Python装饰器(decorators)


本文改编自以下文章:Decorators in Python


装饰器是一个很强大的工具,它允许我们很便捷地修改已有函数或者类的功能,我们可以用装饰器把另一个函数包装起来,扩展一些功能而不需要去修改这个函数代码。

预备知识

在Python中,函数是第一类对象,也就是说,Python中的函数可以作为参数来使用或传递,它具有如下属性:

  • 可以将函数存储在变量中
  • 可以将函数作为参数传递给另一个函数
  • 可以在函数中 return 另一个函数
  • 可以将函数存储在数据结构中,如哈希表,列表等

【例 1】将函数视为对象

在上面例子中,我们把函数up赋值给变量up1。这个操作并不会调用函数,而只是给函数up取了个别名up1

【例 2】将函数作为参数传递

上面例子中,函数dream的参数uplow也是函数

【例 3】从函数中 return 函数

这边比较绕,注意create_adder(15)返回的是一个函数,这个函数等同于adder,并且其内参数x是15。

最简单的装饰器

这边给出一个装饰器:

可以看到,装饰器就是把一个函数作为参数传进去,它本身也是个函数,把传进去的函数包装完之后,再把函数传出来。

我们把装饰器当成函数,正常调用就是上面这样。当然,装饰器有它特殊的用法,比如像这样:

它的工作逻辑就是把我定义的函数paper1当成参数传递给我的装饰器decorator,再传出来,当然我也可以把装饰器当成函数直接调用,就是麻烦一点罢了。

装饰器的语法逻辑是这样的:

python 复制代码
@decorator
def func():
    print("果壳小旋子")

'''Above code is equivalent to -

def func():
    print("果壳小旋子")
    
func = decorator(func)'''

【例 4】计算代码运行时间的装饰器

python 复制代码
# importing libraries
import time
import math
 
# decorator to calculate duration
# taken by any function.
def calculate_time(func):
     
    # added arguments inside the inner1,
    # if function takes any arguments,
    # can be added like this.
    def inner1(*args, **kwargs):
 
        # storing time before function execution
        begin = time.time()
         
        func(*args, **kwargs)
 
        # storing time after function execution
        end = time.time()
        print("Total time taken in : ", func.__name__, end - begin)
 
    return inner1

装饰器的作用很明显了,当我需要计算某一个函数的运行时间时,我只要找到那个函数的定义,在前面@calculate_time就行了,不需要再一个一个修改函数,当我不需要计算时间的时候,把装饰器删掉就行了。

被装饰的函数需要传参,有返回值

python 复制代码
def hello_decorator(func):
    def inner1(*args, **kwargs):
         
        print("before Execution")
         
        # getting the returned value
        returned_value = func(*args, **kwargs)
        print("after Execution")
         
        # returning the value to the original frame
        return returned_value
         
    return inner1

上面的装饰器中的内层函数inner1可以接收参数*args, **kwargs,并且可以返回值returned_value*args表示可以接受任意长度的位置参数,**kwargs表示可以接受任意长度的关键字参数。

多个装饰器连用

如果我有多个装饰器来装饰同一个函数,会是什么情况?首先定义两个装饰器:

python 复制代码
# code for testing decorator chaining
def decor1(func):
    def inner():
        x = func()
        return x * x
    return inner
 
def decor(func):
    def inner():
        x = func()
        return 2 * x
    return inner

装饰器decor将函数返回值加倍,装饰器decor1将函数返回值乘方

等价于

python 复制代码
decor1(decor(num))
decor(decor1(num2))

想了解带有参数的Python装饰器,可以参考Python 带参数的装饰器

相关推荐
知乎的哥廷根数学学派18 小时前
面向可信机械故障诊断的自适应置信度惩罚深度校准算法(Pytorch)
人工智能·pytorch·python·深度学习·算法·机器学习·矩阵
且去填词18 小时前
DeepSeek :基于 Schema 推理与自愈机制的智能 ETL
数据仓库·人工智能·python·语言模型·etl·schema·deepseek
人工干智能19 小时前
OpenAI Assistants API 中 client.beta.threads.messages.create方法,兼谈一星*和两星**解包
python·llm
databook19 小时前
当条形图遇上极坐标:径向与圆形条形图的视觉革命
python·数据分析·数据可视化
阿部多瑞 ABU19 小时前
`chenmo` —— 可编程元叙事引擎 V2.3+
linux·人工智能·python·ai写作
acanab19 小时前
VScode python插件
ide·vscode·python
知乎的哥廷根数学学派20 小时前
基于生成对抗U-Net混合架构的隧道衬砌缺陷地质雷达数据智能反演与成像方法(以模拟信号为例,Pytorch)
开发语言·人工智能·pytorch·python·深度学习·机器学习
WangYaolove131421 小时前
Python基于大数据的电影市场预测分析(源码+文档)
python·django·毕业设计·源码
知乎的哥廷根数学学派21 小时前
基于自适应多尺度小波核编码与注意力增强的脉冲神经网络机械故障诊断(Pytorch)
人工智能·pytorch·python·深度学习·神经网络·机器学习
cnxy1881 天前
Python爬虫进阶:反爬虫策略与Selenium自动化完整指南
爬虫·python·selenium