DAY31 函数专题2:装饰器

前言:在上一个章节中我们主要讨论了函数的基本定义方式和基本的用法,在本节中我们将引入一个新的概念装饰器。装饰器是函数的"外包装",装饰器是一个可以给函数"穿衣服"的特殊函数,不改变原函数代码就能增加新功能。

一、选用装饰器的原因

原因一:使用装饰器可以提升代码复用,例如我有多个函数需要测量执行时间,我可以直接将装饰器应用在这些函数上,而不用在每个函数上进行重复代码的书写。

原因二:保证函数的逻辑清晰,使用装饰器可以使得一个函数只承担单一的责任。

原因三:扩展他人写好的函数,通过装饰器可以直接添加额外功能,而不需要去对应的库中进行相关的修改。

二、应用示例

编写一个装饰器logger,在函数执行前后打印日志信息(如函数名、参数、返回值)。

python 复制代码
def logger(func):
    def wrapper(*args, **kwargs):  # args 是元组,kwargs 是字典
        print(f"开始执行函数 {func.__name__},参数: {args}, {kwargs}")
        result = func(*args, **kwargs)
        print(f"函数 {func.__name__} 执行完毕,返回值: {result}")
        return result
    return wrapper

@logger
def multiply(a, b):
    return a * b 

multiply(2, 3)  # 调用 multiply 函数,观察日志输出

其中

@logger

def multiply(a, b):

return a * b

multiply(2, 3)

--------------------------------------------------------等价于----------------------------------------------------------------

def multiply(a, b):

return a * b

multiply = logger(multiply)

值得注意的是

return wrapper(返回函数本身,可多次使用的工具)、return wrapper()(立即执行函数,一个结果值)。

举个例子:对于return wrapper:

python 复制代码
def create_calculator(operation):
    if operation == "add":
        def add_numbers(a, b):
            return a + b
        return add_numbers  # 返回加法计算器
    
    elif operation == "multiply":
        def multiply_numbers(a, b):
            return a * b
        return multiply_numbers  # 返回乘法计算器

# 得到计算器
my_adder = create_calculator("add")
my_multiplier = create_calculator("multiply")

# 可以多次使用
print(my_adder(2, 3))      # 5
print(my_adder(10, 20))    # 30
print(my_multiplier(4, 5))  # 20

对于 return wrapper():

python 复制代码
def calculate_once():
    def add_numbers(a, b):
        return a + b
    
    return add_numbers(2, 3)  # ❌ 立即计算 2+3

# 只能得到一个结果
result = calculate_once()
print(result)  # 5

# 不能计算其他数
# 这个函数只能算 2+3

一个参数设定时的典型错误:

关键规则总结

  1. 顺序:位置参数必须在前,关键字参数在后

  2. 一旦用关键字参数,后面的所有参数必须都用关键字参数

  3. 可以混用,但必须保持"位置→关键字"的顺序

  4. 关键字参数可以打乱顺序,因为Python按名称分配

@浙大疏锦行

相关推荐
CCPC不拿奖不改名8 小时前
循环神经网络RNN:整数索引→稠密向量(嵌入层 / Embedding)详解
人工智能·python·rnn·深度学习·神经网络·自然语言处理·embedding
鹤入云霄8 小时前
基于Python的空气质量监测系统
python
长行10 小时前
Python|Windows 安装 DeepSpeed 安装方法及报错 Unable to pre-compile async_io 处理
windows·python·deepspeed
百锦再10 小时前
python之路并不一马平川:带你踩坑Pandas
开发语言·python·pandas·pip·requests·tools·mircro
Python之栈10 小时前
5款拖拽式Python GUI生成器助你快速打造炫酷界面
python
灏瀚星空10 小时前
基于 Python 与 GitHub,打造个人专属本地化思维导图工具全流程方案(上)
开发语言·人工智能·经验分享·笔记·python·个人开发·visual studio
用什么都重名10 小时前
「实战指南」使用 Python 调用大模型(LLM)
python·大模型·llm·api调用
是Dream呀10 小时前
Python从0到100(一百):基于Transformer的时序数据建模与实现详解
开发语言·python·transformer
资源存储库10 小时前
【笔记】如何修改一个conda环境的python版本?
笔记·python·conda
xcLeigh10 小时前
AI的提示词专栏:Prompt 与 Python Pandas 的结合使用指南
人工智能·python·ai·prompt·提示词