以做

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

，工作正常，但打印新的字典{'x': {'a': 1, 'b': 2}}