python的闭包及装饰器

简介:

闭包:


闭包(Closure)是词法闭包(Lexical Closure)的简称,是引用了自由变量的函数。这个被引用的自由变量将和这个函数一同存在,即使已经离开了创造它的环境也不例外。所以,有另一种说法认为闭包是由函数和与其相关的引用环境组合而成的实体

1、函数是一个对象

2、函数执行完成后内部变量回收

3、函数属性

4、函数的返回值

实例一、

分别检测分数科目总分为100、150两种情况的成绩

初级代码如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
# -*- coding:utf-8 -*-
 
###检测分数总数为100分的及格情况
def  ck_100(val):
     passline  =  60
     if  val > =  passline:
         print  "当前科目总分为100,你的成绩为: %d,成绩通过 "  % val
     else :
         print  "当前科目总分为100,你的成绩为: %d,成绩不通过 "  % val
 
###检测分数总数为150分的及格情况
def  ck_150(val):
     passline  =  90
     if  val > =  passline:
         print  "当前科目总分为150,你的成绩为: %d,成绩通过 "  % val
     else :
         print  "当前科目总分为100,你的成绩为: %d,成绩不通过"  % val
 
#100总分科目
ck_100( 90 )
ck_100( 55 )
#150总分科目
ck_150( 110 )
ck_150( 88 )

执行结果如下:

1
2
3
4
5
6
7
>>> ================================ RESTART ================================
>>> 
当前科目总分为100,你的成绩为: 90,成绩通过 
当前科目总分为100,你的成绩为: 55,成绩不通过 
当前科目总分为150,你的成绩为: 110,成绩通过 
当前科目总分为100,你的成绩为: 88,成绩不通过
>>>


使用闭包优化后的代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# -*- coding:utf-8 -*-
 
###根据不同科目设置及格线
def  set_passline(passline):
###检测传入分数是否及格
     def  cmp (val):
         if  val > =  passline:
             print  "及格线为: %d, 您的分数为: %d ,恭喜及格"  % (passline,val)
         else :
             print  "及格线为: %d, 您的分数为: %d ,遗憾不及格"  % (passline,val)
     return  cmp
 
#总分为100的科目
score_100  =  set_passline( 60 )
score_100( 89 )
score_100( 55 )
#总分为150的科目
score_150  =  set_passline( 90 )
score_150( 99 )
score_150( 88 )


执行结果:

1
2
3
4
5
6
>>> ================================ RESTART ================================
>>> 
及格线为: 60, 您的分数为: 89 ,恭喜及格
及格线为: 60, 您的分数为: 55 ,遗憾不及格
及格线为: 90, 您的分数为: 99 ,恭喜及格
及格线为: 90, 您的分数为: 88 ,遗憾不及格


Tips:

可以看代码量少了一半;

闭包就是我们内置函数对 enclosing 作用域  变量  的使用


实例二、

1
2
3
4
5
6
7
8
9
10
11
# -*- coding:utf-8 -*-
###求成绩总分
def  my_sum( * args):
     return  sum (args)
 
###求成绩平均分
def  my_average( * args):
     return  sum (args) / len (args)
 
print  my_sum( 1 , 2 , 3 , 4 , 5 )
print  my_average( 1 , 2 , 3 , 4 , 5 )

执行结果:

1
2
3
4
5
>>> ================================ RESTART ================================
>>> 
15
3
>>>

发现上述代码不够健壮,如果你传入字符串或空的列表就会报错

1
print  my_sum( 1 , 2 , 3 , 4 , 5 , '6' )
1
2
3
     return  sum (args)
TypeError: unsupported operand  type (s)  for  +:  'int'  and  'str'
>>>

修改代码,进行检查传入数据的类型及长度

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
# -*- coding:utf-8 -*-
###求成绩总分
def  my_sum( * args):
     if  len (args)  = =  0 :
         return  0
     for  val  in  args:
         if  not  isinstance (val, int ):
             print  "传入参数有非整数性..."
             return  0
     return  sum (args)
 
###求成绩平均分
def  my_average( * args):
     if  len (args)  = =  0 :
         return  0
     for  val  in  args:
         if  not  isinstance (val, int ):
             print  "传入参数有非整数性..."
             return  0
     return  sum (args) / len (args)
 
print  my_sum( 1 , 2 , 3 , 4 , 5 )
print  my_average( 1 , 2 , 3 , 4 , 5 )
print  my_sum( 1 , 2 , 3 , 4 , 5 , '6' )

执行结果:

1
2
3
4
5
6
>>> ================================ RESTART ================================
>>> 
15
3
传入参数有非整数性...
0

健壮性是可以了,不过发现其中有一部门代码是重复的,但是执行的 函数 又是不同的,分别为 my_sum 、my_average


使用闭包优化后的代码:

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
36
# -*- coding:utf-8 -*-
###求成绩总分
def my_sum(*args):
     return  sum (args)
 
###求成绩平均分
def my_average(*args):
     return  sum (args) /len (args)
 
def dec(func):
     def in_dec(*args):
         if  len(args) == 0:
             print  "传入参数列表为0"
             return  0
         for  val  in  args:
             if  not isinstance(val,int):
                 print  "传入非整数参数"
                 return  0
         return  func(*args)
     return  in_dec
 
#重新定义my_sum
 
my_sum = dec(my_sum)
 
#此处调用dec,作用就是将 参数为函数的 func 变为 in_dec 函数的一个属性 ( enclosing 属性 ),并且将 in_dec 函数本身返回,返回的函数还具有 in_dec 本身的功能属性 (检测参数的作用)
#并且 my_sum 进行了重新定义,返回值为 传入函数处理后的 返回值
 
print my_sum(1,2,3,4,5)
print my_sum()
print my_sum(1,2,3,4,5, '6' )
#重新定义my_average
my_average = dec(my_average)
print my_average(1,2,3,4,5)
print my_average()
print my_average(1,2,3,4,5, '6' )

执行结果:

1
2
3
4
5
6
7
8
9
10
11
12
13
>>> ================================ RESTART ================================
>>> 
15
传入参数列表为0
0
传入非整数参数
0
3
传入参数列表为0
0
传入非整数参数
0
>>>

装饰器:

1、用来装饰函数

2、返回一个新的函数对象

3、被装饰函数标识符指向返回的函数对象

4、语法糖: @deco

上述闭包的例子,in_dec 被 dec 所装饰,那可以说装饰器其实就是闭包的一个本质使用


为了演示 装饰器 的功能,以上述代码为例,进行 装饰器 写法

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
# -*- coding:utf-8 -*-
 
def  dec(func):
     print  "call dec"
     def  in_dec( * args):
         print  "call in_dec"
         if  len (args)  = =  0 :
             print  "传入参数列表为0"
             return  0
         for  val  in  args:
             if  not  isinstance (val, int ):
                 print  "传入非整数参数"
                 return  0
         return  func( * args)
     return  in_dec    
 
 
@dec
###求成绩总分
def  my_sum( * args):
     return  sum (args)
 
###求成绩平均分
def  my_average( * args):
     return  sum (args) / len (args)

所以没有显示调用,但是执行以下:

1
2
3
4
>>> ================================ RESTART ================================
>>> 
call dec
>>>

结果证明 调用 了 dec 函数,那应该是 装饰器语法糖 @dec 时进行了调用,但是它返回了一个函数,那被谁接受了呢? 是被他装饰的 my_sum 接受了。

为了证明,来调用下 my_sum

1
2
print  my_sum( 1 , 2 , 3 , 4 , 5 )
print  my_sum( 1 , 2 , 3 , 4 , 5 , '6' )

结果:

1
2
3
4
5
6
7
8
9
>>> ================================ RESTART ================================
>>> 
call dec       ####### 语法糖调用一次装饰函数 dec
call in_dec
15
call in_dec
传入非整数参数
0
>>>

证明是对的;

@dec 相当于上述的 

1
my_sum = dec(my_sum)

也就可以认为 被重新赋值的 my_sum 相当于装饰器 dec 的内部函数 in_dec

装饰器 dec 的参数 func 相当于 被修饰的函数 my_sum

装饰器 实例二、

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# -*- coding:utf-8 -*-
 
def dec(func):
     print  "call dec"
     def in_dec():
         print  "call in_dec"
         func()
 
@dec
def test_dec():
     print  "call test_dec"
 
print  type (test_dec)
test_dec()

执行结果:

1
2
3
4
5
6
7
8
9
10
>>> ================================ RESTART ================================
>>> 
call dec
< type  'NoneType' >
 
Traceback (most recent call last):
   File  "D:\xisuo\xx\q.py" , line 15,  in  <module>
     test_dec()
TypeError:  'NoneType'  object is not callable
>>>

可以看到这里的 test_dec 是 NoneType类型,无法调用,那是因为我们在装饰器函数没有进行显示的 return ,python 默认返回 None,

所以装饰器函数必须显示的进行 return in_func (这里为 return in_dec)


修改后 执行

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# -*- coding:utf-8 -*-
 
def  dec(func):
     print  "call dec"
     def  in_dec():
         print  "call in_dec"
         func()
     return  in_dec       #结论:必须返回
 
@dec
def  test_dec():
     print  "call test_dec"
 
print  type (test_dec)
test_dec()


1
2
3
4
5
6
7
>>> ================================ RESTART ================================
>>> 
call dec
< type  'function' >
call in_dec
call test_dec
>>>

上面提到了(红字)函数间的关系(相当于对象引用关系),那赋值的被修饰函数的 参数 就必须三个函数都对应起来

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# -*- coding:utf-8 -*-
 
def  dec(func):
     print  "call dec"
     def  in_dec(x,y):       ##参数要对应起来
         print  "call in_dec"
         func(x,y)        ##参数要对应起来
     return  in_dec
 
@dec
def  test_dec(x,y):      ##参数要对应起来
     print  "call test_dec " ,x  +  y
 
print  type (test_dec)
test_dec( 3 , 5 )

执行结果:

1
2
3
4
5
6
7
>>> ================================ RESTART ================================
>>> 
call dec
< type  'function' >
call in_dec
call test_dec  8
>>>



本文转自 西索oO 51CTO博客,原文链接:http://blog.51cto.com/lansgg/1884913

相关文章
|
19天前
|
程序员 测试技术 开发者
Python装饰器:简化代码的强大工具
Python装饰器:简化代码的强大工具
144 92
|
3月前
|
Python
掌握Python装饰器:轻松统计函数执行时间
掌握Python装饰器:轻松统计函数执行时间
242 76
|
4月前
|
人工智能 API Python
掌握 Python 文件处理、并行处理和装饰器
本文介绍了 Python 在文件处理、并行处理以及高级功能(如装饰器、Lambda 函数和推导式)的应用。第一部分讲解了文件的基本操作、读写方法及处理大型文件的技巧,并演示了使用 Pandas 处理结构化数据的方式。第二部分探讨了多线程与多进程的并行处理,以及 `concurrent.futures` 模块的简化用法,适合不同类型的任务需求。第三部分则深入装饰器的实现与应用,包括简单装饰器、带参数的装饰器及 `functools.wraps` 的使用,同时简要介绍了 Lambda 函数和推导式的语法与场景。内容实用且全面,帮助读者掌握 Python 高效编程的核心技能。
|
9月前
|
测试技术 数据安全/隐私保护 开发者
探索Python中的装饰器:从基础到高级应用
装饰器在Python中是一个强大且令人兴奋的功能,它允许开发者在不修改原有函数代码的前提下增加额外的功能。本文将通过具体代码示例,带领读者从装饰器的基础概念入手,逐步深入到高级用法,如带参数的装饰器和装饰器嵌套等。无论你是初学者还是有经验的开发者,这篇文章都将为你提供有价值的见解和技巧。
104 6
|
9月前
|
开发框架 数据建模 中间件
Python中的装饰器:简化代码,增强功能
在Python的世界里,装饰器是那些静悄悄的幕后英雄。它们不张扬,却能默默地为函数或类增添强大的功能。本文将带你了解装饰器的魅力所在,从基础概念到实际应用,我们一步步揭开装饰器的神秘面纱。准备好了吗?让我们开始这段简洁而富有启发性的旅程吧!
124 6
|
9月前
|
开发者 Python
探索Python中的装饰器:从基础到高级应用
本文将带你深入了解Python中的装饰器,这一强大而灵活的工具。我们将一起探讨装饰器的基本概念,它们如何工作,以及如何使用它们来增强函数和类的功能,同时不改变其核心逻辑。通过具体代码示例,我们将展示装饰器的创建和使用,并探索一些高级应用,比如装饰器堆栈和装饰带参数的装饰器。无论你是初学者还是有经验的开发者,这篇文章都将为你提供新的视角,帮助你更有效地使用装饰器来简化和优化你的代码。
|
8月前
|
测试技术 数据库 Python
Python装饰器实战:打造高效性能计时工具
在数据分析中,处理大规模数据时,分析代码性能至关重要。本文介绍如何使用Python装饰器实现性能计时工具,在不改变现有代码的基础上,方便快速地测试函数执行时间。该方法具有侵入性小、复用性强、灵活度高等优点,有助于快速发现性能瓶颈并优化代码。通过设置循环次数参数,可以更准确地评估函数的平均执行时间,提升开发效率。
221 61
Python装饰器实战:打造高效性能计时工具
|
8月前
|
设计模式 前端开发 Shell
Python装饰器是什么?
装饰器是Python中用于动态修改函数、方法或类功能的工具,无需改变原代码。通过将函数作为参数传递并返回新函数,装饰器可以在原函数执行前后添加额外逻辑。例如,使用`@logger`装饰器可以打印函数调用日志,而`@timethis`则可用于计算函数执行时间。为了保持被装饰函数的元信息(如`__name__`和`__doc__`),可使用`functools.wraps`装饰器。此外,带参数的装饰器可通过嵌套函数实现,如`@timeitS(2)`,以根据参数条件输出特定信息。
151 59
|
9月前
|
缓存 Python
深入理解Python中的装饰器
本文旨在通过具体实例和详细解释,帮助读者深入理解Python中装饰器的工作原理及其在实际开发中的应用。我们将从装饰器的基本概念开始,逐步深入到其高级用法,包括自定义装饰器、带参数的装饰器以及类装饰器等。通过本文的学习,读者将能够掌握装饰器的核心思想,提高代码的可读性和可维护性。

推荐镜像

更多