AI 助理
备案控制台
开发者社区 开发与运维 文章 正文

Python Type Hints 从入门到实践

2023-06-12 132
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
云数据库 RDS MySQL，集群系列 2核4GB
推荐场景：
搭建个人博客
RDS MySQL Serverless 基础系列，0.5-2RCU 50GB
推荐场景：
学生管理系统数据库设计 搭建个人博客
云数据库 RDS MySQL，高可用系列 2核4GB
简介： Python Type Hints 从入门到实践

Python 想必大家都已经很熟悉了，甚至关于它有用或者无用的论点大家可能也已经看腻了。但是无论如何，它作为一个将加入高考科目的语言还是有它独到之处的。今天我们就再展开聊聊 Python。

Python 是一门动态强类型语言

《流畅的Python》一书中提到，如果一门语言很少隐式转换类型，说明它是强类型语言；Java、C++ 和 Python 是强类型语言。

△ Python 的强类型体现

同时如果一门语言经常隐式转换类型，说明它是弱类型语言。PHP、JavaScript 和 Perl 是弱类型语言。

△ 动态弱类型语言 ：JavaScript

当然上面这种简单的示例对比，并不能确切的说 Python 是一门 强类型 语言，因为 Java 同样支持 integer 和 string 相加操作，且 Java 是 强类型 语言。

因此《流畅的Python》一书中还有关于静态类型和动态类型的定义：在编译时检查类型的语言是静态类型语言，在运行时检查类型的语言是动态类型语言。静态语言需要声明类型(有些现代语言使用类型推导避免部分类型声明)。

△ Python 的动态类型体现

综上所述，关于 Python 是动态强类型语言是比较显而易见没什么争议的。

Type Hints 初探

Python 在 PEP 484（Python Enhancement Proposals，Python 增强建议书）中提出了 Type Hints（类型注解）。进一步强化了 Python 是一门 强类型语言的特性，它在 Python3.5 中第一次被引入。使用 Type Hints 可以让我们编写出带有类型的 Python 代码，看起来更加符合强类型语言风格。

这里定义了两个 greeting 函数，一个是普通的写法，另一个是加入了 Type Hints 的写法

1
2
3
4
5
6
 
name = "world"
defgreeting(name):
return"Hello " + name
greeting(name)
 
1
2
3
4
5
6
 
name: str = "world"
defgreeting(name: str) -> str:
return"Hello " + name
greeting(name)

以 PyCharm 为例，在编写代码的过程中，IDE 会根据函数的类型标注，对传递给函数的参数进行类型检查。如果发现实参类型与函数的形参类型标注不符，就会有提示：

△ PyCharm 类型提示

常见数据结构的 Type Hints 写法

上面通过一个 greeting 函数展示了 Type Hints 的用法，接下来我们就 Python 常见数据结构的 Type Hints 写法进行更加深入的学习。

默认参数

Python 函数支持默认参数，以下是默认参数的 Type Hints 写法，只需要将类型写到变量和默认参数之间即可。

1
2
3
4
 
defgreeting(name: str = "world") -> str:
return"Hello " + name
greeting()

自定义类型

对于自定义类型，Type Hints 同样能够很好的支持，写法跟 Python 内置类型并无区别。

1
2
3
4
5
6
7
8
9
10
 
classStudent(object):
def__init__(self, name, age):
        self.name = name
        self.age = age
defstudent_to_string(s: Student) -> str:
returnf"student name: {s.name}, age: {s.age}."
student_to_string(Student("Tim", 18))

当类型标注为自定义类型时，IDE 同样能够对类型进行检查。

△ 自定义类型

容器类型

当我们要给内置容器类型添加类型标注时，由于类型注解运算符 [] 在 Python 中代表切片操作，因此会引发语法错误，所以不能直接使用内置容器类型当作注解，需要从 typing 模块中导入对应的容器类型注解（通常为内置类型的首字母大写形式）。

1
2
3
4
5
6
7
8
9
10
 
from typing import List, Tuple, Dict
l: List[int] = [1, 2, 3]
t: Tuple[str, ...] = ("a", "b")
d: Dict[str, int] = {
"a": 1,
"b": 2,
}

不过在 PEP 585 的出现解决了这个问题，我们可以直接使用 Python 的内置类型，而不会出现语法错误。

1
2
3
4
5
6
7
8
 
l: list[int] = [1, 2, 3]
t: tuple[str, ...] = ("a", "b")
d: dict[str, int] = {
"a": 1,
"b": 2,
}

类型别名

有些复杂的嵌套类型写起来很长，当出现重复，就会很痛苦，代码也不够整洁。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
 
config: list[tuple[str, int], dict[str, str]] = [
    ("127.0.0.1", 8080),
    {
"MYSQL_DB": "db",
"MYSQL_USER": "user",
"MYSQL_PASS": "pass",
"MYSQL_HOST": "127.0.0.1",
"MYSQL_PORT": "3306",
    },
]
defstart_server(config: list[tuple[str, int], dict[str, str]]) -> None:
    ...
start_server(config)

此时可以通过给类型起别名的方式来解决，类似变量命名。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
 
Config = list[tuple[str, int], dict[str, str]]
config: Config = [
    ("127.0.0.1", 8080),
    {
"MYSQL_DB": "zaiwu",
"MYSQL_USER": "root",
"MYSQL_PASS": "pass",
"MYSQL_HOST": "127.0.0.1",
"MYSQL_PORT": "3306",
    },
]
defstart_server(config: Config) -> None:
    ...
start_server(config)

这样代码看起来就舒服多了。

可变参数

Python 函数一个非常灵活的地方就是支持可变参数，Type Hints 同样支持可变参数的类型标注。

1
2
3
4
 
deffoo(*args: str, **kwargs: int) -> None:
    ...
foo("a", "b", 1, x=2, y="c")

IDE 仍能够检查出来。

△ 可变参数

泛型

使用动态语言少不了泛型的支持，Type Hints 针对泛型也提供了多种解决方案。

TypeVar

使用 TypeVar 可以接收任意类型。

1
2
3
4
5
6
7
8
 
from typing import TypeVar
T = TypeVar("T")
deffoo(*args: T, **kwargs: T) -> None:
    ...
foo("a", "b", 1, x=2, y="c")
Union

如果不想使用泛型，只想使用几种指定的类型，那么可以使用 Union 来做。比如定义 concat 函数只想接收 str 或 bytes 类型。

1
2
3
4
5
6
7
8
9
10
11
 
from typing import Union
T = Union[str, bytes]
defconcat(s1: T, s2: T) -> T:
return s1 + s2
concat("hello", "world")
concat(b"hello", b"world")
concat("hello", b"world")
concat(b"hello", "world")

IDE 的检查提示。

△ Union

TypeVar 和 Union 区别

TypeVar 不只可以接收泛型，它也可以像 Union 一样使用，只需要在实例化时将想要指定的类型范围当作参数依次传进来来即可。跟 Union 不同的是，使用 TypeVar 声明的函数，多参数类型必须相同，Union 不做限制。

1
2
3
4
5
6
7
8
9
10
 
from typing import TypeVar
T = TypeVar("T", str, bytes)
defconcat(s1: T, s2: T) -> T:
return s1 + s2
concat("hello", "world")
concat(b"hello", b"world")
concat("hello", b"world")

以下是使用 TypeVar 做限定类型时的 IDE 提示。

△ TypeVar

Optional

Type Hints 提供了 Optional 来作为 Union[X, None] 的简写形式，表示被标注的参数要么为 X 类型，要么为 None，Optional[X] 等价于 Union[X, None]。

1
2
3
4
5
6
7
8
9
 
from typing import Optional, Union
# None => type(None)
deffoo(arg: Union[int, None] = None) -> None:
    ...
deffoo(arg: Optional[int] = None) -> None:
    ...
Any

Any 是一种特殊的类型，可以代表所有类型，未指定返回值与参数类型的函数，都隐式地默认使用 Any，所以以下两个 greeting 函数写法等价。

1
2
3
4
5
6
7
8
 
from typing import Any
defgreeting(name):
return"Hello " + name
defgreeting(name: Any) -> Any:
return"Hello " + name

当我们既想使用 Type Hints 来实现静态类型的写法，也不想失去动态语言特有的灵活性时，即可使用 Any。Any 类型值赋给更精确的类型时，不执行类型检查，如下代码 IDE 并不会有错误提示。

1
2
3
4
5
6
7
8
 
from typing import Any
a: Any = None
a = []  # 动态语言特性
a = 2
s: str = ''
s = a  # Any 类型值赋给更精确的类型

可调用对象（函数、类等）

Python 中的任何可调用类型都可以使用 Callable 进行标注。如下代码标注中 Callable[[int], str]，[int] 表示可调用类型的参数列表，str 表示返回值。

1
2
3
4
5
6
7
8
9
 
from typing import Callable
defint_to_str(i: int) -> str:
return str(i)
deff(fn: Callable[[int], str], i: int) -> str:
return fn(i)
f(int_to_str, 2)

自引用

当我们需要定义树型结构时，往往需要自引用。当执行到 __init__ 方法时 Tree 类型还没有生成，所以不能像使用 str 这种内置类型一样直接进行标注，需要采用字符串形式 Tree 来对未生成的对象进行引用。

1
2
3
4
5
6
 
classTree(object):
def__init__(self, left: "Tree" = None, right: "Tree" = None):
        self.left = left
        self.right = right
tree1 = Tree(Tree(), Tree())

IDE 同样能够对自引用类型进行检查。

△ 自引用

此形式不仅能够用于自引用，前置引用同样适用。

鸭子类型

Python 一个显著的特点是其对鸭子类型的大量应用，Type Hints 提供了 Protocol 来对鸭子类型进行支持。定义类时只需要继承 Protocol 就可以声明一个接口类型，当遇到接口类型的注解时，只要接收到的对象实现了接口类型的所有方法，即可通过类型注解的检查，IDE 便不会报错。这里的 Stream 无需显式继承 Interface 类，只需要实现了 close 方法即可。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
 
from typing import Protocol
classInterface(Protocol):
defclose(self) -> None:
        ...
# class Stream(Interface):
classStream:
defclose(self) -> None:
        ...
defclose_resource(r: Interface) -> None:
    r.close()
f = open("a.txt")
close_resource(f)
s: Stream = Stream()
close_resource(s)

由于内置的 open 函数返回的文件对象和 Stream 对象都实现了 close 方法，所以能够通过 Type Hints 的检查，而字符串 "s" 并没有实现 close 方法，所以 IDE 会提示类型错误。

△ 鸭子类型

Type Hints 的其他写法

实际上 Type Hints 不只有一种写法，Python 为了兼容不同人的喜好和老代码的迁移还实现了另外两种写法。

使用注释编写

来看一个 tornado 框架的例子（tornado/web.py）。适用于在已有的项目上做修改，代码已经写好了，后期需要增加类型标注。

△ tornado

使用单独文件编写（.pyi）

可以在源代码相同的目录下新建一个与 .py 同名的 .pyi 文件，IDE 同样能够自动做类型检查。

这么做的优点是可以对原来的代码不做任何改动，完全解耦。缺点是相当于要同时维护两份代码。

△ pyi

Type Hints 实践

基本上，日常编码中常用的 Type Hints 写法都已经介绍给大家了，下面就让我们一起来看看如何在实际编码中中应用 Type Hints。

dataclass —— 数据类

dataclass 是一个装饰器，它可以对类进行装饰，用于给类添加魔法方法，例如 __init__() 和 __repr__() 等，它在 PEP 557 中被定义。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
 
from dataclasses import dataclass, field
@dataclass
classUser(object):
    id: int
    name: str
    friends: list[int] = field(default_factory=list)
data = {
"id": 123,
"name": "Tim",
}
user = User(**data)
print(user.id, user.name, user.friends)
# > 123 Tim []

以上使用 dataclass 编写的代码同如下代码等价。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
 
classUser(object):
def__init__(self, id: int, name: str, friends=None):
        self.id = id
        self.name = name
        self.friends = friends or []
data = {
"id": 123,
"name": "Tim",
}
user = User(**data)
print(user.id, user.name, user.friends)
# > 123 Tim []

注意：dataclass 并不会对字段类型进行检查。

可以发现，使用 dataclass 来编写类可以减少很多重复的样板代码，语法上也更加清晰。

Pydantic

Pydantic 是一个基于 Python Type Hints 的第三方库，它提供了数据验证、序列化和文档的功能，是一个非常值得学习借鉴的库。以下是一段使用 Pydantic 的示例代码。

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
 
from datetime import datetime
from typing import Optional
from pydantic import BaseModel
classUser(BaseModel):
    id: int
    name = 'John Doe'
    signup_ts: Optional[datetime] = None
    friends: list[int] = []
external_data = {
'id': '123',
'signup_ts': '2021-09-02 17:00',
'friends': [1, 2, '3'],
}
user = User(**external_data)
print(user.id)
# > 123
print(repr(user.signup_ts))
# > datetime.datetime(2021, 9, 2, 17, 0)
print(user.friends)
# > [1, 2, 3]
print(user.dict())
"""
{
    'id': 123,
    'signup_ts': datetime.datetime(2021, 9, 2, 17, 0),
    'friends': [1, 2, 3],
    'name': 'John Doe',
}
"""

注意：Pydantic 会对字段类型进行强制检查。

Pydantic 写法上跟 dataclass 非常类似，但它做了更多的额外工作，还提供了如 .dict() 这样非常方便的方法。

来看一个 Pydantic 进行数据验证的示例，当 User 类接收到的参数不符合预期时，会抛出 ValidationError 异常，异常对象提供了 .json() 方法方便查看异常原因。

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
 
from pydantic import ValidationError
try:
    User(signup_ts='broken', friends=[1, 2, 'not number'])
except ValidationError as e:
    print(e.json())
"""
[
  {
    "loc": [
      "id"
    ],
    "msg": "field required",
    "type": "value_error.missing"
  },
  {
    "loc": [
      "signup_ts"
    ],
    "msg": "invalid datetime format",
    "type": "value_error.datetime"
  },
  {
    "loc": [
      "friends",
      2
    ],
    "msg": "value is not a valid integer",
    "type": "type_error.integer"
  }
]
"""

所有报错信息都保存在一个 list 中，每个字段的报错又保存在嵌套的 dict 中，其中 loc 标识了异常字段和报错位置，msg 为报错提示信息，type 则为报错类型，这样整个报错原因一目了然。

MySQLHandler

MySQLHandler 是我对 pymysql 库的封装，使其支持使用 with 语法调用 execute 方法，并且将查询结果从 tuple 替换成 object，同样也是对 Type Hints 的应用。

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
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
 
classMySQLHandler(object):
"""MySQL handler"""
def__init__(self):
        self.conn = pymysql.connect(
            host=DB_HOST,
            port=DB_PORT,
            user=DB_USER,
            password=DB_PASS,
            database=DB_NAME,
            charset=DB_CHARSET,
            client_flag=CLIENT.MULTI_STATEMENTS,  # execute multi sql statements
        )
        self.cursor = self.conn.cursor()
def__del__(self):
        self.cursor.close()
        self.conn.close()
    @contextmanager
defexecute(self):
try:
yield self.cursor.execute
            self.conn.commit()
except Exception as e:
            self.conn.rollback()
            logging.exception(e)
    @contextmanager
defexecutemany(self):
try:
yield self.cursor.executemany
            self.conn.commit()
except Exception as e:
            self.conn.rollback()
            logging.exception(e)
def_tuple_to_object(self, data: List[tuple]) -> List[FetchObject]:
        obj_list = []
        attrs = [desc[0] for desc in self.cursor.description]
for i in data:
            obj = FetchObject()
for attr, value in zip(attrs, i):
                setattr(obj, attr, value)
            obj_list.append(obj)
return obj_list
deffetchone(self) -> Optional[FetchObject]:
        result = self.cursor.fetchone()
return self._tuple_to_object([result])[0] if result elseNone
deffetchmany(self, size: Optional[int] = None) -> Optional[List[FetchObject]]:
        result = self.cursor.fetchmany(size)
return self._tuple_to_object(result) if result elseNone
deffetchall(self) -> Optional[List[FetchObject]]:
        result = self.cursor.fetchall()
return self._tuple_to_object(result) if result elseNone

运行期类型检查

Type Hints 之所以叫 Hints 而不是 Check，就是因为它只是一个类型的提示而非真正的检查。上面演示的 Type Hints 用法，实际上都是 IDE 在帮我们完成类型检查的功能，但实际上，IDE 的类型检查并不能决定代码执行期间是否报错，仅能在静态期做到语法检查提示的功能。

要想实现在代码执行阶段强制对类型进行检查，则需要我们通过自己编写代码或引入第三方库的形式（如上面介绍的 Pydantic）。下面我通过一个 type_check 函数实现了运行期动态检查类型，来供你参考。

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
 
from inspect import getfullargspec
from functools import wraps
from typing import get_type_hints
deftype_check(fn):
    @wraps(fn)
defwrapper(*args, **kwargs):
        fn_args = getfullargspec(fn)[0]
        kwargs.update(dict(zip(fn_args, args)))
        hints = get_type_hints(fn)
        hints.pop("return", None)
for name, type_ in hints.items():
ifnot isinstance(kwargs[name], type_):
raise TypeError(f"expected {type_.__name__}, got {type(kwargs[name]).__name__} instead")
return fn(**kwargs)
return wrapper
# name: str = "world"
name: int = 2
@type_check
defgreeting(name: str) -> str:
return str(name)
print(greeting(name))
# > TypeError: expected str, got int instead

只要给 greeting 函数打上 type_check 装饰器，即可实现运行期类型检查。

附录

如果你想继续深入学习使用 Python Type Hints，以下是一些我推荐的开源项目供你参考。

文章标签：
云数据库 RDS MySQL 版
Java
JavaScript
C++
PHP
Python
前端开发
开发工具
容器
IDE
数据格式
关键词：
Python实践
Python入门
Python type
Python hints
Python type hints
相关实践学习
如何快速连接云数据库RDS MySQL
本场景介绍如何通过阿里云数据管理服务DMS快速连接云数据库RDS MySQL，然后进行数据表的CRUD操作。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心，利用清洁计算为万物互联的新世界提供源源不断的能源动力，目前开服的区域包括中国（华北、华东、华南、香港）、新加坡、美国（美东、美西）、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程，来了解阿里云能够为你的业务带来哪些帮助     相关的阿里云产品：云服务器ECS 云服务器 ECS（Elastic Compute Service）是一种弹性可伸缩的计算服务，助您降低 IT 成本，提升运维效率，使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
江湖十年007
目录
相关文章
游客moiomvrp3vyac2
|
28天前
|
存储 数据采集 人工智能
Python编程入门：从零基础到实战应用
本文是一篇面向初学者的Python编程教程，旨在帮助读者从零开始学习Python编程语言。文章首先介绍了Python的基本概念和特点，然后通过一个简单的例子展示了如何编写Python代码。接下来，文章详细介绍了Python的数据类型、变量、运算符、控制结构、函数等基本语法知识。最后，文章通过一个实战项目——制作一个简单的计算器程序，帮助读者巩固所学知识并提高编程技能。
游客moiomvrp3vyac2
83 2
游客moiomvrp3vyac2
|
1月前
|
机器学习/深度学习 数据可视化 数据挖掘
使用Python进行数据分析的入门指南
本文将引导读者了解如何使用Python进行数据分析，从安装必要的库到执行基础的数据操作和可视化。通过本文的学习，你将能够开始自己的数据分析之旅，并掌握如何利用Python来揭示数据背后的故事。
游客moiomvrp3vyac2
81 5
Deephub
|
21天前
|
数据可视化 算法 数据挖掘
Python量化投资实践：基于蒙特卡洛模拟的投资组合风险建模与分析
蒙特卡洛模拟是一种利用重复随机抽样解决确定性问题的计算方法，广泛应用于金融领域的不确定性建模和风险评估。本文介绍如何使用Python和EODHD API获取历史交易数据，通过模拟生成未来价格路径，分析投资风险与收益，包括VaR和CVaR计算，以辅助投资者制定合理决策。
Deephub
69 15
请看我回答~
|
29天前
|
IDE 程序员 开发工具
Python编程入门：打造你的第一个程序
迈出编程的第一步，就像在未知的海洋中航行。本文是你启航的指南针，带你了解Python这门语言的魅力所在，并手把手教你构建第一个属于自己的程序。从安装环境到编写代码，我们将一步步走过这段旅程。准备好了吗？让我们开始吧！
请看我回答~
51 8
技术混子
|
29天前
|
测试技术 开发者 Python
探索Python中的装饰器：从入门到实践
装饰器，在Python中是一块强大的语法糖，它允许我们在不修改原函数代码的情况下增加额外的功能。本文将通过简单易懂的语言和实例，带你一步步了解装饰器的基本概念、使用方法以及如何自定义装饰器。我们还将探讨装饰器在实战中的应用，让你能够在实际编程中灵活运用这一技术。
技术混子
38 7
肥猪肥猪-17824
|
28天前
|
存储 缓存 Python
Python中的装饰器深度解析与实践
在Python的世界里，装饰器如同一位神秘的魔法师，它拥有改变函数行为的能力。本文将揭开装饰器的神秘面纱，通过直观的代码示例，引导你理解其工作原理，并掌握如何在实际项目中灵活运用这一强大的工具。从基础到进阶，我们将一起探索装饰器的魅力所在。
肥猪肥猪-17824
37 4
mrq4nk6ni2neg
|
30天前
|
开发者 Python
Python中的装饰器：从入门到实践
本文将深入探讨Python的装饰器，这一强大工具允许开发者在不修改现有函数代码的情况下增加额外的功能。我们将通过实例学习如何创建和应用装饰器，并探索它们背后的原理和高级用法。
mrq4nk6ni2neg
42 5
mrq4nk6ni2neg
|
29天前
|
机器学习/深度学习 人工智能 算法
深度学习入门：用Python构建你的第一个神经网络
在人工智能的海洋中，深度学习是那艘能够带你远航的船。本文将作为你的航标，引导你搭建第一个神经网络模型，让你领略深度学习的魅力。通过简单直观的语言和实例，我们将一起探索隐藏在数据背后的模式，体验从零开始创造智能系统的快感。准备好了吗？让我们启航吧！
mrq4nk6ni2neg
70 3
游客qf4jmczx4xu2y
|
1月前
|
Python
Python编程入门：从零开始的代码旅程
本文是一篇针对Python编程初学者的入门指南，将介绍Python的基本语法、数据类型、控制结构以及函数等概念。文章旨在帮助读者快速掌握Python编程的基础知识，并能够编写简单的Python程序。通过本文的学习，读者将能够理解Python代码的基本结构和逻辑，为进一步深入学习打下坚实的基础。
游客qf4jmczx4xu2y
44 2
叫个什么名字
|
2月前
|
设计模式 缓存 开发者
Python中的装饰器：从入门到实践####
本文深入探讨了Python中强大的元编程工具——装饰器，它能够以简洁优雅的方式扩展函数或方法的功能。通过具体实例和逐步解析，文章不仅介绍了装饰器的基本原理、常见用法及高级应用，还揭示了其背后的设计理念与实现机制，旨在帮助读者从理论到实战全面掌握这一技术，提升代码的可读性、可维护性和复用性。 ####
叫个什么名字
40 2

热门文章

最新文章

  • 1
    使用Python实现智能食品库存管理的深度学习模型
  • 2
    Python实现常用办公文件格式转换
  • 3
    猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
  • 4
    pyenv 管理多个 Python 版本(1)
  • 5
    Python编程数据结构的深入理解
  • 6
    Python的标准库
  • 7
    利用Python内置函数实现的冒泡排序算法
  • 8
    使用Python实现智能食品消费习惯分析的深度学习模型
  • 9
    使用Python实现深度学习模型的分布式训练
  • 10
    在 Python 中，如何将日期时间类型转换为字符串？
  • 1
    Python 密码学实用指南（全）（2）
    45
  • 2
    【python】习题 第10周
    63
  • 3
    【python】习题第8周
    62
  • 4
    【python】习题第7周（上）
    94
  • 5
    【python】习题 6-10周（下）
    63
  • 6
    【python】习题 6-10周（中）
    68
  • 7
    Python 入门指南（七）（4）
    53
  • 8
    【python】习题 1-5周（中）
    96
  • 9
    【python】习题 1-5周（上）
    55
  • 10
    Python 入门指南（七）（2）
    63

    • 相关课程

    更多
  • Python爬虫实战
  • Python开发基础入门
  • Python常用数据科学库
  • Python网络爬虫实战
  • Python完全自学手册图文教程
  • Python基础快速入门实战教程

    • 相关电子书

    更多
  • From Python Scikit-Learn to Sc
  • Data Pre-Processing in Python:
  • 双剑合璧-Python和大数据计算平台的结合

    • 相关实验场景

    更多
  • 用Python画圣诞树
  • Python选择及循环结构
  • 云端Python及基本操作
  • Python网络通信程序典型应用
  • Python新手入门（Anolis OS）
  • Python新手入门

    • 推荐镜像

    更多
  • python-release
  • nodejs-release
  • debian-cd
    • 下一篇
    阿里云无影云电脑免费试用，最长可试用3个月