分享一下我的偶像大神的人工智慧教程！http://blog.csdn.net/jiangjunshow

也歡迎轉載我的文章，轉載請註明出處 https://blog.csdn.net/mm2zzyzzp

Python進階(六)-python編寫無引數decorator

  Python的 decorator 本質上就是一個高階函式，它接收一個函式作為引數，然後，返回一個新函式。
  使用 decorator 用Python提供的 @ 語法，這樣可以避免手動編寫 f = decorate(f) 這樣的程式碼。
  考察一個@log的定義：

def log
 
(f):
    def fn(x):
        print 'call ' + f.__name__ + '()...'
        return f(x)
    return fn
  

   
1
   
2
   
3
   
4
   
5
  

  對於階乘函式，@log工作得很好：

@log
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))
print factorial(10)
  

   
1
   
2
   
3
   
4
  

  結果：
  call factorial()…
  3628800
  但是，對於引數不是一個的函式，呼叫將報錯：

@log
def add(x, y):
    return x + y
print add(1, 2)
  

   
1
   
2
   
3
   
4
  

  結果：
  Traceback (most recent call last):
   File “test.py”, line 15, in
   print add(1,2)
  TypeError: fn() takes exactly 1 argument (2 given)
  因為 add() 函式需要傳入兩個引數，但是 @log 寫死了只含一個引數的返回函式。
  要讓 @log 自適應任何引數定義的函式，可以利用Python的 *args 和 **kw，保證任意個數的引數總是能正常呼叫：

def log(f):
    def fn(*args, **kw):
        print 'call ' + f.__name__ + '()...'
        return f(*args, **kw)
    return fn
  

   
1
   
2
   
3
   
4
   
5
  

  現在，對於任意函式，@log 都能正常工作。

舉例

  請編寫一個@performance，它可以打印出函式呼叫的時間。
  計算函式呼叫的時間可以記錄呼叫前後的當前時間戳，然後計算兩個時間戳的差。
  參考程式碼:

import time
def performance(f):
    def fn(*args, **kw):
        t1 = time.time()
        r = f(*args, **kw)
        t2 = time.time()
        print 'call %s() in %fs' % (f.__name__, (t2 - t1))
        return r
    return fn

@performance
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))
print factorial(10)
  

   
1
   
2
   
3
   
4
   
5
   
6
   
7
   
8
   
9
   
10
   
11
   
12
   
13
   
14
  

分享一下我的偶像大神的人工智慧教程！http://blog.csdn.net/jiangjunshow

也歡迎轉載我的文章，轉載請註明出處 https://blog.csdn.net/mm2zzyzzp