摘要:可见装饰器改变了函数的功能。装饰器除了改变函数功能之外还有一个特性是,函数装饰器在导入模块时立即执行,而被装饰的函数只在明确调用时运行。
什么是装饰器
装饰器是什么,简单来说,装饰器可以改变一个函数的行为,比如原本有一个函数用来计算菲波那切数列,我们给这个函数加个计算执行时间的装饰器,这样原来的函数不仅能够计算菲波那切数列,而且还可以输出计算花费了多少时间。
在Python中,有几个很常见的内置装饰器:比如@staticmethod, 它可以将一个类的方法声明为静态的。@property, 为类中的变量设置get和set方法,保证了封装性。
如果你使用过python的web框架(比如flask)开发过网站,你应该经常会见到装饰器,像下面这样:
@app.route("/") def hello(): return "Hello World!"
这段代码把路由绑定到hello函数上,这样你输入网址之后就可以看到Hello World 。
先来看个很简单的例子:
# 定义了一个装饰器 def deco(func): def hah(): print("hahha") return hah
上面我们定义了一个装饰器,打印hahah,接下来使用:
# 使用这个装饰器 @deco def lal(): pritn("lalalala") lal()
执行lal()会输出hahha。 可见deco装饰器改变了lal函数的功能。上面的代码中,我们实际上是把lal函数放入了deco函数,像这样:
lal = deco(lal)
只不过,直接使用@标志把装饰器放在某个函数上更方便一点而已。
装饰器其实就是一个函数嵌套另一个函数(这里涉及到一个概念叫做闭包,下面会讲到)。在装饰器的定义中,需要把内部的函数返回(像hah),内部函数用来真正的改变被装饰函数的功能。
不过,上面定义的装饰器好像没什么用,我们来真正的写一个装饰器,像文章开头说的那样,定义一个装饰器计算函数执行的时间。
实现一个简单的装饰器import time # 这个装饰器接收一个函数作为参数 def clock(func): # clocked用来改变被装饰函数功能 # 接收任意可变参数 def clocked(*args): #先计算时间 t0 = time.perf_counter() # 然后运行被装饰的函数 result = func(*args) # 计算运行前后的时间差 elapsed = time.perf_counter()-t0 # 函数的名字 name = func.__name__ # 被装饰函数的所有变量 arg_str = ",".join(repr(arg) for arg in args) # 输出 print("[%0.8fs] %s(%s) -> %r" % (elapsed, name, arg_str, result)) # 返回被装饰函数执行结果 # 可见装饰器是在原来的函数上增加了某些功能 # 而不是完全改变被装饰函数 return result # 把clocked函数返回 return clocked
来使用一下上面定义的装饰器:
@clock def factorial(n): return 1 if n<2 else n*factorial(n-1) result = factorial(6) print(result)
执行结果:
[0.00000030s] factorial(1) -> 1 [0.00004588s] factorial(2) -> 2 [0.00007184s] factorial(3) -> 6 [0.00060794s] factorial(4) -> 24 [0.00064205s] factorial(5) -> 120 [0.00066801s] factorial(6) -> 720 720
可以看到,在输出计算结果的同时,输出了每一步的执行时间。
装饰器除了改变函数功能之外还有一个特性是,函数装饰器在导入模块时立即执行,而被装饰的函数只在明确调用时运行。这点需要注意。
当然了,装饰器之上还可以放一个装饰器,不过是多了一层嵌套而已。
python中还有一个内置的模块functools,这里面定义了一些常用的装饰器函数,帮助你更好地定义自己的装饰器。这里就不讲了。
闭包说到闭包,在上面的代码中我们已经见识到了,函数中嵌套函数就是闭包。严格来说,闭包是指延伸了作用域的函数,怎么理解?不如来看个例子:
我们定义一个函数不断计算平均值,它会记住上一次计算的值进行累计。
# 先看一些效果 avg = make_averager() print(avg(10)) print(avg(11)) print(avg(12))
输出如下:
10.0 10.5 11.0
第一次输出10,第二次输出10加11的平均值,第三次输出10加11加12的平均值。
怎么实现的?
def make_averager(): # 局部变量series # 用来保存每次输入的值 series = [] def averager(new_value): series.append(new_value) total = sum(series) return total/len(series) return averager
上面的函数中,series是局部变量。当我们调用avg(10)的时候,函数已经返回了,按理说它的本地作用域已经不存在了,但是我们还是可以继续使用。这是因为series其实是自由变量,它不受本地作用域的限制。需要注意的是,对于不可变类型,需要显示用关键字nonlocal 声明自由变量,如果不声明的话,会隐式的创建局部变量,这样自由变量就会失效。而可变类型则不需要。比如,我们来更改一下上面的代码:
# 改一下求平均值的函数 # 用另一种方法 def make_averager(): count = 0 total = 0 def averager(new_value): # count、total是不可变类型 # 需要声明为自由变量 nonlocal count, total count += 1 total += new_value return total / count return averager
除了上面说的装饰器的用法之外,我们还可以为装饰器添加参数,像app.route("/") 这样,限于篇幅,下一篇文章再介绍。
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。
转载请注明本文地址:https://www.ucloud.cn/yun/41224.html
摘要:先不讲数据结构了,这次来说说中一些不被注意的功能。直接交换第二个功能。对的长度使用生成一个序列,然后遍历或者这样第三个功能。其实还接受第二个参数,它的作用是在迭代的过程中如果碰到第二个参数则停止。 先不讲数据结构了,这次来说说python中一些不被注意的功能。 在python的设计哲学中,有这么一条内容:Simple is better than complex,简单的代码比复杂的要好...
摘要:来说说迭代器和生成器,还有可迭代对象和生成器表达式。有点绕是不是,其实,一般只要知道可迭代对象以及它是如何实现的就行了,中常常用生成器来代替迭代器,可以说,生成器就是迭代器。 来说说迭代器和生成器,还有可迭代对象和生成器表达式。 之前简单的提到过,一个对象是可迭代的可以理解为能够使用for循环。这样说其实不太准确,某个对象可迭代是因为它内部实现了$__iter__$这个特殊方法。比如在...
摘要:找出列表中小于的数据除了列表推导式,还有字典推导式,集合推导式,用法都一样。如果你的数据量很大的话,考虑使用生成器表达式。切片不仅对列表有用,同样适用于元组和字符串。切片命名使用方法,内部参数与切片一样。对剩余的的数据,使用星号代替即可。 上次我们讲了几个不常见的数据类型,每个都有自己特殊的用途,虽然不经常用到,了解一下也好。比如我们提到的数组类型,如果在数据量很大的时候同时要效率,就...
摘要:字典和集合都是基于散列表实现的,散列表也就是表,了解过数据结构的应该知道。而使用另一种办法,任何键在找不到的情况下都会用中的值数据类型比如替换。在设计时就可以使用创建你的数据接口。 这次主要说说字典和集合这两种数据类型。 字典和集合都是基于散列表实现的,散列表也就是hash表,了解过数据结构的应该知道。与散列表相关的一个概念叫做可散列,什么是可散列?在python官方定义中是这样说的:...
摘要:在中,特殊方法以双下划线开始,以双下划线结束。真假值,如果向量模为,返回实现向量加法实现向量乘法,例如返回向量的模返回欧几里德范数找个例子运行下。怎么办中有个特殊方法,可以修改控制台输出的样式。 什么是特殊方法?当我们在设计一个类的时候,python中有一个用于初始化的方法$__init__$,类似于java中的构造器,这个就是特殊方法,也叫作魔术方法。简单来说,特殊方法可以给你设计的...
阅读 2196·2021-11-25 09:43
阅读 1164·2021-11-23 09:51
阅读 3498·2021-11-23 09:51
阅读 3627·2021-11-22 09:34
阅读 1543·2021-10-09 09:43
阅读 2119·2019-08-30 15:53
阅读 3160·2019-08-30 14:07
阅读 568·2019-08-28 18:14