Python零基础入门篇 - 36 - 装饰器与类的装饰器

装饰器的用法

在我们日常工作中,装饰器的使用方法有两种。

第一种:将被调用的函数直接作用为参数传入装饰器的外围函数括弧内;示例如下:

def a(func):

def b(*args, **kwargs):

return func(*args, **kwargs)

return b

def c(name):

print(name)

a©(‘Neo’)

>>> 执行结果如下:

>>> Neo

第二种:将装饰器与被调用函数绑定在一起, @ 符号 + 装饰器函数放在被调用函数的上一行,被调用的函数正常定义,只需要直接调用被执行函数即可。示例如下:

def a(func):

def b(*args, **kwargs):

return func(*args, **kwargs)

return b

@a

def c(name):

print(name)

c(‘Neo’)

>>> 执行结果如下:

>>> Neo

最常用的装饰器用法为第二种。

现在我们构建一个 检查字符串类型的装饰器,加深一下对装饰器的理解。

def check_ok(func):

def inner(*args, **kwargs):

result = func(*args, **kwargs)

if result == ‘OK’:

return ‘传入的参数数据为:’%s’’ % result

else:

return ‘传入的参数数据不为:‘OK’’

return inner

@check_ok

def test_str(data):

return data

result = test_str(‘OK’)

print(result)

>>> 执行结果如下:

>>> 传入的参数数据为:‘OK’

result = test_str(‘NO’)

print(result)

>>> 执行结果如下:

>>> 传入的参数数据不为:‘OK’

以上就是一个装饰器的简单用法,后续的学习内容会接触到更多的高级用法。

类中的装饰器


类的装饰器 - classmethod

classmethod 的功能:可以将类函数不经过实例化即可直接被调用

classmethod 的用法:示例如下

@classmethod

def func(cls, …):

todo

>>> cls 替代普通类函数中的 self ;

>>> 变更为 cls ,表示当前的类

>>> self 代表的是 实例化对象,所以只有通过实例化后,才可以调用

>>> cls 代表的是 类 ,所以即使不通过实例化,也可以调用

*****************************************************

class Test(object):

@classmethod

def add(cls, a, b):

return a + b

print(Test.add(1, 3))

>>> 执行结果如下:

>>> 4

演示案例:

class Cat(object):

def init(self, name):

self.name = name

def eat(self):

print(self.name, ‘喜欢吃鱼’)

@classmethod

def work(cls):

print(‘会抓老鼠’)

dragonLi = Cat(‘狸花猫’)

print(dragonLi.eat(), dragonLi.work())

>>> 执行结果如下:

>>> 狸花猫 喜欢吃鱼

>>> 会抓老鼠

接下来我们不使用 类的实例化 ,直接使用 类 调用 eat() 函数 与 work() 函数

class Cat(object):

def init(self, name):

self.name = name

def eat(self):

print(self.name, ‘喜欢吃鱼’)

@classmethod

def work(cls):

print(‘会抓老鼠’)

dragonLi = Cat(‘狸花猫’)

Cat.eat()

>>> 执行结果如下:

>>> TypeError: Cat.eat() missing 1 required positional argument: ‘self’

>>> 报错缺少重要参数 ‘self’ (没有进行实例化的类,类无法直接调用类函数)

Cat.work()

>>> 执行结果如下:

>>> 会抓老鼠

>>> 绑定了 classmethod 装饰器 的 work() 函数,即使没有实例化,也可以直接被 类 调用

再尝试一下看看 没有装饰器的 eat() 函数 与 使用了 classmethod 装饰器 work() 之间可不可以互相调用

class Cat(object):

def init(self, name):

self.name = name

def eat(self):

print(self.name, ‘喜欢吃鱼’)

@classmethod

def work(cls):

print(‘会抓老鼠’)

cls.eat() # 在 classmethod 装饰器的 work() 函数内 调用 eat() 函数

dragonLi = Cat(‘狸花猫’)

dragonLi.work()

>>> 执行结果如下:

>>> TypeError: Cat.eat() missing 1 required positional argument: ‘self’

>>> 同样报错缺少重要参数 ‘self’

class Cat(object):

def init(self, name):

self.name = name

def eat(self):

print(self.name, ‘喜欢吃鱼’)

self.work()

@classmethod

def work(cls):

print(‘会抓老鼠’)

dragonLi01 = Cat(‘狸花猫’)

dragonLi01.eat()

>>> 执行结果如下:

>>> 执行结果如下:

>>> 狸花猫 喜欢吃鱼

>>> 会抓老鼠

综合以上两个场景,我们得出以下结论:

  • 在带有 classmethod 装饰器 的 函数 内,是无法调用普通的 带有 self 的函数的

  • 但是在普通的带有 self 的类函数内,是可以调用带有 classmethod 装饰器 的 函数的

类的装饰器 - staticmethod

staticmethod 的功能:可以将 类函数 不经过实例化而直接被调用,被该装饰器调用的函数不需要传入 self 、cls 参数,并且无法在该函数内调用其他 类函数 或 类变量

staticmethod 的用法:参考如下

@staticmethod

def func(…):

todo

>>> 函数内无需传入 cls 或 self 参数

*****************************************************

class Test(object):

@staticmethod

def add(a, b):

return a + b

print(Test.add(1, 3))

>>> 执行结果如下:

>>> 4

接下来我们在上文的 Cat() 类基础演示一下 staticmethod 装饰器 (新建一个 color() 函数,使用 staticmethod 装饰器 )

class Cat(object):

def init(self, name):

self.name = name

def eat(self):

print(self.name, ‘喜欢吃鱼’)

self.work()

@classmethod

def work(cls):

print(‘会抓老鼠’)

@staticmethod

def color():

print(‘黄棕色’)

dragonLi = Cat(‘狸花猫’)

print(dragonLi.eat(), dragonLi.color())

>>> 执行结果如下:

>>> 狸花猫 喜欢吃鱼

>>> 会抓老鼠

>>> 黄棕色

>>> 从执行结果来看, staticmethod 装饰器的 color() 函数可以被实例化后的对象 dragonLi 调用。

>>> 那么可以被 Cat() 类 直接调用么?我们往下看

print(Cat.color())

>>> 执行结果如下:

>>> 黄棕色

>>> 可以看到,staticmethod 装饰器构造的 color() 函数,即使没有被实例化,依然可以直接被 类 调用

同样的,也尝试一下 staticmethod 装饰器构造的 color() 函数 是否能够在类函数中互相调用。

class Cat(object):

def init(self, name):

self.name = name

def eat(self):

print(self.name, ‘喜欢吃鱼’)

self.work()

self.color()

@classmethod

def work(cls):

print(‘会抓老鼠’)

@staticmethod

def color():

print(‘黄棕色’)

dragonLi = Cat(‘狸花猫’)

dragonLi.eat()

>>> 执行结果如下:

>>> 狸花猫 喜欢吃鱼

>>> 会抓老鼠

>>> 黄棕色

>>> 结合执行结果得出结论:staticmethod 装饰器构造的 color() 函数 可以在 eat() 类函数中被调用

与带有 classmethod 装饰器 的 函数 一样,staticmethod 装饰器构造的 函数也是无法调用普通的 带有 self 的函数的,这里就不再书写演示代码进行演示了。(staticmethod 装饰器构造的 函数也是无法调用普通的 带有 self 的函数会报错 : NameError: name 'self' is not defined )

类的装饰器 - property

property 的功能:可以将类函数的执行免去小括号,类似于直接调用类的变量(属性)

staticmethod 的用法:参考如下

@property

def func(self):

todo

>>> 不能传入参数,无重要函数说明

示例如下

自我介绍一下,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,但对于培训机构动则几千的学费,着实压力不小。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开发全套学习资料》,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。

img

img

img

img

img

img

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!

由于文件比较大,这里只是将部分目录大纲截图出来,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,并且后续会持续更新

如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注Python)

hon开发全套学习资料》,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。**

[外链图片转存中…(img-2ZHseBhm-1712543066590)]

[外链图片转存中…(img-JWCVZJTV-1712543066591)]

img

img

img

img

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!

由于文件比较大,这里只是将部分目录大纲截图出来,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,并且后续会持续更新

如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注Python)

img
  • 23
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
新闻文本分是自然语言处理(NLP)中的一个重要应用场景,它可以将大量的新闻文本按照不同的主题分,为用户提供更加精准的信息检索服务。在这里,我们将介绍如何使用Python来进行新闻文本分。 1. 数据收集 首先,我们需要获取新闻文本数据集。可以从互联网上爬取新闻网站的文章,或者从已有的数据集中获取。一个常用的新闻文本数据集是Reuters-21578,包含21578条新闻文本,按照46个不同的主题分。可以从网站上下载:https://archive.ics.uci.edu/ml/datasets/reuters-21578+text+categorization+collection 2. 数据预处理 在获取数据集后,我们需要对其进行预处理。这包括去除HTML标签、数字、标点符号和停用词等不必要的信息,以及进行词干提取(stemming)和词形还原(lemmatization)等文本预处理操作。可以使用Python中的NLTK包或SpaCy包来完成这些操作。 3. 特征提取 在预处理完成后,我们需要将文本数据转换成数值型特征向量,以便于机器学习算法进行处理。常用的特征提取方法包括词袋模型(bag of words)、TF-IDF、词嵌入(word embedding)等。可以使用Python中的sklearn包或gensim包来完成这些操作。 4. 模型选择和训练 在特征提取完成后,我们需要选择合适的机器学习算法来进行分。常用的算法包括朴素贝叶斯(Naive Bayes)、支持向量机(SVM)、决策树(Decision Tree)等。可以使用Python中的sklearn包来构建分器,并使用训练数据集对其进行训练。 5. 模型评估 在模型训练完成后,我们需要使用测试数据集对其进行评估。可以使用Python中的sklearn包中的评估函数,如accuracy_score、precision_score、recall_score、f1_score等来评估分器的性能。 6. 模型应用 最后,我们可以使用训练好的分器对新的文本数据进行分,以实现新闻文本分的功能。 以上就是使用Python进行新闻文本分的基本流程。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值