news 2026/2/9 17:34:24

DAY31 函数专题2:装饰器

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
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)。

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:

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():

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

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/2/7 17:40:43

PyTorch-CUDA-v2.6镜像中使用Git管理机器学习代码的最佳实践

PyTorch-CUDA-v2.6 镜像中使用 Git 管理机器学习代码的最佳实践 在深度学习项目开发中,我们常常会遇到这样的场景:一个模型昨天还能跑出 95% 的准确率,今天却再也复现不了;团队成员提交的代码互相覆盖,导致关键功能丢…

作者头像 李华
网站建设 2026/2/6 23:24:10

通过GNU Radio可视化界面控制SDR硬件通俗解释

用鼠标“画”出一台收音机:GNU Radio 是如何让普通人玩转 SDR 的?你有没有想过,只靠一台几十块钱的 USB 接收器和一个图形界面软件,就能监听 FM 广播、接收飞机ADS-B信号、甚至解码气象卫星图像?这背后的核心技术&…

作者头像 李华
网站建设 2026/2/6 23:05:37

蜂鸣器在工业报警中的应用:核心要点解析

蜂鸣器在工业报警中的应用:从原理到实战的深度拆解你有没有遇到过这样的场景?一台设备突然停机,操作屏上没有任何提示,而旁边的同事却说:“刚才好像听见‘嘀’了一声?”——这正是蜂鸣器在关键时刻发出的求…

作者头像 李华
网站建设 2026/2/5 5:08:52

PyTorch-CUDA-v2.6镜像发布:专为大模型token生成优化的GPU环境

PyTorch-CUDA-v2.6镜像发布:专为大模型token生成优化的GPU环境 在大模型推理日益成为AI产品核心能力的今天,一个常见却令人头疼的问题是:为什么同样的模型,在不同机器上跑出来的速度差了三倍?更别提那些因驱动版本不匹…

作者头像 李华
网站建设 2026/2/5 12:18:08

PyTorch-CUDA-v2.6镜像如何实现多卡并行训练?技术细节曝光

PyTorch-CUDA-v2.6镜像如何实现多卡并行训练?技术细节曝光 在当前大模型时代,单张GPU已经远远无法满足训练效率的需求。从BERT到LLaMA,模型参数动辄数十亿甚至上千亿,训练任务对算力的渴求达到了前所未有的高度。面对这一挑战&…

作者头像 李华
网站建设 2026/2/9 17:22:53

Docker快速搭建Elasticsearch安装环境通俗解释

用 Docker 几分钟搭起 Elasticsearch,新手也能轻松上手 你有没有遇到过这种情况:想试试 Elasticsearch 的全文检索功能,刚打开官网准备安装,就看到一堆 JVM 参数、系统内核调优、YAML 配置文件……还没开始写代码,光是…

作者头像 李华