前言

Python 編程語(yǔ)言的一大優(yōu)點(diǎn)是它把所有功能都打包到一個(gè)小包中，這些功能非常有用。

許多特性可以完全改變 Python 代碼的功能，這使得該語(yǔ)言更加靈活。如果使用得當(dāng)，其中一些功能可以有效縮短編寫程序所需的時(shí)間。

實(shí)現(xiàn)這些目標(biāo)的一個(gè)很好的例子是 Python 的裝飾器。

裝飾器

裝飾器(decorators)是一個(gè)可以用于改變一個(gè) Python 函數(shù)對(duì)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(lái)縮短代碼、加速代碼并徹底改變代碼在 Python 中的行為方式。

不用說(shuō)，這當(dāng)然可以派上用場(chǎng)！今天我想炫耀一些我認(rèn)為值得一試的裝飾器。

有很多裝飾器，但我選擇了一些我認(rèn)為具有最酷功能的裝飾器。

1. @lru_cache

此列表中的第一個(gè)裝飾器來(lái)自 functools 模塊。

該模塊包含在標(biāo)準(zhǔn)庫(kù)中，非常易于使用。它還包含比這個(gè)裝飾器更酷的功能，但這個(gè)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(yùn)行。當(dāng)然，這應(yīng)該在使用時(shí)記住一些關(guān)于緩存的注意事項(xiàng)，但在通用使用情況下，大多數(shù)時(shí)候這個(gè)裝飾器是值得使用的。

能夠用一個(gè)簡(jiǎn)單的裝飾器來(lái)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(gè)很好的例子是遞歸函數(shù)，例如計(jì)算階乘的函數(shù)：

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

遞歸在計(jì)算時(shí)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(yùn)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(yùn)行這個(gè)函數(shù)時(shí)，前幾個(gè)階乘計(jì)算將被保存到緩存中。

因此，下次我們調(diào)用該函數(shù)時(shí)，我們只需要計(jì)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(jì)算都會(huì)被保存，但是很容易理解為什么這個(gè)裝飾器的一個(gè)很好的應(yīng)用程序來(lái)加速一些自然很慢的代碼。

2. @jit

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

這種編譯會(huì)產(chǎn)生一些開(kāi)銷，因?yàn)轭愋捅环峙淞藘?nèi)存，并存儲(chǔ)為未分配但已命名的別名。使用即時(shí)編譯，我們?cè)趫?zhí)行時(shí)才進(jìn)行編譯。

在很多方面，我們可以將其視為類似于并行計(jì)算的東西，其中 Python 解釋器同時(shí)處理兩件事以節(jié)省一些時(shí)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(yùn)行更密集的軟件變得更加容易，而不必進(jìn)入 C。

以下案例使用@jit 裝飾器加速蒙特卡洛方法計(jì)算。

from numba import jit
import random
@jit(nopython=True)
def monte_carlo_pi(nsamples):
   acc = 0
   for i in range(nsamples):
       x = random.random()
       y = random.random()
       if (x ** 2 + y ** 2) < 1.0:
           acc += 1
   return 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(guò)一次調(diào)用運(yùn)行兩次函數(shù)。這當(dāng)然有一些用途，我發(fā)現(xiàn)它對(duì)調(diào)試特別有用。

它可以用于測(cè)量?jī)蓚€(gè)不同迭代的性能。以 Functools 為例，我們可以讓一個(gè)函數(shù)運(yùn)行兩次，以檢查是否有改進(jìn)。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(kù)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(shí)派上用場(chǎng)。

當(dāng)添加到給定的函數(shù)時(shí)，我們將收到一個(gè)輸出，告訴我們?cè)摵瘮?shù)每次運(yùn)行時(shí)已經(jīng)運(yùn)行了多少次。這個(gè)裝飾器也在標(biāo)準(zhǔn)庫(kù)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(shí)間，我一直使用的最好的裝飾器之一是@dataclass 裝飾器。

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

這個(gè)裝飾器來(lái)自 dataclass 模塊。這個(gè)模塊也在標(biāo)準(zhǔn)庫(kù)中，所以不需要 PIP 來(lái)嘗試這個(gè)例子！

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

這段代碼將自動(dòng)創(chuàng)建一個(gè)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(dòng)提供給 self，因此無(wú)需編寫一個(gè)很長(zhǎng)的函數(shù)來(lái)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(shuō)，單例是全局變量類型的一個(gè)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(yǔ)言中很常見(jiàn)，但在 Python 中卻很少見(jiàn)到。使用單例，我們可以創(chuàng)建一個(gè)只使用一次的類并改變類，而不是通過(guò)初始化來(lái)構(gòu)造新的類型。

通常，單例裝飾器是由用戶自己編寫的，實(shí)際上并不是導(dǎo)入的。

這是因?yàn)閱卫匀皇菍?duì)我們單例裝飾器中提供的模板的引用。我們可以命名一個(gè)單例函數(shù)并編寫一個(gè)包裝器，以便在我們的類上使用這個(gè)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!

7. @use_unit

在科學(xué)計(jì)算中經(jīng)常派上用場(chǎng)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(duì)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(gè)裝飾器也不是在任何模塊中真正可用，但它是非常常見(jiàn)的，對(duì)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_unit
return 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(yǔ)言中都很常見(jiàn)，因?yàn)樗且环N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(gè)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(guò)同一方法傳遞多種類型數(shù)據(jù)時(shí)，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)