Python基础篇_修饰符(Decorators)【下】

上一篇:Python基础篇_修饰符(Decorators)【中】@property、@<attribute_name>.setter、@<attribute_name>.deleter、@functools.lru_cache(maxsize=None)

Python基础篇_修饰符(Decorators)【下】

Python基础篇_修饰符(Decorators)【下】

Python中有多种修饰符,这些修饰符用于指定方法的特殊行为或属性,也是用于修改函数行为的特殊参数。

一、修饰符一般特点

  1. 修饰符只能用于类定义中,不能用于普通函数中
  2. 属性修饰符是可叠加的,也就是说,一个方法可以同时被多个属性修饰符修饰

二、常用的修饰符以及用法举例

7) @abc.abstractmethod,抽象方法

@abc.abstractmethod用于指示一个方法是抽象的,这意味着这个方法必须在任何非抽象的子类中被重写。它属于abc模块,即抽象基类模块。

当你定义一个抽象基类并使用@abc.abstractmethod装饰器标记一个方法时,任何子类都必须实现这个方法,否则它将引发TypeError

示例1: AbstractClassExample类的抽象方法my_abstract_method

python 复制代码
import abc

class AbstractClassExample(metaclass=abc.ABCMeta):
    @abc.abstractmethod
    def my_abstract_method(self):
        pass

class ConcreteClass(AbstractClassExample):
    def my_abstract_method(self):
        print("This is the implementation of the abstract method.")

# 下面的代码将引发TypeError,因为my_abstract_method在BrokenClass中未被实现。
# class BrokenClass(AbstractClassExample):
#     pass
在这个例子中,AbstractClassExample是一个抽象基类,它有一个抽象方法my_abstract_method
任何继承自AbstractClassExample的子类都必须实现my_abstract_method方法
ConcreteClass是一个实现了该方法的子类
尝试创建一个没有实现该方法的子类(如被注释掉的BrokenClass)将引发TypeError

示例2:Vehicle类的抽象方法startstop

python 复制代码
import abc

class Vehicle(metaclass=abc.ABCMeta):
    @abc.abstractmethod
    def start(self):
        pass

    @abc.abstractmethod
    def stop(self):
        pass

class Car(Vehicle):
    def start(self):
        print("Car started!")

    def stop(self):
        print("Car stopped!")

class Bike(Vehicle):
    def start(self):
        print("Bike started!")

    def stop(self):
        print("Bike stopped!")

# 下面的代码将引发TypeError,因为Vehicle是一个抽象基类,要求子类必须实现start和stop方法。
# class Train(Vehicle):
#     pass
在这个例子中,AbstractClassExample是一个抽象基类,它有一个抽象方法my_abstract_method
任何继承自AbstractClassExample的子类都必须实现my_abstract_method方法
ConcreteClass是一个实现了该方法的子类
尝试创建一个没有实现该方法的子类(如被注释掉的BrokenClass)将引发TypeError

示例3:Shape类的抽象方法area

python 复制代码
import abc

class Shape(metaclass=abc.ABCMeta):
    @abc.abstractmethod
    def area(self):
        pass

class Circle(Shape):
    def __init__(self, radius):
        self.radius = radius
    
    def area(self):
        return 3.14 * self.radius ** 2

class Rectangle(Shape):
    def __init__(self, width, height):
        self.width = width
        self.height = height
    
    def area(self):
        return self.width * self.height

# 下面的代码将引发TypeError,因为Shape是一个抽象基类,要求子类必须实现area方法。
# class Triangle(Shape):
#     pass    
在这个例子中,Shape是一个抽象基类,有一个抽象方法area。任何子类必须实现这个方法。
Circle和`Rectangle`都是Shape的子类,并实现了area方法。
尝试创建一个没有实现该方法的子类(如被注释掉的Triangle)将引发TypeError

8) @functools.singledispatch,函数重载

@functools.singledispatchfunctools 模块提供的一个装饰器,用于实现多分派。具体来说,它可以将函数重定向到其他函数,基于第一个参数的类型。

示例1:foo方法重载

python 复制代码
from functools import singledispatch

# 定义一个使用 @singledispatch 的函数
@singledispatch
def foo(arg):
    raise NotImplementedError("Unsupported type for foo")

# 定义一个具体的实现,用于处理字符串类型的参数
@foo.register(str)
def _(arg):
    return f"You provided a string: {arg}"

# 定义一个具体的实现,用于处理整数类型的参数
@foo.register(int)
def _(arg):
    return f"You provided an integer: {arg}"

# 使用函数
print(foo("Hello"))  
print(foo(42))  
print(foo(0.5)) 
python 复制代码
# 执行结果
You provided a string: Hello
You provided an integer: 42
NotImplementedError: Unsupported type for foo

示例2:bar方法重载

python 复制代码
from functools import singledispatch

# 定义一个使用 @singledispatch 的函数
@singledispatch
def bar(arg):
    raise NotImplementedError("Unsupported type for bar")

# 定义一个具体的实现,用于处理字符串类型的参数
@bar.register(str)
def _(arg):
    return f"You provided a string: {arg}"

# 定义一个具体的实现,用于处理整数类型的参数
@bar.register(int)
def _(arg):
    return f"You provided an integer: {arg}"

# 定义一个具体的实现,用于处理列表类型的参数
@bar.register(list)
def _(arg):
    return f"You provided a list: {arg}"

# 使用函数
print(bar("Hello")) 
print(bar(42)) 
print(bar([1, 2, 3])) 
print(bar(0.5)) 
python 复制代码
# 执行结果
You provided a string: Hello
You provided an integer: 42
You provided a list: [1, 2, 3]
NotImplementedError: Unsupported type for bar

示例3:baz方法重载

python 复制代码
from functools import singledispatch

# 定义一个使用 @singledispatch 的函数
@singledispatch
def baz(arg):
    raise NotImplementedError("Unsupported type for baz")

# 定义一个具体的实现,用于处理字符串类型的参数
@baz.register(str)
def _(arg):
    return f"You provided a string: {arg}"

# 定义一个具体的实现,用于处理整数类型的参数
@baz.register(int)
def _(arg):
    return f"You provided an integer: {arg}"

# 定义一个具体的实现,用于处理列表类型的参数
@baz.register(list)
def _(arg):
    return f"You provided a list: {arg}"

# 定义一个更通用的实现,用于处理其他类型
@baz.register
def _(arg):
    return f"You provided an unknown type: {type(arg)}"

# 使用函数
print(baz("Hello"))
print(baz(42))
print(baz([1, 2, 3]))
print(baz(0.5))
python 复制代码
# 执行结果
You provided a string: Hello
You provided an integer: 42
You provided a list: [1, 2, 3]
You provided an unknown type: <class 'float'>

9) @contextlib.contextmanager,上下文管理

@contextlib.contextmanager 用于简化上下文管理器的创建。上下文管理器允许你在代码的某个特定部分设置一个上下文,该上下文在其他部分可能无法访问或可能更改。常见的使用场景包括文件操作、线程锁等。

使用 @contextlib.contextmanager 装饰器可以使您以声明式方式编写上下文管理器,而无需实现 __enter____exit__ 方法。这对于简化某些上下文管理任务非常有用。

示例1:名为 timer 的上下文管理器

接受一个名称参数并打印出开始和结束时间

python 复制代码
import contextlib
import time

@contextlib.contextmanager
def timer(name):
    print(f"Starting {name}")
    start_time = time.time()
    try:
        yield
    finally:
        end_time = time.time()
        print(f"{name} took {end_time - start_time} seconds")

with timer("my_operation"):
    # 在这里执行需要计时的操作
    time.sleep(2)
# 执行结果
Starting my_operation
my_operation took 2.00 seconds

示例2:名为 redirect_stdout 的上下文管理器

将标准输出(通常显示在控制台)重定向到一个指定的文件

python 复制代码
import contextlib
import os

@contextlib.contextmanager
def redirect_stdout(file_path):
    """将标准输出重定向到指定的文件"""
    original_stdout = sys.stdout
    try:
        with open(file_path, 'w') as f:
            sys.stdout = f
            yield
    finally:
        sys.stdout = original_stdout

# 使用重定向输出的上下文管理器
with redirect_stdout('output.txt'):
    print("This message will be written to the file.")

示例3:名为 thread_lock 的上下文管理器

接受一个 threading.Lock 对象作为参数。这个上下文管理器确保在 with 语句块中的代码在执行时被线程锁定

python 复制代码
import contextlib
import threading

@contextlib.contextmanager
def thread_lock(lock):
    """
    使用线程锁的上下文管理器
    :param lock: threading.Lock 对象
    """
    lock.acquire()
    try:
        yield
    finally:
        lock.release()

# 创建一个线程锁对象
lock = threading.Lock()

# 使用线程锁的上下文管理器
with thread_lock(lock):
    # 在此块中的代码将被线程锁定,确保同一时间只有一个线程可以执行这段代码
    print("Doing critical section of code...")

may the odds be ever in your favor ~

相关推荐
孤独且没人爱的纸鹤3 分钟前
【深度学习】:从人工神经网络的基础原理到循环神经网络的先进技术,跨越智能算法的关键发展阶段及其未来趋势,探索技术进步与应用挑战
人工智能·python·深度学习·机器学习·ai
羊小猪~~6 分钟前
tensorflow案例7--数据增强与测试集, 训练集, 验证集的构建
人工智能·python·深度学习·机器学习·cnn·tensorflow·neo4j
lzhlizihang8 分钟前
python如何使用spark操作hive
hive·python·spark
q0_0p9 分钟前
牛客小白月赛105 (Python题解) A~E
python·牛客
极客代码13 分钟前
【Python TensorFlow】进阶指南(续篇三)
开发语言·人工智能·python·深度学习·tensorflow
庞传奇15 分钟前
TensorFlow 的基本概念和使用场景
人工智能·python·tensorflow
华清远见IT开放实验室22 分钟前
【每天学点AI】实战图像增强技术在人工智能图像处理中的应用
图像处理·人工智能·python·opencv·计算机视觉
mqiqe1 小时前
Elasticsearch 分词器
python·elasticsearch
不去幼儿园2 小时前
【MARL】深入理解多智能体近端策略优化(MAPPO)算法与调参
人工智能·python·算法·机器学习·强化学习
幽兰的天空3 小时前
Python 中的模式匹配:深入了解 match 语句
开发语言·python