推荐 8 个炫酷的 Python 装饰器，Python面试及答案

递归在计算时间上可能非常困难，但添加此装饰器有助于显着加快此函数的连续运行速度。

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

现在每当我们运行这个函数时，前几个阶乘计算将被保存到缓存中。

因此，下次我们调用该函数时，我们只需要计算我们之前使用的阶乘之后的阶乘。

当然，并不是所有的阶乘计算都会被保存，但是很容易理解为什么这个装饰器的一个很好的应用程序来加速一些自然很慢的代码。

02 @jit

JIT 是即时编译(Just In Time)的缩写。通常每当我们在 Python 中运行一些代码时，发生的第一件事就是编译。

这种编译会产生一些开销，因为类型被分配了内存，并存储为未分配但已命名的别名。使用即时编译，我们在执行时才进行编译。

在很多方面，我们可以将其视为类似于并行计算的东西，其中 Python 解释器同时处理两件事以节省一些时间。

Numba JIT 编译器因将这一概念提供到 Python 中而闻名。与@lru_cache 类似，可以非常轻松地调用此装饰器，并立即提高代码的性能。Numba 包提供了 jit 装饰器，它使运行更密集的软件变得更加容易，而不必进入 C。

以下案例使用@jit 装饰器加速蒙特卡洛方法计算。

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

03 @do_twice

do_twice 装饰器的功能与它的名字差不多。此装饰器可用于通过一次调用运行两次函数。这当然有一些用途，我发现它对调试特别有用。

它可以用于测量两个不同迭代的性能。以 Functools 为例，我们可以让一个函数运行两次，以检查是否有改进。该函数由 Python 中的装饰器模块提供，该模块位于标准库中。

from decorators import do_twice@do_twicedef timerfunc:``%timeit factorial(15)

04 @count_calls

count_calls 装饰器可用于提供有关函数在软件中使用多少次的信息。

像 do_twice 一样，这当然可以在调试时派上用场。

当添加到给定的函数时，我们将收到一个输出，告诉我们该函数每次运行时已经运行了多少次。这个装饰器也在标准库的装饰器模块中。

from decorators import count_calls@count_callsdef function_example:print("Hello World!")function_examplefunction_examplefunction_example

05 @dataclass

为了节省编写类的时间，我一直使用的最好的装饰器之一是@dataclass 装饰器。

这个装饰器可用于快速编写类中常见的标准方法，这些方法通常会在我们编写的类中找到。

这个装饰器来自 dataclass 模块。这个模块也在标准库中，所以不需要 PIP 来尝试这个例子！

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)

这段代码将自动创建一个初始化函数 init，其中包含填充类中数据所需的位置参数。

它们也将自动提供给 self，因此无需编写一个很长的函数来将一些数据参数放入类中。

06 @singleton

为了理解单例装饰器的用途，我们首先需要了解单例(singleton)是什么。从某种意义上说，单例是全局变量类型的一个版本。

这意味着类型被定义为只存在一次。尽管这些在 C++ 等语言中很常见，但在 Python 中却很少见到。使用单例，我们可以创建一个只使用一次的类并改变类，而不是通过初始化来构造新的类型。

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

👉Python所有方向的学习路线👈

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉Python必备开发工具👈

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

👉Python全套学习视频👈

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

👉实战案例👈

学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。

因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。

👉大厂面试真题👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数初中级Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python爬虫全套学习资料》送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频

如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注：python）

》送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。**

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频

如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注：python）
[外链图片转存中…(img-DXcrek0C-1711093061944)]