目录
1.复习函数
# (1).将函数赋予变量
def func(message):
print('Got a message: {}'.format(message))
send_message = func
send_message('hello world')
# (2)把函数当做参数传入到另一个函数中
def get_message(message):
return 'Got a message:'+message
def root_call(func,message):
print(func(message))
# (3)函数的嵌套
def func(message):
def get_message(message):
print('Got a message:{}'.format(message))
return get_message(message)
# (4)函数的返回值也可以是函数对象（闭包）
def func(message):
def get_message(message):
print('Got a message:{}'.format(message))
return get_message2.装饰器
# (1)简单装饰器
# 这里的函数 my_decorator() 就是一个装饰器，它把真正需要执行的函数 greet() 包裹在其中，并且改变了它的行为，但是原函数 greet() 不变。
# 其实就是不改变 greet 与 greet 调用的情况下,将greet 函数变成了 wrapper 函数
def my_decorator(func):
def wrapper():
print('wrapper of deroctor')
func()
return wrapper
def greet():
print('hello world')
greet = my_decorator(greet)
greet()
# @ 语法糖 如果其他程序也需要用这个装饰就在开头加上就行,提高函数的重复利用性与可读性
def my_decorator(func):
def wrapper():
print('wrapper of deroctor')
func()
return wrapper
@my_decorator
def greet():
print('hello world')
# (2)带有参数的装饰器
# 在对应的装饰器函数 wrapper() 上，加上相应的参数
def my_decorater(func):
def wrapper(message):
print('wrapper of deroctor')
func(message)
return wrapper
@my_decorater
def greet(message):
print(message)
greet('hello world')
# 通常情况下，我们会把*args和**kwargs，作为装饰器内部函数 wrapper() 的参数。*args和**kwargs，表示接受任意数量和类型的参数
def my_decorator(func):
def wrapper(*args, **kwargs):
print('wrapper of decorator')
func(*args, **kwargs)
return wrapper
# (3)带有自定义参数的装饰器
def repeat(num):
def my_decorator(func):
def wrapper(*args,**kwargs):
for i in range(num):
print(1)
func(*args,**kwargs)
return wrapper
return my_decorator
@repeat(4)
def greet(v):
print(v)
greet(4)
def greet(v):
print(v)
greet = repeat(4)(greet)
greet(4)
# (4) 原函数还是原函数吗？
# 你会发现，greet() 函数被装饰以后，它的元信息变了。元信息告诉我们“它不再是以前的那个 greet() 函数，而是被 wrapper() 函数取代了”。
print(greet.__name__)
## 输出 'wrapper'
help(greet)
# 输出 Help on function wrapper in module __main__: wrapper(*args, **kwargs)
# 加 @functools.wraps(func)
import functools
def my_decorator(func):
@functools.wraps(func)
def wrapper(*args,**kwargs):
print(1)
func(*args,**kwargs)
return wrapper
@my_decorator
def greet(message):
print(message)
greet(2)
print(greet.__name__)
help(greet)
# (5)类装饰器
# 类也可以作为装饰器。类装饰器主要依赖于函数__call__()，每当你调用一个类的示例时，函数__call__()就会被执行一次。
class Count:
def __init__(self, func):
self.func = func
self.num_calls = 0
def __call__(self, *args, **kwargs):
self.num_calls += 1
print('num of calls is: {}'.format(self.num_calls))
return self.func(*args, **kwargs)
@Count
def example():
print("hello world")
example()
example()
# (6)装饰器的嵌套
@decorator1
@decorator2
@decorator3
def func():
...
# 它的执行顺序从里到外，所以上面的语句也等效于下面这行代码：
decorator1(decorator2(decorator3(func)))
import functools
def my_decorator1(func):
@functools.wraps(func)
def wrapper(*args, **kwargs):
print('execute decorator1')
func(*args, **kwargs)
return wrapper
def my_decorator2(func):
@functools.wraps(func)
def wrapper(*args, **kwargs):
print('execute decorator2')
func(*args, **kwargs)
return wrapper
@my_decorator1
@my_decorator2
def greet(message):
print(message)
greet('hello world')3.装饰器用法
# 1.身份认证
#
# 这段代码中，我们定义了装饰器 authenticate；而函数 post_comment()，则表示发表用户对某篇文章的评论。每次调用这个函数前，
# 都会先检查用户是否处于登录状态，如果是登录状态，则允许这项操作；如果没有登录，则不允许
import functools
def authenticate(func):
@functools.wraps(func)
def wrapper(*args, **kwargs):
request = args[0]
if check_user_logged_in(request): # 如果用户处于登录状态
return func(*args, **kwargs) # 执行函数post_comment()
else:
raise Exception('Authentication failed')
return wrapper
@authenticate
def post_comment(request, ...):
...
# 2.日志记录
# 在实际工作中，如果你怀疑某些函数的耗时过长，导致整个系统的 latency（延迟）增加，所以想在线上测试某些函数的执行时间，那么，装饰器就是一种很常用的手段。
import time
def execution_time(func):
def wrapper(*args,**kwargs):
start_time = time.time()
func(*args,**kwargs)
end_time = time.time()
print('运行时间: {}'.format(str(end_time-start_time)))
return wrapper
@execution_time
def greet(num):
a = 0
for i in range(num):
a+=i
print(a)
greet(1000)
# 3.输入合理性检查
# 其实在工作中，很多情况下都会出现输入不合理的现象。因为我们调用的训练模型往往很复杂，输入的文件有成千上万行，很多时候确实也很难发现。
# 试想一下，如果没有输入的合理性检查，很容易出现“模型训练了好几个小时后，系统却报错说输入的一个参数不对，成果付之一炬”的现象。这样的“*”，大大减缓了开发效率，也对机器资源造成了巨大浪费。
import functools
def validation_check(input):
@functools.wraps(func)
def wrapper(*args, **kwargs):
... # 检查输入是否合法
@validation_check
def neural_network_training(param1, param2, ...):
...
4.缓存
LRU cache，在 Python 中的表示形式是@lru_cache。@lru_cache会缓存进程中的函数参数和结果，当缓存满了以后，会删除 least recenly used 的数据。
@lru_cache
def check(param1, param2, ...) # 检查用户设备类型，版本号等等 ...5.装饰器意义
这节课，我们一起学习了装饰器的概念及用法。所谓的装饰器，其实就是通过装饰器函数，来修改原函数的一些功能，使得原函数不需要修改。 工作当中，如果是二次开发，在原来的需求基础之上做优化，原逻辑不需要修改的情况下，只需增加新的业务场景的时候，感觉用装饰器挺好的。不动原来的逻辑，增加程序的健壮性。