装饰器
1，装饰器定义：在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。本质上，decorator就是一个返回函数的高阶函数。
例子：假如要增强sum()函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改sum()函数的定义，则可以使用“装饰器”（Decorator）
2，实例
（1）函数也是一个对象，而且函数对象可以被赋值给变量，所以，通过变量也能调用该函数。函数对象有一个__name__属性，可以拿到函数的名字：
>>> def now():
... print('2015-3-25')
...
>>> f = now
>>> f()
2015-3-25
>>> now.__name__
'now'
>>> f.__name__
'now'
（2）定义一个能打印日志的decorator，增强now()函数的功能，可以定义如下：
def log(func):
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
因为log是一个decorator，所以接受一个函数作为参数，并返回一个函数。我们要借助Python的@语法，把decorator置于函数的定义处：
@log
def now():
print('2015-3-25')
>>> now()
call now():
2015-3-25
- 把
@log放到now()函数的定义处，相当于执行了语句：
now = log(now)
-
wrapper()函数的参数定义是(*args, **kw)，因此，wrapper()函数可以接受任意参数的调用。在wrapper()函数内，首先打印日志，再紧接着调用原始函数。
（3）如果decorator本身需要传入参数，如要自定义log的文本：
def log(text):
def decorator(func):
def wrapper(*args, **kw):
print('%s %s():' % (text, func.__name__))
return func(*args, **kw)
return wrapper
return decorator
#3层嵌套的decorator用法
@log('execute')
def now():
print('2015-3-25')
#结果
>>> now()
execute now():
2015-3-25
- 和两层嵌套的
decorator相比，3层嵌套的效果是这样的：
now = log('execute')(now)
语句剖析：首先执行log('execute')，返回的是decorator函数，再调用返回的函数，参数是now函数，返回值最终是wrapper函数。
（4）装饰器的属性复制：functools.wraps
经过decorator装饰之后的函数，它们的__name__已经从原来的'now'变成了'wrapper'：
>>> now.__name__
'wrapper'
因为返回的那个wrapper()函数名字就是'wrapper'，所以，需要把原始函数的__name__等属性复制到wrapper()函数中，否则，有些依赖函数签名的代码执行就会出错。
所以，一个完整的decorator的写法如下：
#不带参数的decorator
import functools
def log(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
#针对带参数的decorator
import functools
def log(text):
def decorator(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('%s %s():' % (text, func.__name__))
return func(*args, **kw)
return wrapper
return decorator
3，练习一
问：请设计一个decorator，它可作用于任何函数上，并打印该函数的执行时间：
# -*- coding: utf-8 -*-
import time, functools
def metric(fn):
@functools.wraps(fn)
def wrapper(*arg, **kw):
start = time.time()
res = fn(*arg, **kw)
print('%s executed in %s ms' % (fn.__name__, time.time()-start))
return res
return wrapper
# 测试
@metric
def fast(x, y):
time.sleep(0.0012)
return x + y;
@metric
def slow(x, y, z):
time.sleep(0.1234)
return x * y * z;
#执行函数
f = fast(11, 22)
s = slow(11, 22, 33)
if f != 33:
print('测试失败!')
elif s != 7986:
print('测试失败!')
4，练习二
问：请编写一个decorator，能在函数调用的前后打印出begin call和end call的日志
?
5，练习三
问：写出一个@log的decorator，使它既支持不带参数打印日志的decorator，又支持带参数的可打印日志的decorator
import functools
def log(text):
def decorator(fn):
@functools.wraps(fn)
def wrapper(*arg, **kw):
if type(text) != str:
print('execute %s(): ' %fn.__name__)
else:
print('%s %s(): ' %(text, fn.__name__))
return fn(*arg, **kw)
return wrapper
if type(text) == str:
return decorator
else:
return decorator(text)
@log
def f1():
print('可以@log')
@log('execute')
def f2():
print('可以@log()')
f1()
f2()
偏函数
1，偏函数（Partial function）
属于Python的functools模块的功能，通过设定参数的默认值，从而降低函数调用的难度
2，解释实例
int()函数可以把字符串转换为整数，当仅传入字符串时，int()函数默认按十进制转换。如果传入base参数，就可以做N进制的转换：
>>> int('12345')
12345
>>> int('12345', base=8)
5349
>>> int('12345', 16)
74565
可以定义一个int2()的函数，默认把base=2传进去，也可以用functools.partial创建一个偏函数：
def int2(x, base=2):
return int(x, base)
>>> import functools
>>> int2 = functools.partial(int, base=2)
>>> int2('1000000')
64
-
functools.partial的作用就是，把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，调用这个新函数会更简单。 - 新的
int2函数，仅仅是把base参数重新设定默认值为2，但也可以在函数调用时传入其他值：
>>> int2('1000000', base=10)
1000000
>>> int2('1000000',10)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: int() takes at most 2 arguments (3 given)
3，创建偏函数时，实际上可以接收函数对象、*args和**kw这3个参数，当传入：
int2 = functools.partial(int, base=2)
实际上固定了int()函数的关键字参数base，也就是：
int2('10010')
#相当于
kw = { 'base': 2 }
int('10010', **kw)
max()函数
max2 = functools.partial(max, 10)
max2(5, 6, 7)
#相当于
args = (10, 5, 6, 7)
max(*args)
>>> max2(5, 6, 7)
10
