前言

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。

許多特性可以完全改變 Python 代碼的功能，這使得該語言更加靈活。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間。

實現(xiàn)這些目標(biāo)的一個很好的例子是 Python 的裝飾器。

裝飾器

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。

不用說，這當(dāng)然可以派上用場！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(yùn)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(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(yùn)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(jìn)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(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(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(yùn)行時已經(jīng)運(yùn)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 = 0
   def 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!

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_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)