Python装饰器是一款神奇的神器！你知道怎么用吗？一文搞懂它！

分类：Python作者：佚名

Python装饰器是一款神奇的神器！你知道怎么用吗？一文搞懂它！

Python装饰器是一款神奇的神器！你知道怎么用吗？一文搞懂它！

进群：548377875  即可获取小编精心准备的教程以及大量的PDF呢！

1.引子

#功能函数
def add(x,y):
 return x+y
#装饰函数
def logger(fn):
 print('frist')
 x = fn(4,5)
 print('second')
 return x 
print(logger(add))
#把函数add传给logger ，return x+y
#print('frist')
#print('secend')
# x = fn(4,5) ==> x = 4 y= 5 x= 4+5 = 9 
#return 9 
frist
second
9

2.提取参数

x,y的参数都放在logger函数内部了，影响函数的灵活性，此处我们可以提取出来。

def add(x,y):
 return x + y
def logger(fn,*args,**kwargs):
 print('frist')
 x = fn(*args,**kwargs)
 print('second')
 return x
print(logger(add,1,y=11))
frist
second
12

3.柯里化

def add(x,y):
 return x + y
def logger(fn):
 def wrapper(*args,**kwargs):
 print('begin')
 x = fn(*args,**kwargs)
 print('end')
 return x
 return wrapper
print(logger(add)(5,y=11))
begin
end
16

懵逼ing

以下为个人理解，左边为非柯里化函数，右边是柯里化函数。

Python装饰器是一款神奇的神器！你知道怎么用吗？一文搞懂它！

柯里化函数

前面说过柯里化的定义，本来可以一次传入两个参数，柯里化之后。只需要传入一个函数了。。

左边传入add 和 两个参数。

右边的logger(add)是一个函数，只需要传入两个参数。logger(add)是个整体，结合成一个函数。当然这样写，我们看函数主题的部分也是不一样的。

函数的基础中说过，函数的传参必须和函数参数的定义一致。重点分析右边函数（柯里化）。

参数部分：参数传入的方式，logger函数需要传入个fn，fu的返回值是wrapper函数，wrapper函数的参数是(*args,**kwargs)所以此次就需要分两次传入参数。

第一次传入fn，再次传入wrapper函数需要的参数。所以就出现了最下边的调用方式。

print(logger(add)(5,y=50))。

返回值部分：右侧的logger函数是个嵌套函数，logger的返回值是wrapper，内层的wrapper函数返回值是x，x = fn(*args,**kwargs)。fn函数是最后调用时候传入的add函数。

懵逼 X 2。。。。

def add(x,**kwargs): def logger(fn): #参数剥离
 def newfunction(*args,**kwargs): #新定义一个函数，logger函数返回也是这个函数名字
 print('frist') print('frist')
 x = fn(*args,**kwargs) == > x = fn(*args,**kwargs)
 print('second') print('second')
 return x return x
 return newfunction
print(logger(add,y=11)) print(logger(add)(5,y=11)) #两次传入参数

效果如下：

def add(x,y):
 return x + y
def logger(fn): #参数剥离
 def newfunction(*args,**kwargs): #新定义一个函数，logger函数返回也是这个函数名字
 print('frist')
 x = fn(*args,**kwargs)
 print('second')
 return x
 return newfunction
print(logger(add)(5,y=11)) #两次传入参数
frist
second
16

继续懵逼的话就这样用吧。。。用多了就悟道了。。

4.装饰器语法糖

#再次变形。。。
def add(x,**kwargs)
 print('end')
 return x
 return wrapper
##调用方法1：
print(logger(add)(x=1111,y=1))
##调用方法2：
add = logger(add)
print(add(x=11,y=3))
##调用方法3： python给我们的语法糖 
@logger # 说明下边的函数，add 其实是 add = logger(add)
def add(x,y):
 return x + y
print(add(45,40))
begin
end
1112
begin
end
14
begin
end
85

三.复杂的栗子

import datetime
import time 
def logger(fn):
 def warp(*arges,**kwarges):
 print("arges={},kwarges={}".format(arges,kwarges)) #打印函数的两个参数
 start = datetime.datetime.Now() #获取函数运行的开始时间
 ret = fn(*arges,**kwarges) #传入两个参数，调用add函数 此处有个return的值，需要一层一层的返回出去
 duratime = datetime.datetime.Now() - start #获得函数的运行时间
 print("function {} took {}s".format(fn.__name__,duratime.total_seconds())) #打印函数的运行时间
 return ret #返回fn的结果 ，fn = x+y ==> 返回x+y的值。 x = 4 y= 11 ==> return 11
 return warp #返回warp的 return ==> ret 的return ==> return 11 函数的最终结果为11 
@logger
def add(x,y):
 print("oooooook")
 time.sleep(1.5)
 return x+y
print(add(4,y=11))
#如果充分理解了每个小部件，这个简单的完整版本也是很好理解的了。
#1，logger是个装饰器，而且使用了柯里化技术
#2，add 传参给logger的fn 形参，add(4,y=5)的两个参数传入给warp函数的两个形参
#
#
arges=(4,),kwarges={'y': 11}
oooooook
function add took 1.5017s
15

再次翻译

import datetime
import time 
#####################################装饰开始############################################
def logger(fn): #拿到函数名称
 def warp(*arges,**kwarges): #拿到函数带过来的参数开始装饰
 print("arges={},kwarges)) #来试试打印两个参数
 start = datetime.datetime.Now() #
 ret = fn(*arges,**kwarges) # 此处调用add函数。开始执行函数，发现return语句。。ret的结果就是return。 
 duratime = datetime.datetime.Now() - start #
 print("function {} took {}s".format(fn.__name__,duratime.total_seconds()))
 return ret #加工完成开始返回。warp的返回值是ret ，ret的返回值是 add函数的执行结果（原函数的功能完整的保留了） 
 return warp # logger的返回结果是warp，warp的返回值是ret ，ret的返回值是 add函数的执行结果（原函数的功能完整的保留了） 
#####################################装饰完成############################################
@logger #装饰工厂
######add是需要被装饰的函数，当你有这个想法的事情，其实事情已经开始发生了。
def add(x,y): # 此时add = logger(add) 此处前面的@logger标记就是想要让logger装饰器像一个工厂一样对add函数进行加工。
 print("oooooook")
 time.sleep(1.5)
 return x+y
print(add(4,y=11))
arges=(4,kwarges={'y': 11}
oooooook
function add took 1.501604s
15

四.带参装饰器

1. 文档字符串

我们约定，在python函数的第一行需要对函数进行说明，使用三引号表示。

如果是英文说明，惯例首字母大写，第一行写概述，空一行，第三行写详细描述。

如果函数中有文档字符串，默认会放在函数的doc属性中，可以直接访问。

def add(x,y):
 """This is a function of addition"""
 a = x+y
 return x + y
print("function name is {}
function doc = {}
".format(add.__name__,add.__doc__))
print(help(add))
function name is add
function doc = This is a function of addition
Help on function add in module __main__:
add(x,y)
 This is a function of addition
None

2. 前面装饰器的副作用

前面装饰器基本上已经可以完成对函数进行加强的功能了，但是还有些瑕疵。比如原来函数的原属性已经被替换为装饰器的属性了。如下：

def add(x,y):
 return x + y
def logger(fn):
 "This is logger doc"
 def wrapper(*args,**kwargs):
 "This is wrapper doc"
 print('begin')
 x = fn(*args,**kwargs)
 print('end')
 return x
 return wrapper
@logger # add = logger(add)
def add(x,y):
 "This is add doc "
 print("name = {}
doc = {}".format(add.__name__,add.__doc__))
 return x + y
print(add(45,40))
#可以看出来add被装饰出来的函数（新的add）的属性已经全部改变了。
begin
name = wrapper
doc = This is wrapper doc
end
85

3. 解决方案一

三个函数：

第一个：copy原函数的属性 copy_properties

第二个：装饰器 logger

第三个：功能函数 add

def copy_properties(src,dst): # 把src的相关属性赋值给dst (fn,wrap)
 dst.__name__ = src.__name__
 dst.__doc__ = src.__doc__
def logger(fn):
 """'This is a function of logger'"""
 def wrap(*arges,**kwarges): # 
 """'This is a function of wrap'"""
 print('<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>')
 x = fn(*arges,**kwarges)
 #print("name={}
doc={}".format(add.__name__,add.__doc__))
 print('<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>') 
 return x 
 copy_properties(fn,wrap) #思考1：为什么放在这个位置调用
 return wrap
@logger
def add(x,y):
 """'This is a function of add'"""
 print("name={}
doc={}".format(add.__name__,add.__doc__))
 return x+y
print(add(4,6))
<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>
name=add
doc='This is a function of add'
<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>-<>
10

4. 解决方案二

但凡使用装饰器都会出现属性的这个问题，为什么不把copy_properties也做成装饰器呢？

三个函数：

第一个：copy原函数的装饰器 copy_properties1

第二个：装饰器 logger

第三个：功能函数 add

def copy_properties(src,wrap)
 dst.__name__ = src.__name__
 dst.__doc__ = src.__doc__
#利用前面的知识我们可以对copy_properties轻松进行变形
def copy_properties1(src): # 把src的相关属性赋值给dst (fn,wrap) 
 def _copy(dst):
 dst.__name__ = src.__name__
 dst.__doc__ = src.__doc__
 return dst 
 return _copy

带参装饰器：

def logger(fn): 
 """'This is a function of logger'"""
 @copy_properties1(fn) #wrap = copy_properties(fn)(wrap) 
 #== > 柯里化 两次传入参数 src = fn ， dst = wrap 新的wrap函数的属性已经替换为原函数的。
 def wrap(*arges,**kwarges): #wrap = copy_properties(fn)(wrap)(*arges,**kwarges) 
 """'This is a function of wrap'"""
 print('>->->->->->->->->->->->->->->->->->->->->->->->->->')
 x = fn(*arges,**kwarges)
 print('<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<')
 return x 
 return wrap
@logger #add =logger(add)
def add(x,11))

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。

相关推荐

人脸识别项目打包成exe的过程遇到的问题
我最近重新拾起了计算机视觉，借助Python的opencv还有face_recognition库写了个简单的图像识别demo，额外定制了一些内容，原本想打包成exe然后发给朋友，不过在这当中遇到了许多小问题，都解决了，记录一下踩过的坑。 1、Pyinstaller打包过程当中出现warning，跟d
Pooling与马赛克的秘密
说到Pooling，相信学习过CNN的朋友们都不会感到陌生。Pooling在中文当中的意思是“池化”，在神经网络当中非常常见，通常用的比较多的一种是Max Pooling，具体操作如下图： 结合图像理解，相信你也会大概明白其中的本意。不过Pooling并不是只可以选取2x2的窗口大小，即便是3x3，
判断整数和复数的奇技淫巧
记得大一学Python的时候，有一个题目是判断一个数是否是复数。当时觉得比较复杂不好写，就琢磨了一个偷懒的好办法，用异常处理的手段便可以大大程度帮助你简短代码（偷懒）。以下是判断整数和复数的两段小代码： 相信看到这里，你也有所顿悟，能拓展出更多有意思的方法~
[seaborn] seaborn学习笔记3-直方图Histogramplot
文章目录 3 直方图Histogramplot1. 基本直方图的绘制 Basic histogram2. 数据分布与密度信息显示 Control rug and density on seaborn histogram3. 带箱形图的直方图 Histogram with a boxplot on t
[seaborn] seaborn学习笔记5-小提琴图VIOLINPLOT
文章目录 5 小提琴图Violinplot1. 基础小提琴图绘制 Basic violinplot2. 小提琴图样式自定义 Custom seaborn violinplot3. 小提琴图颜色自定义 Control color of seaborn violinplot4. 分组小提琴图 Group
[seaborn] seaborn学习笔记4-核密度图DENSITYPLOT
文章目录 4 核密度图Densityplot1. 基础核密度图绘制 Basic density plot2. 核密度图的区间控制 Control bandwidth of density plot3. 多个变量的核密度图绘制 Density plot of several variables4. 边
[python] tensorflow中的argmax()函数argmax()函数
首先 import tensorflow as tf tf.argmax(tenso,n)函数会返回tensor中参数指定的维度中的最大值的索引或者向量。当tensor为矩阵返回向量，tensor为向量返回索引号。其中n表示具体参数的维度。 以实际例子为说明： import tensorflow a
[seaborn] seaborn学习笔记0-seaborn学习笔记章节
seaborn学习笔记章节 seaborn是一个基于matplotlib的Python数据可视化库。seaborn是matplotlib的高级封装，可以绘制有吸引力且信息丰富的统计图形。相对于matplotlib，seaborn语法更简洁，两者关系类似于numpy和pandas之间的关系，seabo
[编程基础] Python配置文件读取库ConfigParser总结
Python ConfigParser教程显示了如何使用ConfigParser在Python中使用配置文件。 文章目录 1 介绍1.1 Python ConfigParser读取文件1.2 Python ConfigParser中的节1.3 Python ConfigParser从字符串中读取数据
[python]《Python编程快速上手:让繁琐工作自动化》学习笔记4
1. 处理Excel 电子表格笔记（第12章)(代码下载) 本文主要介绍openpyxl 的2.5.12版处理excel电子表格，原书是2.1.4 版，OpenPyXL 团队会经常发布新版本。不过不用担心，新版本应该在相当长的时间内向后兼容。如果你有新版本，想看看它提供了什么新功能，可以查看Open
[python]《Python编程快速上手:让繁琐工作自动化》学习笔记6
1. 发送电子邮件和短信笔记（第16章）(代码下载) 1.1 发送电子邮件 简单邮件传输协议（SMTP）是用于发送电子邮件的协议。SMTP 规定电子邮件应该如何格式化、加密、在邮件服务器之间传递，以及在你点击发送后，计算机要处理的所有其他细节。。但是，你并不需要知道这些技术细节，因为Python 的
[seaborn] seaborn学习笔记12-绘图实例(4) Drawing example(4)
文章目录 12 绘图实例(4) Drawing example(4)1. Scatterplot with varying point sizes and hues(relplot)2. Scatterplot with categorical variables(swarmplot)3. Scat
[seaborn] seaborn学习笔记10-绘图实例(2) Drawing example(2)
文章目录 10 绘图实例(2) Drawing example(2)1. Grouped violinplots with split violins(violinplot)2. Annotated heatmaps(heatmap)3. Hexbin plot with marginal dist
[seaborn] seaborn学习笔记9-绘图实例(1) Drawing example(1)
文章目录 9 绘图实例(1) Drawing example(1)1. Anscombe’s quartet(lmplot)2. Color palette choices(barplot)3. Different cubehelix palettes(kdeplot)4. Distribution
[编程基础] Python装饰器入门总结
Python装饰器教程展示了如何在Python中使用装饰器基本功能。 文章目录 1 使用教程1.1 Python装饰器简单示例1.2 带@符号的Python装饰器1.3 用参数修饰函数1.4 Python装饰器修改数据1.5 Python多层装饰器1.6 Python装饰器计时示例 2 参考 1 使
[python]《Python编程快速上手:让繁琐工作自动化》学习笔记7
1. 用GUI 自动化控制键盘和鼠标第18章 (代码下载) pyautogui模块可以向Windows、OS X 和Linux 发送虚拟按键和鼠标点击。根据使用的操作系统，在安装pyautogui之前，可能需要安装一些其他模块。 Windows: 不需要安装其他模块。OS X: sudo pip3
[python] 个人日常python工具代码
文章目录 生成文件目录结构多图合并找出文件夹中相似图像 生成文件目录结构 生成文件夹或文件的目录结构，并保存结果。可选是否滤除目录，特定文件以及可以设定最大查找文件结构深度。效果如下： root:[z:/] |--a.py |--image | |--cat1.jpg | |--cat2.jpg |
[python] 基于matplotlib_venn实现维恩图的绘制
文章目录 VENN DIAGRAM(维恩图)1. 具有2个分组的基本的维恩图 Venn diagram with 2 groups2. 具有3个组的基本维恩图 Venn diagram with 3 groups3. 自定义维恩图 Custom Venn diagram4. 精致的维恩图 Elabo
[python] mxnet60分钟入门Gluon教程
mxnet60分钟入门Gluon教程代码下载，适合做过深度学习的人使用。入门教程地址： https://beta.mxnet.io/guide/getting-started/crash-course/index.html mxnet安装方法：pip install mxnet 1 在mxnet中使
[python] python模块graphviz使用入门
文章目录 1 安装2 快速入门2.1 基本用法2.2 输出图像格式2.3 图像style设置2.4 属性2.5 子图和聚类 3 实例4 如何进一步使用python graphviz Graphviz是一款能够自动排版的流程图绘图软件。python graphviz则是graphviz的python实
pythonJavaScriptjavaHTMLPHPreactjsC#AndroidCSSNode.jssqlrpython-3.xMysqLjQueryc++pandasFlutterangularIOSdjangolinuxswifttypescript路由器JSON路由器设置无线路由器h3c华三华三路由器设置华三路由器电脑软件教程arraysdocker软件图文教程Cvue.jslaravelspring-boot