深入解析Python装饰器及*args, **kwargs的妙用

2023-12-23 09:44

本文主要是介绍深入解析Python装饰器及*args, **kwargs的妙用,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

深入解析Python装饰器及*args, **kwargs的妙用

简介:

​ 装饰器(Decorator)是 Python 中一种强大的语法特性,它允许在不修改原始函数代码的情况下,动态地扩展函数的功能。装饰器是函数或类,用于包装其他函数或类,并提供额外的功能。

​ 在 Python 中,装饰器通过使用 @ 符号将其应用于函数或类。装饰器可以在函数定义之前定义,并在函数调用时自动应用。以下是装饰器的基本语法:

@decorator
def function():# 函数体

decorator 是一个装饰器,它将被应用于下方定义的函数 function。装饰器可以是一个函数或一个类。

基础铺垫:

*args

​ 在函数定义中,*args 表示接受任意数量的位置参数。它将传递的参数打包成一个元组(tuple),可以在函数体内使用。这样,函数就可以处理不确定数量的参数。

def calculate_sum(*args):total = sum(args)return totalresult = calculate_sum(1, 2, 3, 4, 5)
print(result) # 输出15
解包:

​ 解包是指将一个容器(如元组、列表、字典等)中的值拆分为独立的元素。在函数调用或变量赋值的过程中,可以使用解包操作将容器中的值分配给对应的变量。

def my_function(a, b, c):print(a, b, c)args = (1, 2, 3)
my_function(*args)  # 解包元组,等同于 my_function(1, 2, 3)
**kwargs

**kwargs 表示接受任意数量的关键字参数。它将传递的参数打包成一个字典(dictionary),可以在函数体内使用。这样,函数就可以处理不确定数量的关键字参数。关键字参数就是,a=b,指定谁等于谁。

def print_values(**kwargs):for key, value in kwargs.items():print(f"{key}: {value}")print_values(name="Alice", age=25, city="London")

输出:

name: Alice
age: 25
city: London
配合使用:
def my_function(a, b, c):print(a, b, c)args = (1, 2, 3)
kwargs = {"a": 4, "b": 5, "c": 6}my_function(*args)         # 等同于 my_function(1, 2, 3)
my_function(**kwargs)      # 等同于 my_function(a=4, b=5, c=6)

在这里插入图片描述

深入分析:

案例一:
import timedef calculate_time(func):  # 这个函数的参数就是被装饰的函数即 func=my_functiondef wrapper():start_time = time.time()print("开始计时")func()end_time = time.time()print("结束计时")print("函数执行时间:", end_time - start_time, "秒")return wrapper@calculate_time  # 相当于 calculate_time(my_function) 将函数作为参数
def my_function():time.sleep(2)print('我是被装饰函数')

@calculate_time 是将 calculate_time 函数作为一个装饰器。

我花了一幅图片给大家看看执行过程:

在这里插入图片描述

​ 其实很简单,就是装饰器函数被被装饰函数当作参数来进行调用,然后装饰器的写法是固定的。

在这里插入图片描述

案例二:
def outer(f):  # 2.f == func 将被装饰函数的名字传递给参数fdef inner():# 6.执行inner函数体操作f()  # 6.1.调用原先的func函数print('注册功能')  # 6.2 执行添加的新功能return inner  # 3.此处的返回值会返回给被装饰函数的名字@outer  # 1.调用outer装饰器函数
def func():  # 4. func == innerprint('登录功能')func()  # 5.func() == inner()
# 需求:给func函数增添一个注册功能

在这里插入图片描述

案例三:

​ 我们看看下面这个案例,通过装饰器,我们可以丰富每个函数的功能,可以使代码更加模块化和可复用。

def outer(func):def inner():print('认证功能操作')result = func()return resultreturn inner# 基础平台部门开发了上百个函数的API
@outer # 调用装饰器函数 函数参数是另一个函数 
def f1():print('业务部门1的数据接口......')@outer
def f2():print('业务部门2的数据接口......')@outer
def f3():print('业务部门3的数据接口......')@outer
def f100():print('业务部门100的数据接口......')# 无参
f1()
f2()
f3()
f100()
案例四:
def outer(func):def inner(name):print('新功能!')func(name)return inner@outer #相当于f1 = outer(f1(name))
def f1(name):print('f1的原有功能,f1的参数值为:', name)f1('xxxx')

在这里插入图片描述

这篇关于深入解析Python装饰器及*args, **kwargs的妙用的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/527598

相关文章

网页解析 lxml 库--实战

lxml库使用流程 lxml 是 Python 的第三方解析库,完全使用 Python 语言编写,它对 XPath表达式提供了良好的支 持,因此能够了高效地解析 HTML/XML 文档。本节讲解如何通过 lxml 库解析 HTML 文档。 pip install lxml lxm| 库提供了一个 etree 模块,该模块专门用来解析 HTML/XML 文档,下面来介绍一下 lxml 库

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

poj 3050 dfs + set的妙用

题意: 给一个5x5的矩阵,求由多少个由连续6个元素组成的不一样的字符的个数。 解析: dfs + set去重搞定。 代码: #include <iostream>#include <cstdio>#include <set>#include <cstdlib>#include <algorithm>#include <cstring>#include <cm

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该