Python 有益的探索

发表于 更新于 分类于

image-20200713211348595

尝试着潜入水中，往冰山的深处扎一个小小的猛子

9.1 数据类型的底层实现

image-20200713214702744

9.1.1 从奇怪的列表说起

image-20200713211524028

1、错综复杂的复制

1
list_1 = [1, [22, 33, 44], (5, 6, 7), {"name": "Sarah"}]

image-20200713212853714

  • 浅拷贝
1
2
# list_3 = list_1          # 错误！！！
list_2 = list_1.copy()     # 或者list_1[:] \ list(list_1) 均可实现浅拷贝
  • 对浅拷贝前后两列表分别进行操作
1
2
3
4
list_2[1].append(55)

print("list_1:  ", list_1)
print("list_2:  ", list_2)
list_1:   [1, [22, 33, 44, 55], (5, 6, 7), {'name': 'Sarah'}]
list_2:   [1, [22, 33, 44, 55], (5, 6, 7), {'name': 'Sarah'}]

2、列表的底层实现

引用数组的概念

列表内的元素可以分散的存储在内存中

列表存储的，实际上是这些元素的地址！！！——地址的存储在内存中是连续的

1
2
list_1 = [1, [22, 33, 44], (5, 6, 7), {"name": "Sarah"}]
list_2 = list(list_1)   # 浅拷贝   与list_1.copy()功能一样

（1）新增元素

1
2
3
4
5
list_1.append(100)
list_2.append("n")

print("list_1:  ", list_1)
print("list_2:  ", list_2)
list_1:   [1, [22, 33, 44], (5, 6, 7), {'name': 'Sarah'}, 100]
list_2:   [1, [22, 33, 44], (5, 6, 7), {'name': 'Sarah'}, 'n']

image-20200713213914825

（2）修改元素

1
2
3
4
5
list_1[0] = 10
list_2[0] = 20

print("list_1:  ", list_1)
print("list_2:  ", list_2)
list_1:   [10, [22, 33, 44], (5, 6, 7), {'name': 'Sarah'}, 100]
list_2:   [20, [22, 33, 44], (5, 6, 7), {'name': 'Sarah'}, 'n']

image-20200713213835580

（3）对列表型元素进行操作

1
2
3
4
5
list_1[1].remove(44)
list_2[1] += [55, 66]

print("list_1:  ", list_1)
print("list_2:  ", list_2)
list_1:   [10, [22, 33, 55, 66], (5, 6, 7), {'name': 'Sarah'}, 100]
list_2:   [20, [22, 33, 55, 66], (5, 6, 7), {'name': 'Sarah'}, 'n']

image-20200713213744822

（4）对元组型元素进行操作

1
2
3
4
list_2[2] += (8,9)

print("list_1:  ", list_1)
print("list_2:  ", list_2)
list_1:   [10, [22, 33, 55, 66], (5, 6, 7), {'name': 'Sarah'}, 100]
list_2:   [20, [22, 33, 55, 66], (5, 6, 7, 8, 9), {'name': 'Sarah'}, 'n']

元组是不可变的！！！

image-20200713214000287

（5）对字典型元素进行操作

1
2
3
4
list_1[-2]["age"] = 18

print("list_1:  ", list_1)
print("list_2:  ", list_2)
list_1:   [10, [22, 33, 55, 66], (5, 6, 7), {'name': 'Sarah', 'age': 18}, 100]
list_2:   [20, [22, 33, 55, 66], (5, 6, 7, 8, 9), {'name': 'Sarah', 'age': 18}, 'n']

image-20200713214051420

3、引入深拷贝

浅拷贝之后

  • 针对不可变元素（数字、字符串、元组）的操作，都各自生效了

  • 针对不可变元素（列表、集合）的操作，发生了一些混淆

引入深拷贝

  • 深拷贝将所有层级的相关元素全部复制，完全分开，泾渭分明，避免了上述问题
1
2
3
4
5
6
7
8
9
import copy

list_1 = [1, [22, 33, 44], (5, 6, 7), {"name": "Sarah"}]
list_2 = copy.deepcopy(list_1)
list_1[-1]["age"] = 18
list_2[1].append(55)

print("list_1:  ", list_1)
print("list_2:  ", list_2)
list_1:   [1, [22, 33, 44], (5, 6, 7), {'name': 'Sarah', 'age': 18}]
list_2:   [1, [22, 33, 44, 55], (5, 6, 7), {'name': 'Sarah'}]

9.1.2 神秘的字典

1、快速的查找

1
2
3
4
5
6
7
8
9
10
11
12
import time

ls_1 = list(range(1000000))
ls_2 = list(range(500))+[-10]*500

start = time.time()
count = 0
for n in ls_2:
    if n in ls_1:
        count += 1
end = time.time()
print("查找{}个元素，在ls_1列表中的有{}个，共用时{}秒".format(len(ls_2), count,round((end-start),2)))
查找1000个元素，在ls_1列表中的有500个，共用时6.19秒

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import time

d = {i:i for i in range(100000)}
ls_2 = list(range(500))+[-10]*500

start = time.time()
count = 0
for n in ls_2:
    try:
        d[n]
    except:
        pass
    else:
        count += 1
end = time.time()
print("查找{}个元素，在ls_1列表中的有{}个，共用时{}秒".format(len(ls_2), count,round(end-start)))
查找1000个元素，在ls_1列表中的有500个，共用时0秒

2、字典的底层实现

通过稀疏数组来实现值的存储与访问

image-20200713214251309

字典的创建过程

  • 第一步：创建一个散列表（稀疏数组 N >> n）
1
d = {}
  • 第一步：通过hash()计算键的散列值
1
2
3
print(hash("python"))
print(hash(1024))
print(hash((1,2)))
-4771046564460599764
1024
3713081631934410656

1
2
d["age"] = 18    # 增加键值对的操作，首先会计算键的散列值hash("age")
print(hash("age")) 
1
-2747130482557202317
  • 第二步：根据计算的散列值确定其在散列表中的位置

极个别时候，散列值会发生冲突，则内部有相应的解决冲突的办法

  • 第三步：在该位置上存入值

键值对的访问过程

1
d["age"]

  • 第一步：计算要访问的键的散列值

  • 第二步：根据计算的散列值，通过一定的规则，确定其在散列表中的位置

  • 第三步：读取该位置上存储的值

     如果存在，则返回该值  
 如果不存在，则报错KeyError

3、小结

（1）字典数据类型，通过空间换时间，实现了快速的数据查找

  • 也就注定了字典的空间利用效率低下

（2）因为散列值对应位置的顺序与键在字典中显示的顺序可能不同，因此表现出来字典是无序的

  • 回顾一下 N >> n
    如果N = n，会产生很多位置冲突

  • 思考一下开头的小例子，为什么字典实现了比列表更快速的查找

9.1.3 紧凑的字符串

image-20200713214631561

通过紧凑数组实现字符串的存储

  • 数据在内存中是连续存放的，效率更高，节省空间

  • 思考一下，同为序列类型，为什么列表采用引用数组，而字符串采用紧凑数组

9.1.4 是否可变

1、不可变类型：数字、字符串、元组

在生命周期中保持内容不变

  • 换句话说，改变了就不是它自己了（id变了）

  • 不可变对象的 += 操作 实际上创建了一个新的对象

1
2
3
4
5
x = 1
y = "Python"

print("x id:", id(x))
print("y id:", id(y))
x id: 140718440616768
y id: 2040939892664

1
2
3
4
5
x += 2
y += "3.7"

print("x id:", id(x))
print("y id:", id(y))
x id: 140718440616832
y id: 2040992707056

元组并不是总是不可变的

1
2
3
4
t = (1,[2])
t[1].append(3)

print(t)
(1, [2, 3])

2、可变类型：列表、字典、集合

  • id 保持不变，但是里面的内容可以变

  • 可变对象的 += 操作 实际在原对象的基础上就地修改

1
2
3
4
5
ls = [1, 2, 3]
d = {"Name": "Sarah", "Age": 18}

print("ls id:", id(ls))
print("d id:", id(d))
ls id: 2040991750856
d id: 2040992761608

1
2
3
4
5
6
ls += [4, 5]
d_2 = {"Sex": "female"}
d.update(d_2)            # 把d_2 中的元素更新到d中

print("ls id:", id(ls))
print("d id:", id(d))
ls id: 2040991750856
d id: 2040992761608

9.1.5 列表操作的几个小例子

【例1】 删除列表内的特定元素

  • 方法1 存在运算删除法

缺点：每次存在运算，都要从头对列表进行遍历、查找、效率低

1
2
3
4
5
6
7
8
alist = ["d", "d", "d", "2", "2", "d" ,"d", "4"]
s = "d"
while True:
    if s in alist:
        alist.remove(s)
    else:
        break
print(alist)
['2', '2', '4']
  • 方法2 一次性遍历元素执行删除
1
2
3
4
5
alist = ["d", "d", "d", "2", "2", "d" ,"d", "4"]
for s in alist:
    if s == "d":
        alist.remove(s)      # remove（s） 删除列表中第一次出现的该元素
print(alist)
['2', '2', 'd', 'd', '4']

解决方法：使用负向索引

1
2
3
4
5
alist = ["d", "d", "d", "2", "2", "d" ,"d", "4"]
for i in range(-len(alist), 0):
    if alist[i] == "d":
        alist.remove(alist[i])      # remove（s） 删除列表中第一次出现的该元素
print(alist)
['2', '2', '4']

【例2】 多维列表的创建

1
2
ls = [[0]*10]*5
ls
[[0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]]

1
2
ls[0][0] = 1
ls
[[1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [1, 0, 0, 0, 0, 0, 0, 0, 0, 0]]

9.2 更加简洁的语法

image-20200713215112711

9.2.1 解析语法

1
2
ls = [[0]*10 for i in range(5)]
ls
[[0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]]

1
2
ls[0][0] = 1
ls
[[1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
 [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]]

1、解析语法的基本结构——以列表解析为例（也称为列表推导）

[expression for value in iterable if conditihon]

  • 三要素：表达式、可迭代对象、if条件（可选）

执行过程

（1）从可迭代对象中拿出一个元素

（2）通过if条件（如果有的话），对元素进行筛选

 若通过筛选：则把元素传递给表达式  
   
 若未通过：  则进入（1）步骤，进入下一次迭代

（3）将传递给表达式的元素，代入表达式进行处理，产生一个结果

（4）将（3）步产生的结果作为列表的一个元素进行存储

（5）重复（1）~（4）步，直至迭代对象迭代结束，返回新创建的列表

1
2
3
4
5
# 等价于如下代码
result = []
for value in iterale:
    if condition:
        result.append(expression)

【例】求20以内奇数的平方

1
2
3
4
5
squares = []
for i in range(1,21):
    if i%2 == 1:
        squares.append(i**2)
print(squares)   
[1, 9, 25, 49, 81, 121, 169, 225, 289, 361]

1
2
squares = [i**2 for i in range(1,21) if i%2 == 1]
print(squares) 
[1, 9, 25, 49, 81, 121, 169, 225, 289, 361]

支持多变量

1
2
3
4
5
x = [1, 2, 3]
y = [1, 2, 3]

results = [i*j for i,j in zip(x, y)]
results
[1, 4, 9]

支持循环嵌套

1
2
3
4
colors = ["black", "white"]
sizes = ["S", "M", "L"]
tshirts = ["{} {}".format(color, size) for color in colors for size in sizes]
tshirts
['black S', 'black M', 'black L', 'white S', 'white M', 'white L']

2、其他解析语法的例子

  • 解析语法构造字典（字典推导）
1
2
3
squares = {i: i**2 for i in range(10)}
for k, v in squares.items():
    print(k, ":  ", v)
0 :   0
1 :   1
2 :   4
3 :   9
4 :   16
5 :   25
6 :   36
7 :   49
8 :   64
9 :   81
  • 解析语法构造集合（集合推导）
1
2
squares = {i**2 for i in range(10)}
squares
{0, 1, 4, 9, 16, 25, 36, 49, 64, 81}
  • 生成器表达式
1
2
squares = (i**2 for i in range(10))
squares
<generator object <genexpr> at 0x000001DB37A58390>

1
2
3
4
5
colors = ["black", "white"]
sizes = ["S", "M", "L"]
tshirts = ("{} {}".format(color, size) for color in colors for size in sizes)
for tshirt in tshirts:
    print(tshirt)
black S
black M
black L
white S
white M
white L

9.2.2 条件表达式

expr1 if condition else expr2

【例】将变量n的绝对值赋值给变量x

1
2
3
4
5
6
n = -10
if n >= 0:
    x = n
else:
    x = -n
x
10

1
2
3
n = -10
x = n if n>= 0 else -n
x
10

条件表达式和解析语法简单实用、运行速度相对更快一些，相信大家会慢慢的爱上它们

9.3 三大神器

image-20200713215228848

9.3.1 生成器

1
ls = [i**2 for i in range(1, 1000001)]
1
2
for i in ls:
    pass

缺点：占用大量内存

生成器

（1）采用惰性计算的方式

（2）无需一次性存储海量数据

（3）一边执行一边计算，只计算每次需要的值

（4）实际上一直在执行next()操作，直到无值可取

1、生成器表达式

  • 海量数据，不需存储
1
squares = (i**2 for i in range(1000000))
1
2
for i in squares:
    pass
  • 求0~100的和

无需显示存储全部数据，节省内存

1
sum((i for i in range(101)))
5050

2、生成器函数——yield

  • 生产斐波那契数列

数列前两个元素为1,1 之后的元素为其前两个元素之和

1
2
3
4
5
6
7
8
9
10
11
def fib(max):
    ls = []
    n, a, b = 0, 1, 1
    while n < max:
        ls.append(a)
        a, b = b, a + b
        n = n + 1
    return ls


fib(10)
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

中间尝试

1
2
3
4
5
6
7
8
9
def fib(max):
    n, a, b = 0, 1, 1
    while n < max:
        print(a)
        a, b = b, a + b
        n = n + 1


fib(10)
1
1
2
3
5
8
13
21
34
55

构造生成器函数

在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行

1
2
3
4
5
6
7
8
9
def fib(max):
    n, a, b = 0, 1, 1
    while n < max:
        yield a
        a, b = b, a + b
        n = n + 1
        

fib(10)
<generator object fib at 0x000001BE11B19048>

1
2
for i in fib(10):
    print(i)
1
1
2
3
5
8
13
21
34
55

9.3.2 迭代器

1、可迭代对象

image-20200713222231146

可直接作用于for循环的对象统称为可迭代对象：Iterable

（1）列表、元组、字符串、字典、集合、文件

可以使用isinstance()判断一个对象是否是Iterable对象

1
2
3
from collections import Iterable  #python3.7之后得先导入这个库才有Iterable这个对象

isinstance([1, 2, 3], Iterable)
True

1
isinstance({"name": "Sarah"}, Iterable)
True

1
isinstance('Python', Iterable)
True

（2）生成器

1
2
squares = (i**2 for i in range(5))
isinstance(squares, Iterable)
True

生成器不但可以用于for循环，还可以被next()函数调用

1
2
3
4
5
print(next(squares))
print(next(squares))
print(next(squares))
print(next(squares))
print(next(squares))
0
1
4
9
16

直到没有数据可取，抛出StopIteration

1
print(next(squares))
---------------------------------------------------------------------------

StopIteration                             Traceback (most recent call last)

<ipython-input-66-f5163ac9e49b> in <module>
----> 1 print(next(squares))


StopIteration:

可以被next()函数调用并不断返回下一个值，直至没有数据可取的对象称为迭代器：Iterator

2、迭代器

可以使用isinstance()判断一个对象是否是Iterator对象

（1） 生成器都是迭代器

1
2
3
4
from collections import Iterator

squares = (i**2 for i in range(5))
isinstance(squares, Iterator)
True

（2） 列表、元组、字符串、字典、集合不是迭代器

1
isinstance([1, 2, 3], Iterator)
False

可以通过iter(Iterable)创建迭代器

1
isinstance(iter([1, 2, 3]), Iterator)
True

for item in Iterable 等价于：

先通过iter()函数获取可迭代对象Iterable的迭代器
  
然后对获取到的迭代器不断调用next()方法来获取下一个值并将其赋值给item
   
当遇到StopIteration的异常后循环结束

（3）zip enumerate 等itertools里的函数是迭代器

1
2
3
x = [1, 2]
y = ["a", "b"]
zip(x, y)
<zip at 0x1be11b13c48>

1
2
3
4
for i in zip(x, y):
    print(i)
    
isinstance(zip(x, y), Iterator)
(1, 'a')
(2, 'b')

True

1
2
numbers = [1, 2, 3, 4, 5]
enumerate(numbers)
<enumerate at 0x1be11b39990>

1
2
3
4
for i in enumerate(numbers):
    print(i)
    
isinstance(enumerate(numbers), Iterator)
(0, 1)
(1, 2)
(2, 3)
(3, 4)
(4, 5)

True

(4) 文件是迭代器

1
2
with open("测试文件.txt", "r", encoding = "utf-8") as f:
    print(isinstance(f, Iterator))
True

（5）迭代器是可耗尽的

1
2
3
squares = (i**2 for i in range(5))
for square in squares:
    print(square)
0
1
4
9
16

1
2
for square in squares:
    print(square)

（6）range()不是迭代器

1
2
numbers = range(10)
isinstance(numbers, Iterator)
False

1
2
3
4
print(len(numbers))   # 有长度
print(numbers[0])     # 可索引
print(9 in numbers)   # 可存在计算
next(numbers)         # 不可被next()调用
10
0
True

---------------------------------------------------------------------------

TypeError                                 Traceback (most recent call last)

<ipython-input-76-7c59bf859258> in <module>
      2 print(numbers[0])     # 可索引
      3 print(9 in numbers)   # 可存在计算
----> 4 next(numbers)         # 不可被next()调用


TypeError: 'range' object is not an iterator

1
2
for number in numbers:
    print(number)
0
1
2
3
4
5
6
7
8
9

不会被耗尽

1
2
for number in numbers:
    print(number)
0
1
2
3
4
5
6
7
8
9

可以称range()为懒序列

它是一种序列
  
但并不包含任何内存中的内容
  
而是通过计算来回答问题

9.3.3 装饰器

1、需求的提出

（1）需要对已开发上线的程序添加某些功能

（2）不能对程序中函数的源代码进行修改

（3）不能改变程序中函数的调用方式

比如说，要统计每个函数的运行时间

1
2
3
4
5
6
7
8
9
10
11
12
13
14
def f1():
    pass


def f2():
    pass


def f3():
    pass

f1()
f2()
f3()

没问题，我们有装饰器！！！

2、函数对象

函数是Python中的第一类对象

（1）可以把函数赋值给变量

（2）对该变量进行调用，可实现原函数的功能

1
2
3
4
def square(x):
    return x**2

print(type(square))      # square 是function类的一个实例
<class 'function'>

1
2
3
pow_2 = square          # 可以理解成给这个函数起了个别名pow_2
print(pow_2(5))
print(square(5))
25
25

可以将函数作为参数进行传递

3、高阶函数

（1）接收函数作为参数

（2）或者返回一个函数

满足上述条件之一的函数称之为高阶函数

1
2
3
4
5
6
7
8
9
10
def square(x):
    return x**2


def pow_2(fun):
    return fun


f = pow_2(square)
f(8)
64

1
print(f == square)
True

4、 嵌套函数

在函数内部定义一个函数

1
2
3
4
5
6
7
8
9
10
def outer():
    print("outer is running")
    
    def inner():
        print("inner is running")
        
    inner()


outer()
outer is running
inner is running

5、闭包

1
2
3
4
5
6
7
8
9
10
11
12
13
def outer():
    x = 1
    z = 10
    
    def inner():
        y = x+100
        return y, z
        
    return inner


f = outer()                # 实际上f包含了inner函数本身+outer函数的环境
print(f)
<function outer.<locals>.inner at 0x000001BE11B1D730>

1
2
3
print(f.__closure__)         # __closure__属性中包含了来自外部函数的信息
for i in f.__closure__:
    print(i.cell_contents)
(<cell at 0x000001BE0FDE06D8: int object at 0x00007FF910D59340>, <cell at 0x000001BE0FDE0A98: int object at 0x00007FF910D59460>)
1
10

1
2
res = f()
print(res)
(101, 10)

闭包：延伸了作用域的函数

如果一个函数定义在另一个函数的作用域内，并且引用了外层函数的变量，则该函数称为闭包

闭包是由函数及其相关的引用环境组合而成的实体(即：闭包=函数+引用环境)

  • 一旦在内层函数重新定义了相同名字的变量，则变量成为局部变量
1
2
3
4
5
6
7
8
9
10
11
12
def outer():
    x = 1
    
    def inner():
        x = x+100
        return x
        
    return inner


f = outer()             
f()
---------------------------------------------------------------------------

UnboundLocalError                         Traceback (most recent call last)

<ipython-input-87-d2da1048af8b> in <module>
     10 
     11 f = outer()
---> 12 f()


<ipython-input-87-d2da1048af8b> in inner()
      3 
      4     def inner():
----> 5         x = x+100
      6         return x
      7 


UnboundLocalError: local variable 'x' referenced before assignment

nonlocal允许内嵌的函数来修改闭包变量

1
2
3
4
5
6
7
8
9
10
11
12
def outer():
    x = 1
    
    def inner():
        nonlocal x
        x = x+100
        return x  
    return inner


f = outer()             
f()
1

101

6、一个简单的装饰器

嵌套函数实现

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
import time

def timer(func):
    
    def inner():
        print("inner run")
        start = time.time()
        func()
        end = time.time()
        print("{} 函数运行用时{:.2f}秒".format(func.__name__, (end-start)))
    
    return inner


def f1():
    print("f1 run")
    time.sleep(1)



f1 = timer(f1)             # 包含inner()和timer的环境，如传递过来的参数func
f1()
inner run
f1 run
f1 函数运行用时1.00秒

语法糖

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
import time

def timer(func):
    
    def inner():
        print("inner run")
        start = time.time()
        func()
        end = time.time()
        print("{} 函数运行用时{:.2f}秒".format(func.__name__, (end-start)))
    
    return inner

@timer                      # 相当于实现了f1 = timer(f1)
def f1():
    print("f1 run")
    time.sleep(1)
    
    
f1()
inner run
f1 run
f1 函数运行用时1.00秒

7、装饰有参函数

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
import time


def timer(func):
    
    def inner(*args, **kwargs):
        print("inner run")
        start = time.time()
        func(*args, **kwargs)
        end = time.time()
        print("{} 函数运行用时{:.2f}秒".format(func.__name__, (end-start)))
    
    return inner


@timer                # 相当于实现了f1 = timer(f1)
def f1(n):
    print("f1 run")
    time.sleep(n)

    
f1(2)
inner run
f1 run
f1 函数运行用时2.00秒

被装饰函数有返回值的情况

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
import time


def timer(func):
    
    def inner(*args, **kwargs):
        print("inner run")
        start = time.time()
        res = func(*args, **kwargs)
        end = time.time()
        print("{} 函数运行用时{:.2f}秒".format(func.__name__, (end-start)))
        return res
    
    return inner


@timer                   # 相当于实现了f1 = timer(f1)
def f1(n):
    print("f1 run")
    time.sleep(n)
    return "wake up"
    
res = f1(2)
print(res)
inner run
f1 run
f1 函数运行用时2.00秒
wake up

8、带参数的装饰器

装饰器本身要传递一些额外参数

  • 需求：有时需要统计绝对时间，有时需要统计绝对时间的2倍
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
def timer(method):
    
    def outer(func):
    
        def inner(*args, **kwargs):
            print("inner run")
            if method == "origin":
                print("origin_inner run")
                start = time.time()
                res = func(*args, **kwargs)
                end = time.time()
                print("{} 函数运行用时{:.2f}秒".format(func.__name__, (end-start)))
            elif method == "double":
                print("double_inner run")
                start = time.time()
                res = func(*args, **kwargs)
                end = time.time()
                print("{} 函数运行双倍用时{:.2f}秒".format(func.__name__, 2*(end-start)))
            return res
    
        return inner
    
    return outer


@timer(method="origin")  # 相当于timer = timer(method = "origin")   f1 = timer(f1)
def f1():
    print("f1 run")
    time.sleep(1)
    
    
@timer(method="double")
def f2():
    print("f2 run")
    time.sleep(1)


f1()
print()
f2()
inner run
origin_inner run
f1 run
f1 函数运行用时1.00秒

inner run
double_inner run
f2 run
f2 函数运行双倍用时2.00秒

理解闭包是关键！！！

9、何时执行装饰器

  • 一装饰就执行，不必等调用
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
func_names=[]
def find_function(func):
    print("run")
    func_names.append(func)
    return func


@find_function
def f1():
    print("f1 run")
    

@find_function
def f2():
    print("f2 run")
    

@find_function
def f3():
    print("f3 run")
    

run
run
run

1
2
3
4
for func in func_names:
    print(func.__name__)
    func()
    print()
f1
f1 run

f2
f2 run

f3
f3 run

10、回归本源

  • 原函数的属性被掩盖了
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import time

def timer(func):
    def inner():
        print("inner run")
        start = time.time()
        func()
        end = time.time()
        print("{} 函数运行用时{:.2f}秒".format(func.__name__, (end-start)))
    
    return inner

@timer                # 相当于实现了f1 = timer(f1)
def f1():
    time.sleep(1)
    print("f1 run")

print(f1.__name__)    
inner
  • 回来
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import time
from functools import wraps

def timer(func):
    @wraps(func)
    def inner():
        print("inner run")
        start = time.time()
        func()
        end = time.time()
        print("{} 函数运行用时{:.2f}秒".format(func.__name__, (end-start)))
    
    return inner

@timer                # 相当于实现了f1 = timer(f1)
def f1():
    time.sleep(1)
    print("f1 run")

print(f1.__name__) 
f1()
f1
inner run
f1 run
f1 函数运行用时1.00秒