
來源:麥叔編程
作者:麥叔
之前發(fā)過兩篇裝飾器的文章,當時為了博取眼球,標題取得虛頭巴腦?,F在把兩篇合并在一起,重新發(fā)在『Python終結者』系列中,方便大家學習。
前不久,我面試過一個要求月薪30k+的程序員,還有一個浙大畢業(yè)的新人,兩個人都自稱最熟悉的編程語言是Python,但沒有一個人知道裝飾器??赐赀@篇文章,至少你在這方面超越了他們。
看透這篇文章,你至少超過了80%的Python學習者。
就算一周學透一個重要知識點,不久之后,你就會成為很厲害的存在!加油??!
對于Python學習者,一旦過了入門階段,你幾乎一定會用到Python的裝飾器。
它經常使用在很多地方,比如Web開發(fā),日志處理,性能搜集,權限控制等。
還有一個極其重要的地方,那就是面試的時候。對,裝飾器是面試中最常見的問題之一!
拋出問題
看這段代碼:
def step1(): print('step1.......') def step2(): print('step2......') def step3(): print('step3......')
step1()
step2()
step3()
代碼中定義了3個函數,然后分別調用這3個函數。假設,我們發(fā)現代碼運行很慢,我們想知道每個函數運行分別花了多少時間。
我們可以在每個函數中添加計時的代碼:
下面的例子只在step1中添加了相關代碼作為示例,你可以自行給step2和step3添加相關代碼。
import time def step1(): start = time.time()
print('step1.......')
end = time.time()
used = end - start
print(used) def step2(): print('step2......') def step3(): print('step3......')
step1()
step2()
step3()
這個方法可行!但用你的腳指頭想想也會覺得,這個方法很繁瑣,很笨拙,很危險!
這里只有3個函數,如果有30個函數,那不是要死人啦。萬一修改的時候不小心,把原來的函數給改壞了,面子都丟光了,就要被人BS了!
一定有一個更好的解決方法!
更好的解決方法是使用裝飾器。
裝飾器并沒有什么高深的語法,它就是一個實現了給現有函數添加裝飾功能的函數,僅此而已!
import time def timer(func): '''統(tǒng)計函數運行時間的裝飾器''' def wrapper(): start = time.time()
func()
end = time.time()
used = end - start
print(f'{func.__name__} used {used}') return wrapper def step1(): print('step1.......') def step2(): print('step2......') def step3(): print('step3......')
timed_step1 = timer(step1)
timed_step2 = timer(step2)
timed_step3 = timer(step3)
timed_step1()
timed_step2()
timed_step3()
上面的timer函數就是個裝飾器。
簡單說就是把原來的函數給包了起來,在不改變原函數代碼的情況下,在外面起到了裝飾作用,這就是傳說中的裝飾器。它其實就是個普通的函數。
如果你覺得有點懵逼,需要加強一些對Python函數的理解。函數:
可以作為參數傳遞
可以作為返回值
也可以定義在函數內部
然后,我們不再直接調用step1, 而是:
timed_step1 = timer(step1) timed_step1()
簡潔點,也可以這樣寫:
timer(step1)() timer(step2)() timer(step3)()
這樣可以在不修改原有函數代碼的情況下,給函數添加了裝飾性的新功能。
但是仍然需要修改調用函數的地方,看起來還不夠簡潔。有沒有更好的辦法呢?當然是有的!
我們可以在被裝飾的函數前使用@符號指定裝飾器。這樣就不用修改調用的地方了,這個世界清凈了。下面的代碼和上一段代碼功能一樣。在運行程序的時候,Python解釋器會根據@標注自動生成裝飾器函數,并調用裝飾器函數。
import time def timer(func): '''統(tǒng)計函數運行時間的裝飾器''' def wrapper(): start = time.time()
func()
end = time.time()
used = end - start
print(f'{func.__name__} used {used}') return wrapper @timer def step1(): print('step1.......') @timer def step2(): print('step2......') @timer def step3(): print('step3......')
step1()
step2()
step3()
到了這里,裝飾器的核心概念就講完了。
剩下的基本都是在不同場合下的應用。如果你是大忙人,不想學的太深,可以搜藏本文章,以后再回來看。
但是記得點在看。據說點了得都變帥了,也找到了好工作,或者升職加薪了。
上面是一個最簡單的例子,被裝飾的函數既沒有參數,也沒有返回值。下面來看有參數和返回值的情況。
我們把step1修改一下,傳入一個參數,表示要走幾步。
import time def timer(func): '''統(tǒng)計函數運行時間的裝飾器''' def wrapper(): start = time.time()
func()
end = time.time()
used = end - start
print(f'{func.__name__} used {used}') return wrapper @timer def step1(num): print(f'我走了#{num}步')
step1(5)
再去運行,就報錯了:
TypeError: wrapper() takes 0 positional arguments but 1 was given
這是因為,表面上我們寫的是step1(5),實際上Python是先調用wrapper()函數。這個函數不接受參數,所以報錯了。
為了解決這個問題,我們只要給wrapper加上參數就可以。
import time def timer(func): '''統(tǒng)計函數運行時間的裝飾器''' def wrapper(*args, **kwargs): start = time.time()
func(*args, **kwargs)
end = time.time()
used = end - start
print(f'{func.__name__} used {used}') return wrapper
如果對關鍵詞參數和位置參數不明白,可以在B站搜索"麥叔 參數",學習相關視頻。
如果被裝飾的函數func有返回值,wrapper也只需把func的返回值返回就可以了。
import time def timer(func): '''統(tǒng)計函數運行時間的裝飾器''' def wrapper(*args, **kwargs): start = time.time()
ret_value = func(*args, **kwargs)
end = time.time()
used = end - start
print(f'{func.__name__} used {used}') return ret_value return wrapper @timer def add(num1, num2): return num1 + num2
sum = add(5, 8)
print(sum)
這里我新加了一個add函數,計算兩個數之和。
在wrapper函數中,我們先保存了func的返回值到ret_value,然后在wrapper的最后返回這個值就可以了。
到這里,你又進了一步,你可以擊敗88.64%的Python學習者了。但還不夠,后面還有:
有位同學看完前面的內容,覺得自己掌握的很好了,就去面試。
結果被面試官一個“如何在Python中實現單例模式”的問題給當場問倒了。
氣得他上去就是兩個耳刮子,不過不是打面試官,是打自己,恨自己沒有等讀透整篇再去面試。所以大家都耐心讀完。
你一定用過裝飾器Decorator
其實Decorator就在我們身邊,只是我們可能不知道它們是裝飾器。我來說幾個:@classmethod @staticmethod @property
有沒有一種"我靠"的沖動?!
對,這些很重要的語法,不過是裝飾器的應用而已。
來看一個代碼例子:
class Circle: #半徑用下劃線開頭,表示私有變量 def __init__(self, radius): self._radius = radius #用property裝飾器創(chuàng)建虛擬的半徑屬性 @property def radius(self): return self._radius #用setter裝飾器給半徑屬性添加賦值操作 @radius.setter def radius(self, value): if value >= 0: self._radius = value else: raise ValueError("Radius must be positive") #用property裝飾器創(chuàng)建虛擬的面積屬性 @property def area(self): return self.pi() * self.radius**2 def cylinder_volume(self, height): return self.area * height #類方法 @classmethod def unit_circle(cls): return cls(1) #靜態(tài)方法 @staticmethod def pi(): return 3.1415926535
你不要以為你已經掌握了裝飾器,你只是聽懂了。
從聽懂到能動手寫出來,再到被面試的時候,可以流暢的說出來,那還差著二十萬八千里呢!
一定得多動手!所以抓緊時間,馬上再來創(chuàng)建兩個裝飾器。
現在我們來創(chuàng)建一個裝飾器:它會打印函數的參數,以及返回值。
如果你有實際項目經驗,你一定會知道這個很有用。這不就是自動打印日志嘛!是程序員找臭蟲的必備良藥啊。
來看看代碼:
def debug(func): def wrapper_debug(*args, **kwargs): print(f'{func.__name__}:{args}, {kwargs}')
ret_val = func(*args, **kwargs)
print(f'return: {ret_val}') return ret_val return wrapper_debug @debug def add(a, b): return a + b
add(1, 3)
add(2, 3)
add(4, 3)
在wrapper_debug函數中,我們先打印所有的參數,再調用原函數,最后先打印返回值,再返回返回值。這里并沒有新的語法知識,就是為了練手。
曾經我還年輕,看到一個大神的代碼里面有這么一行:
sleep(random(1,5))
因為有了這行代碼,程序運行的時候挺慢的。我就問大神,為什么要這樣。大神語重心長的跟我說:
你還年輕!我把這個程序交付給客戶,客戶會覺得有點慢,但還能忍。
忍不住了,會來找我優(yōu)化性能。我一個手指頭就把性能優(yōu)化上去了,客戶一定對我五體投地。而且我們公司的尾款也給我們了。
年輕人,多學著點!這就是閱歷,閱歷!
可惜我學了這么多年,也沒學會這種閱歷。
不過有時候,因為各種原因,我們確實需要讓程序變慢一點。裝飾器就排上了用場:
import time def slow(func): def wrapper_slow(*args, **kwargs): print(f'{func.__name__} sleeping 1 second')
time.sleep(1)
ret_val = func(*args, **kwargs) return ret_val return wrapper_slow @slow def add(a, b): return a + b
add(1, 3)
運行一下,你就會很有成就感!確實慢!
上面那個真實的段子,我勸大家和我一樣,一直都學不會。日久見人心,坑人的事情不能干。
經過前面幾個例子,我們可以總結出一個裝飾器的模板。
按照這個模板,可以輕松寫出裝飾器:
def decorator(func): def wrapper_decorator(*args, **kwargs): #調用前操作 ret_val = func(*args, **kwargs) #調用后操作 return ret_val return wrapper_decorator
按照這個模板:
上面那兩個都是普通的裝飾器的應用,我們不能繼續(xù)自High下去了。我們得學習新知識了。
上面那個slow的裝飾器,如果能夠傳入到底要sleep幾秒就好了,現在是固定的1秒,這個不香。
注意區(qū)分,這里的參數是指裝飾器的參數。和前面提到的函數自身的參數是不同的。
我想讓它多慢就多慢,然后我們再頃刻間扭轉乾坤,這樣客戶就更為我神魂顛倒了。
要讓裝飾器接受參數,需要在普通裝飾器的外面再套上一層:
import time def slow(seconds): def decorator_slow(func): def wrapper_slow(*args, **kwargs): print(f'{func.__name__} sleeping {seconds} second')
time.sleep(seconds)
ret_val = func(*args, **kwargs) return ret_val return wrapper_slow return decorator_slow #添加裝飾器的時候可以傳入要放慢幾秒的參數。@slow(2)def add(a, b): return a + b #執(zhí)行此行會停頓2秒 add(1, 3)
以前的裝飾器,是函數里面有一個內部函數(2層函數),現在這個有了3層函數:
其實后面兩層就是和之前一樣的,唯一的區(qū)別是外面又加了一層。
為什么會這樣呢?為什么最外面一層不需要傳入func參數呢?
這是因為:
這就是說最外面一層的功能就是為了處理裝飾器的參數的。
如果你一下子不能理解,先把代碼敲出來,你就理解了。正所謂:熟讀唐詩三百首,不會吟詩也會吟!
再來看一個裝飾器帶參數的例子:
def repeat(nums=3): def decorator_repeat(func): def wrapper_repeat(*args, **kwargs): for _ in range(nums):
func(*args, **kwargs) return wrapper_repeat return decorator_repeat @repeat(3) def run(): print('跑步有利于身體健康,來一圈') #這里會重復執(zhí)行3次 run()
這個裝飾和slow裝飾器一樣坑人,它會多次重復執(zhí)行一個方法,并且可以動態(tài)指定要重復幾次。
細細品味一下這個3層的函數,它是如何實現帶參數的裝飾器的。這兩個例子都懂了,你就走在吊打面試官的路上了。
還記得前面給自己兩個耳光的同學嗎?如果他現在去面試,還是給自己兩個耳光,還是不知道如何實現單例模式。
單例模式,是指一個類只能創(chuàng)建一個實例,是最常見的設計模式之一。
比如網站程序有一個類統(tǒng)計網站的訪問人數,這個類只能有一個實例。如果每次訪問都創(chuàng)建一個新的實例,那人數就永遠是1了。
在Python中可以用裝飾器實現單例模式。
前面的裝飾器都是用來裝飾函數的,或者用來裝飾類方法的,比如我們寫的slow, debug, timer; Python自帶的staticmethod, classmethod等。
那如果把裝飾器放到類名前面會怎樣呢?來看這段代碼:
from slow import slow @slow class Counter(): def __init__(self): self._count = 0 def visit(self): self._count += 1 print(f'visiting: {self._count}')
c1 = Counter()
c1.visit()
c1.visit()
c2 = Counter()
c2.visit()
c2.visit()
這個類名叫Counter(),顧名思義就是用來做計數的。它有一個內部變量叫做_count,每次調用Counter的visit()方法,計數就會加1.
第一行,我們引入了前面寫的slow裝飾器,是那個普通的不帶參數的slow。裝飾器就是個函數,當然可以被import進來。
這次@slow放在Counter類名前面,而不是方法的前面,會發(fā)生什么呢?運行上面的代碼,會發(fā)現這樣的結果:
Counter sleeping 1 second visiting: 1 visiting: 2 Counter sleeping 1 second visiting: 1 visiting: 2
這說明只有在創(chuàng)建Counter實例的時候,才會sleep一秒,調用visit函數的時候,不會sleep。
所以,類裝飾器實際上裝飾的是類的初始化方法。只有初始化的時候會裝飾一次。
上面的運行結果很讓人失望,如果去面試,還是會給自己兩個耳刮子的。
作為一個計數器,應該計數是不斷疊加的。
可是上面的代碼,創(chuàng)建了兩個計數器,自己記錄自己的。扯淡啊!
我們現在就用類裝飾器改造它:
def singleton(cls): '''創(chuàng)建一個單例模式''' def single_wrapper(*args, **kwargs): if not single_wrapper.instance:
single_wrapper.instance = cls(*args, **kwargs) return single_wrapper.instance
single_wrapper.instance = None return single_wrapper @singleton class Counter(): def __init__(self): self._count = 0 def visit(self): self._count += 1 print(f'visiting: {self._count}')
c1 = Counter()
c1.visit()
c1.visit()
c2 = Counter()
c2.visit()
c2.visit()
先來運行一下:
visiting: 1 visiting: 2 visiting: 3 visiting: 4
結果很滿意,雖然創(chuàng)建了兩個Counter,計數是記錄在一起的。這主要得益于這個新的裝飾器:
def singleton(cls): '''創(chuàng)建一個單例模式''' def single_wrapper(*args, **kwargs): #如果沒有實例,則創(chuàng)建實例 if not single_wrapper.instance:
single_wrapper.instance = cls(*args, **kwargs) #返回原來的實例,或者新的實例 return single_wrapper.instance #給新創(chuàng)建的函數添加一個屬性保存實例 single_wrapper.instance = None return single_wrapper
它和其他的裝飾器基本一樣,它的不同之處在于這一行:
single_wrapper.instance = None
在創(chuàng)建完函數后,又給函數添加了一個屬性,用來保存實例,開始為None,就是沒有實例。
再來分析一下代碼邏輯:
把這個裝飾器加到類上的時候,就相當于加到了初始化方法。
當我們創(chuàng)建Counter的時候,被這個裝飾器截胡,它會返回一個已經創(chuàng)建好的實例。如果沒有實例,它會創(chuàng)建一個。
也就是說,不管調用Counter()多少次,最終就只有一個實例。這就是實現了單例模式。
如果有點不懂,再看一遍,為的是在面試官面前揚眉吐氣。
上面的例子中,我們看到裝飾器自己保存了一個實例,你要的時候它就給你這一個,所以才實現了單例模式。這種就叫做帶狀態(tài)的裝飾器。
我們再來看一個例子。count裝飾器會記錄一個函數被調用的次數:
def count(func): def wrapper_count(): wrapper_count.count += 1 print(f'{func.__name__}:第{wrapper_count.count}次調用')
func()
wrapper_count.count = 0 return wrapper_count @count def run(): print('跑步有利于身體健康,來一圈')
run()
run()
run()
運行結果:
run:第1次調用 跑步有利于身體健康,來一圈 run:第2次調用 跑步有利于身體健康,來一圈 run:第3次調用 跑步有利于身體健康,來一圈
關鍵點就在于這一行:
wrapper_count.count = 0
給wrapper_count函數添加了count屬性,來記錄函數調用的次數,它也是一個有狀態(tài)的裝飾器。
一個函數只能有一個裝飾器嗎?
裝飾器的本質就是先調用裝飾器,裝飾器再調用函數。既然這樣,那么多調用幾層也無妨吧。
來看這個例子:
import time from slow import slow def timer(func): def wrapper(): start_time = time.perf_counter()
func()
end_time = time.perf_counter()
used_time = end_time - start_time
print(f'{func.__name__} used {used_time}') return wrapper @slow @timer def run(): print('跑步有利于身體健康,來一圈')
run()
這個例子中,run函數用了兩個裝飾器,slow和timer。它的執(zhí)行過程就相當于:
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經網絡(RNN)家族中,長短期記憶網絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數據分析師報考條件詳解與準備指南? ? 在數據驅動決策的時代浪潮下,CDA 數據分析師認證愈發(fā)受到矚目,成為眾多有志投身數 ...
2025-07-11數據透視表中兩列相乘合計的實用指南? 在數據分析的日常工作中,數據透視表憑借其強大的數據匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數據分析師:連接數據與業(yè)務的價值轉化者? ? 在大數據與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數據查詢到趨勢預判? ? 在數據驅動決策的時代,預測分析作為挖掘數據潛在價值的核心手段,正被廣泛 ...
2025-07-10數據查詢結束后:分析師的收尾工作與價值深化? ? 在數據分析的全流程中,“query end”(查詢結束)并非工作的終點,而是將數 ...
2025-07-10CDA 數據分析師考試:從報考到取證的全攻略? 在數字經濟蓬勃發(fā)展的今天,數據分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數據背后的時間軌跡? 在數據分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數據類型:時間維度的精準切片? ? 在數據的世界里,時間是最不可或缺的維度之一,而year_month數據類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數據分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數據分析師認證考試中,Python 作為數據處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數據趨勢與突變分析的有力工具? ? ? 在數據分析的廣袤領域中,準確捕捉數據的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數據分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數據分析師認證作為國內權威的數據分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網絡(LSTM)作為循環(huán)神經網絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調研數據中的深度應用? 市場調研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調研數 ...
2025-07-07CDA數據分析師證書考試全攻略? 在數字化浪潮席卷全球的當下,數據已成為企業(yè)決策、行業(yè)發(fā)展的核心驅動力,數據分析師也因此成為 ...
2025-07-07剖析 CDA 數據分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數據分析師考試作為衡量數據專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉日期:解鎖數據處理的關鍵技能? 在數據處理與分析工作中,數據格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數據分析師視角:從數據迷霧中探尋商業(yè)真相? 在數字化浪潮席卷全球的今天,數據已成為企業(yè)決策的核心驅動力,CDA(Certifie ...
2025-07-04CDA 數據分析師:開啟數據職業(yè)發(fā)展新征程? ? 在數據成為核心生產要素的今天,數據分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03