这篇教程Python函数装饰器的使用教程写得很实用，希望能帮到您。
典型的函数装饰器
以下示例定义了一个装饰器，输出函数的运行时间： 
函数装饰器和闭包紧密结合，入参func代表被装饰函数，通过自由变量绑定后，调用函数并返回结果。 使用clock装饰器： import timefrom clockdeco import clock@clockdef snooze(seconds): time.sleep(seconds)@clockdef factorial(n): return 1 if n < 2 else n*factorial(n-1)if __name__=='__main__': print('*' * 40, 'Calling snooze(.123)') snooze(.123) print('*' * 40, 'Calling factorial(6)') print('6! =', factorial(6)) # 6!指6的阶乘输出结果： 
这是装饰器的典型行为：把被装饰的函数换成新函数，二者接受相同的参数，而且返回被装饰的函数本该返回的值，同时还会做些额外操作。 值得注意的是factorial()是个递归函数，从结果来看，每次递归都用到了装饰器，打印了运行时间，这是因为如下代码： @clockdef factorial(n): return 1 if n < 2 else n*factorial(n-1) 等价于： def factorial(n): return 1 if n < 2 else n*factorial(n-1) factorial = clock(factorial) factorial引用的是clock(factorial)函数的返回值，也就是装饰器内部函数clocked，每次调用factorial(n)，执行的都是clocked(n)。
叠放装饰器@d1@d2def f(): print("f")等价于： def f(): print("f")f = d1(d2(f))
参数化装饰器
怎么让装饰器接受参数呢？答案是：创建一个装饰器工厂函数，把参数传给它，返回一个装饰器，然后再把它应用到要装饰的函数上。 示例如下： registry = set()def register(active=True): def decorate(func): print('running register(active=%s)->decorate(%s)' % (active, func)) if active: registry.add(func) else: registry.discard(func) return func return decorate@register(active=False)def f1(): print('running f1()')# 注意这里的调用@register()def f2(): print('running f2()')def f3(): print('running f3()')register是一个装饰器工厂函数，接受可选参数active默认为True，内部定义了一个装饰器decorate并返回。需要注意的是装饰器工厂函数，即使不传参数，也要加上小括号调用，比如@register()。 再看一个示例： import timeDEFAULT_FMT = '[{elapsed:0.8f}s] {name}({args}) -> {result}'# 装饰器工厂函数def clock(fmt=DEFAULT_FMT): # 真正的装饰器 def decorate(func): # 包装被装饰的函数 def clocked(*_args): t0 = time.time() # _result是被装饰函数返回的真正结果 _result = func(*_args) elapsed = time.time() - t0 name = func.__name__ args = ', '.join(repr(arg) for arg in _args) result = repr(_result) # **locals()返回clocked的局部变量 print(fmt.format(**locals())) return _result return clocked return decorate if __name__ == '__main__': @clock() def snooze(seconds): time.sleep(seconds) for i in range(3): snooze(.123)这是给典型的函数装饰器添加了参数fmt，装饰器工厂函数增加了一层嵌套，示例中一共有3个def。
标准库中的装饰器
Python内置了三个用于装饰方法的函数：property、classmethod和staticmethod，这会在将来的文章中讲到。本文介绍functools中的三个装饰器：functools.wraps、functools.lru_cache和functools.singledispatch。
functools.wrapsPython函数装饰器在实现的时候，被装饰后的函数其实已经是另外一个函数了（函数名等函数属性会发生改变），为了不影响，Python的functools包中提供了一个叫wraps的装饰器来消除这样的副作用（它能保留原有函数的名称和函数属性）。 示例，不加wraps： def my_decorator(func): def wrapper(*args, **kwargs): '''decorator''' print('Calling decorated function...') return func(*args, **kwargs) return wrapper@my_decoratordef example(): """Docstring""" print('Called example function')print(example.__name__, example.__doc__)# 输出wrapper decorator加wraps： import functoolsdef my_decorator(func): @functools.wraps(func) def wrapper(*args, **kwargs): '''decorator''' print('Calling decorated function...') return func(*args, **kwargs) return wrapper@my_decoratordef example(): """Docstring""" print('Called example function')print(example.__name__, example.__doc__)# 输出example Docstring
functools.lru_cache
lru是Least Recently Used的缩写，它是一项优化技术，把耗时的函数的结果保存起来，避免传入相同的参数时重复计算。 示例： import functoolsfrom clockdeco import clock@functools.lru_cache()@clockdef fibonacci(n): if n < 2: return n return fibonacci(n-2) + fibonacci(n-1)if __name__=='__main__': print(fibonacci(6)) 优化了递归算法，执行时间会减半。 注意，lru_cache可以使用两个可选的参数来配置，它的签名如下： functools.lru_cache(maxsize=128, typed=False) - maxsize：最大存储数量，缓存满了以后，旧的结果会被扔掉。
- typed：如果设为True，那么会把不同参数类型得到的结果分开保存，即把通常认为相等的浮点数和整型参数（如1和1.0）区分开。
functools.singledispatch
Python3.4的新增语法，可以用来优化函数中的大量if/elif/elif。使用@singledispatch装饰的普通函数会变成泛函数：根据第一个参数的类型，以不同方式执行相同操作的一组函数。所以它叫做single dispatch，单分派。 根据多个参数进行分派，就是多分派了。
示例，生成HTML，显示不同类型的Python对象： import htmldef htmlize(obj): content = html.escape(repr(obj)) return '<pre>{}</pre>'.format(content)因为Python不支持重载方法或函数，所以就不能使用不同的签名定义htmlize的变体，只能把htmlize变成一个分派函数，使用if/elif/elif，调用专门的函数，比如htmlize_str、htmlize_int等。时间一长htmlize会变得很大，跟各个专门函数之间的耦合也很紧密，不便于模块扩展。 @singledispatch经过深思熟虑后加入到了标准库，来解决这类问题： from functools import singledispatchfrom collections import abcimport numbersimport html@singledispatchdef htmlize(obj): # 基函数 这里不用写if/elif/elif来分派了 content = html.escape(repr(obj)) return '<pre>{}</pre>'.format(content)@htmlize.register(str)def _(text): # 专门函数 content = html.escape(text).replace('/n', '<br>/n') return '<p>{0}</p>'.format(content)@htmlize.register(numbers.Integral) def _(n): # 专门函数 return '<pre>{0} (0x{0:x})</pre>'.format(n)@htmlize.register(tuple)@htmlize.register(abc.MutableSequence)def _(seq): # 专门函数 inner = '</li>/n<li>'.join(htmlize(item) for item in seq) return '<ul>/n<li>' + inner + '</li>/n</ul>'@singledispatch装饰了基函数。专门函数使用@<<base_function>>.register(<<type>>)装饰，它的名字不重要，命名为_，简单明了。 这样编写代码后，Python会根据第一个参数的类型，调用相应的专门函数。
小结
本文首先介绍了典型的函数装饰器：把被装饰的函数换成新函数，二者接受相同的参数，而且返回被装饰的函数本该返回的值，同时还会做些额外操作。接着介绍了装饰器的两个高级用法：叠放装饰器和参数化装饰器，它们都会增加函数的嵌套层级。最后介绍了3个标准库中的装饰器：保留原有函数属性的functools.wraps、缓存耗时的函数结果的functools.lru_cache和优化if/elif/elif代码的functools.singledispatch。
参考资料：《流畅的Python》https://github.com/fluentpython/example-code/tree/master/07-closure-deco https://blog.csdn.net/liuzonghao88/article/details/103586634 以上就是Python函数装饰器高级用法的详细内容，更多关于Python函数装饰器用法的资料请关注51zixue.net其它相关文章！
pytorch model.cuda()花费时间很长的解决
pytorch 如何用cuda处理数据 |
