Python 編程語言的一大優(yōu)點是它把所有功能都打包到一個小包中，這些功能非常有用。許多特性改變了 Python 代碼，使得該語言更加靈活。如果使用得當(dāng)，一些功能可以有效縮短編寫程序所需的時間。

要實現(xiàn)這些目標(biāo)的一個很好的例子就是 Python 的裝飾器。今天我們詳細(xì)聊一下它，歡迎收藏學(xué)習(xí)，喜歡點贊支持。文末提供技術(shù)交流群。

裝飾器是什么？

裝飾器(decorators)是一個可以用于改變一個 Python 函數(shù)對象行為的函數(shù)。它們可以應(yīng)用于類和函數(shù)，可以做很多非常有趣的事情！

裝飾器可以用來縮短代碼、加速代碼并徹底改變代碼在 Python 中的行為方式。

今天我想炫耀一些我認(rèn)為值得一試的裝飾器。

---

1、@lru_cache

此列表中的第一個裝飾器來自 functools 模塊。

該模塊包含在標(biāo)準(zhǔn)庫中，非常易于使用。它還包含比這個裝飾器更酷的功能，但這個裝飾器肯定是我最喜歡的。

此裝飾器可用于使用緩存加速函數(shù)的連續(xù)運行。當(dāng)然，這應(yīng)該在使用時記住一些關(guān)于緩存的注意事項，但在通用使用情況下，大多數(shù)時候這個裝飾器是值得使用的。

能夠用一個簡單的裝飾器來加速代碼是非常棒的。

可以從這樣的裝飾器中受益的函數(shù)的一個很好的例子是遞歸函數(shù)，例如計算階乘的函數(shù)：

def factorial(n):return n * factorial(n-1) if n else 1

遞歸在計算時間上可能非常困難，但添加此裝飾器有助于顯著加快此函數(shù)的連續(xù)運行速度。

@lru_cache def factorial(n):return n * factorial(n-1) if n else 1

現(xiàn)在每當(dāng)我們運行這個函數(shù)時，前幾個階乘計算將被保存到緩存中。

因此，下次我們調(diào)用該函數(shù)時，我們只需要計算我們之前使用的階乘之后的階乘。

當(dāng)然，并不是所有的階乘計算都會被保存，但是很容易理解為什么這個裝飾器的一個很好的應(yīng)用程序來加速一些自然很慢的代碼。

2、@jit

---

JIT 是即時編譯(Just In Time)的縮寫。通常每當(dāng)我們在 Python 中運行一些代碼時，發(fā)生的第一件事就是編譯。

這種編譯會產(chǎn)生一些開銷，因為類型被分配了內(nèi)存，并存儲為未分配但已命名的別名。使用即時編譯，我們在執(zhí)行時才進行編譯。

在很多方面，我們可以將其視為類似于并行計算的東西，其中 Python 解釋器同時處理兩件事以節(jié)省一些時間。

Numba JIT 編譯器因?qū)⑦@一概念提供到 Python 中而聞名。與@lru_cache 類似，可以非常輕松地調(diào)用此裝飾器，并立即提高代碼的性能。Numba 包提供了 jit 裝飾器，它使運行更密集的軟件變得更加容易，而不必進入 C。

以下案例使用@jit 裝飾器加速蒙特卡洛方法計算。

from numba import jit import random@jit(nopython=True) def monte_carlo_pi(nsamples):acc = 0for i in range(nsamples):x = random.random()y = random.random()if (x ** 2 + y ** 2) < 1.0:acc += 1return 4.0 * acc / nsamples

3、@do_twice

---

do_twice 裝飾器的功能與它的名字差不多。此裝飾器可用于通過一次調(diào)用運行兩次函數(shù)。這當(dāng)然有一些用途，我發(fā)現(xiàn)它對調(diào)試特別有用。

它可以用于測量兩個不同迭代的性能。以 Functools 為例，我們可以讓一個函數(shù)運行兩次，以檢查是否有改進。該函數(shù)由 Python 中的裝飾器模塊提供，該模塊位于標(biāo)準(zhǔn)庫中。

from decorators import do_twice @do_twice def timerfunc(): %timeit factorial(15)

4、@count_calls

count_calls 裝飾器可用于提供有關(guān)函數(shù)在軟件中使用多少次的信息。

像 do_twice 一樣，這當(dāng)然可以在調(diào)試時派上用場。

當(dāng)添加到給定的函數(shù)時，我們將收到一個輸出，告訴我們該函數(shù)每次運行時已經(jīng)運行了多少次。這個裝飾器也在標(biāo)準(zhǔn)庫的裝飾器模塊中。

from decorators import count_calls @count_calls def function_example(): print("Hello World!")function_example() function_example() function_example()

5、@dataclass

為了節(jié)省編寫類的時間，我一直使用的最好的裝飾器之一是@dataclass 裝飾器。

這個裝飾器可用于快速編寫類中常見的標(biāo)準(zhǔn)方法，這些方法通常會在我們編寫的類中找到。

這個裝飾器來自 dataclass 模塊。這個模塊也在標(biāo)準(zhǔn)庫中，所以不需要 PIP 來嘗試這個例子！

from dataclasses import dataclass@dataclass class Food: name: str unit_price: float stock: int = 0def stock_value(self) -> float:return(self.stock * self.unit_price)

這段代碼將自動創(chuàng)建一個初始化函數(shù) init()，其中包含填充類中數(shù)據(jù)所需的位置參數(shù)。

它們也將自動提供給 self，因此無需編寫一個很長的函數(shù)來將一些數(shù)據(jù)參數(shù)放入類中。

6 、@singleton

為了理解單例裝飾器的用途，我們首先需要了解單例(singleton)是什么。從某種意義上說，單例是全局變量類型的一個版本。

這意味著類型被定義為只存在一次。盡管這些在 C++ 等語言中很常見，但在 Python 中卻很少見到。使用單例，我們可以創(chuàng)建一個只使用一次的類并改變類，而不是通過初始化來構(gòu)造新的類型。

通常，單例裝飾器是由用戶自己編寫的，實際上并不是導(dǎo)入的。

這是因為單例仍然是對我們單例裝飾器中提供的模板的引用。我們可以命名一個單例函數(shù)并編寫一個包裝器，以便在我們的類上使用這個裝飾器：

def singleton(cls): instances = {} def wrapper(*args, \*\*kwargs): if cls not in instances: instances[cls] = cls(*args, \*\*kwargs) return instances[cls] return wrapper@singleton class cls: def func(self):

另一種方法是使用元類!

class Singleton(type):_instances = {}def __call__(cls, *args, **kwargs):if cls not in cls._instances:cls._instances[cls] = super(Singleton, cls).__call__(*args, **kwargs)return cls._instances[cls]class Logger(object):__metaclass__ = Singleton

7、@use_unit

在科學(xué)計算中經(jīng)常派上用場的一種裝飾器是 @use_unit 裝飾器。

此裝飾器可用于更改返回結(jié)果的表示單位。這對于那些不想在數(shù)據(jù)中添加度量單位但仍希望人們知道這些單位是什么的人很有用。

這個裝飾器也不是在任何模塊中真正可用，但它是非常常見的，對科學(xué)應(yīng)用程序非常有用。

def use_unit(unit):"""Have a function return a Quantity with given unit"""use_unit.ureg = pint.UnitRegistry()def decorator_use_unit(func):@functools.wraps(func)def wrapper_use_unit(*args, **kwargs):value = func(*args, **kwargs)return value * use_unit.ureg(unit)return wrapper_use_unitreturn decorator_use_unit@use_unit("meters per second") def average_speed(distance, duration):return distance / duration

8、 @singledispatch

---

Functools 憑借非常有用的@singledispatch 裝飾器再次在此列表中脫穎而出。

單調(diào)度是一種編程技術(shù)，在許多編程語言中都很常見，因為它是一種非常棒的編程方式。雖然我更喜歡多調(diào)度，但我認(rèn)為單調(diào)度可以在很多方面扮演相同的角色。

這個裝飾器使得在 Python 中使用多類型數(shù)據(jù)變得更加容易, 尤其當(dāng)我們希望通過同一方法傳遞多種類型數(shù)據(jù)時，情況更是如此。

@singledispatch def fun(arg, verbose=False):if verbose:print("Let me just say,", end=" ")print(arg) @fun.register def _(arg: int, verbose=False):if verbose:print("Strength in numbers, eh?", end=" ")print(arg) @fun.register def _(arg: list, verbose=False):if verbose:print("Enumerate this:")for i, elem in enumerate(arg):print(i, elem)

參考鏈接：https://towardsdatascience.com/10-fabulous-python-decorators-ab674a732871

---

技術(shù)交流

歡迎轉(zhuǎn)載、收藏、有所收獲點贊支持一下！

目前開通了技術(shù)交流群，群友已超過2000人，添加時最好的備注方式為：來源+興趣方向，方便找到志同道合的朋友

• 方式①、發(fā)送如下圖片至微信，長按識別，后臺回復(fù)：加群；
• 方式②、添加微信號：dkl88191，備注：來自CSDN
• 方式③、微信搜索公眾號：Python學(xué)習(xí)與數(shù)據(jù)挖掘，后臺回復(fù)：加群

總結(jié)

以上是生活随笔為你收集整理的超棒！这 8 个 Python 装饰器值得一试！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。