没看完这11 条，别说你精通 Python 装饰器

最新推荐文章于 2024-10-24 00:00:00 发布
最新推荐文章于 2024-10-24 00:00:00 发布
阅读量183 收藏
点赞数

点击上方“Python编程时光”，选择“加为星标”

第一时间关注Python技术干货！

640?wx_fmt=jpeg

对于每一个学习 Python 的同学，想必对 @ 符号一定不陌生了，正如你所知， @ 符号是装饰器的语法糖，@符号后面的函数就是我们本文的主角：装饰器。

装饰器放在一个函数开始定义的地方，它就像一顶帽子一样戴在这个函数的头上。和这个函数绑定在一起。在我们调用这个函数的时候，第一件事并不是执行这个函数，而是将这个函数做为参数传入它头顶上这顶帽子，这顶帽子我们称之为 装饰器 。

曾经我在刚转行做程序员时的一次的面试中，被面试官问过这样的两个问题：

1、你都用过装饰器实现过什么样的功能？

2、如何写一个可以传参的装饰器？

对于当时实战经验非常有限的我，第一个问题只能回答一些非常简单的用法，而第二个问题却没能回答上来。

当时带着这两个问题，我就开始系统的学习装饰器的所有内容。这些一直整理在自己的博客中，今天对其进行了大量的补充和勘误，发表在这里分享给大家。希望对刚入门以及进阶的朋友可以提供一些参考。

640?wx_fmt=png

01. Hello，装饰器

装饰器的使用方法很固定

  1. 先定义一个装饰器（帽子）

  2. 再定义你的业务函数或者类（人）

  3. 最后把这装饰器（帽子）扣在这个函数（人）头上

就像下面这样子

def decorator(func):
    def wrapper(*args, **kw):
        return func()
    return wrapper

@decorator
def function():
    print("hello, decorator")

实际上，装饰器并不是编码必须性，意思就是说，你不使用装饰器完全可以，它的出现，应该是使我们的代码

  • 更加优雅，代码结构更加清晰

  • 将实现特定的功能代码封装成装饰器，提高代码复用率，增强代码可读性

接下来，我将以实例讲解，如何编写出各种简单及复杂的装饰器。

02. 入门：日志打印器

首先是日志打印器。

  1. 在函数执行前，先打印一行日志告知一下主人，我要执行函数了。

  2. 在函数执行完，也不能拍拍屁股就走人了，咱可是有礼貌的代码，再打印一行日志告知下主人，我执行完啦。

# 这是装饰器函数，参数 func 是被装饰的函数
def logger(func):
    def wrapper(*args, **kw):
        print('主人，我准备开始执行：{} 函数了:'.format(func.__name__))

        # 真正执行的是这行。
        func(*args, **kw)

        print('主人，我执行完啦。')
    return wrapper

假如，我的业务函数是，计算两个数之和。写好后，直接给它带上帽子。

@logger
def add(x, y):
    print('{} + {} = {}'.format(x, y, x+y))

然后执行一下 add 函数。

add(200, 50)

来看看输出了什么？

主人，我准备开始执行：add 函数了:
200 + 50 = 250
主人，我执行完啦。

03. 入门：时间计时器

再来看看 时间计时器

# 这是装饰函数
def timer(func):
    def wrapper(*args, **kw):
        t1=time.time()
        # 这是函数真正执行的地方
        func(*args, **kw)
        t2=time.time()

        # 计算下时长
        cost_time = t2-t1 
        print("花费时间：{}秒".format(cost_time))
    return wrapper

假如，我们的函数是要睡眠10秒。这样也能更好的看出这个计算时长到底靠不靠谱。

import time

@timer
def want_sleep(sleep_time):
    time.sleep(sleep_time)

want_sleep(10)

来看看输出，如预期一样，输出10秒。

花费时间：10.0073800086975098秒

04. 进阶：带参数的函数装饰器

通过上面两个简单的入门示例，你应该能体会到装饰器的工作原理了。

不过，装饰器的用法还远不止如此，深究下去，还大有文章。今天就一起来把这个知识点学透。

回过头去看看上面的例子，装饰器是不能接收参数的。其用法，只能适用于一些简单的场景。不传参的装饰器，只能对被装饰函数，执行固定逻辑。

装饰器本身是一个函数，做为一个函数，如果不能传参，那这个函数的功能就会很受限，只能执行固定的逻辑。这意味着，如果装饰器的逻辑代码的执行需要根据不同场景进行调整，若不能传参的话，我们就要写两个装饰器，这显然是不合理的。

比如我们要实现一个可以定时发送邮件的任务（一分钟发送一封），定时进行时间同步的任务（一天同步一次），就可以自己实现一个 periodic_task （定时任务）的装饰器，这个装饰器可以接收一个时间间隔的参数，间隔多长时间执行一次任务。

可以这样像下面这样写，由于这个功能代码比较复杂，不利于学习，这里就不贴了。

@periodic_task(spacing=60)
def send_mail():
     pass

@periodic_task(spacing=86400)
def ntp()
    pass 

那我们来自己创造一个伪场景，可以在装饰器里传入一个参数，指明国籍，并在函数执行前，用自己国家的母语打一个招呼。

# 小明，中国人
@say_hello("china")
def xiaoming():
    pass

# jack，美国人
@say_hello("america")
def jack():
    pass

那我们如果实现这个装饰器，让其可以实现 传参 呢？

会比较复杂，需要两层嵌套。

def say_hello(contry):
    def wrapper(func):
        def deco(*args, **kwargs):
            if contry == "china":
                print("你好!")
            elif contry == "america":
                print('hello.')
            else:
                return

            # 真正执行函数的地方
            func(*args, **kwargs)
        return deco
    return wrapper

来执行一下

xiaoming()
print("------------")
jack()

看看输出结果。

你好!
------------
hello.

05. 高阶：不带参数的类装饰器

以上都是基于函数实现的装饰器，在阅读别人代码时，还可以时常发现还有基于类实现的装饰器。

基于类装饰器的实现，必须实现 __call__ 和 __init__两个内置函数。__init__ ：接收被装饰函数__call__ ：实现装饰逻辑。

还是以日志打印这个简单的例子为例

class logger(object):
    def __init__(self, func):
        self.func = func

    def __call__(self, *args, **kwargs):
        print("[INFO]: the function {func}() is running..."\
            .format(func=self.func.__name__))
        return self.func(*args, **kwargs)

@logger
def say(something):
    print("say {}!".format(something))

say("hello")

执行一下，看看输出

[INFO]: the function say() is running...
say hello!

06. 高阶：带参数的类装饰器

上面不带参数的例子，你发现没有，只能打印INFO级别的日志，正常情况下，我们还需要打印DEBUG WARNING等级别的日志。这就需要给类装饰器传入参数，给这个函数指定级别了。

带参数和不带参数的类装饰器有很大的不同。

__init__ ：不再接收被装饰函数，而是接收传入参数。__call__ ：接收被装饰函数，实现装饰逻辑。

class logger(object):
    def __init__(self, level='INFO'):
        self.level = level

    def __call__(self, func): # 接受函数
        def wrapper(*args, **kwargs):
            print("[{level}]: the function {func}() is running..."\
                .format(level=self.level, func=func.__name__))
            func(*args, **kwargs)
        return wrapper  #返回函数

@logger(level='WARNING')
def say(something):
    print("say {}!".format(something))

say("hello")

我们指定WARNING级别，运行一下，来看看输出。

[WARNING]: the function say() is running...
say hello!

07. 使用偏函数与类实现装饰器

绝大多数装饰器都是基于函数和闭包实现的，但这并非制造装饰器的唯一方式。

事实上，Python 对某个对象是否能通过装饰器（ @decorator）形式使用只有一个要求：decorator 必须是一个“可被调用（callable）的对象。

对于这个 callable 对象，我们最熟悉的就是函数了。

除函数之外，类也可以是 callable 对象，只要实现了__call__ 函数（上面几个例子已经接触过了）。

还有容易被人忽略的偏函数其实也是 callable 对象。

接下来就来说说，如何使用 类和偏函数结合实现一个与众不同的装饰器。

如下所示，DelayFunc 是一个实现了 __call__ 的类，delay 返回一个偏函数，在这里 delay 就可以做为一个装饰器。（以下代码摘自 Python工匠：使用装饰器的小技巧）

import time
import functools

class DelayFunc:
    def __init__(self,  duration, func):
        self.duration = duration
        self.func = func

    def __call__(self, *args, **kwargs):
        print(f'Wait for {self.duration} seconds...')
        time.sleep(self.duration)
        return self.func(*args, **kwargs)

    def eager_call(self, *args, **kwargs):
        print('Call without delay')
        return self.func(*args, **kwargs)

def delay(duration):
    """
    装饰器：推迟某个函数的执行。
    同时提供 .eager_call 方法立即执行
    """
    # 此处为了避免定义额外函数，
    # 直接使用 functools.partial 帮助构造 DelayFunc 实例
    return functools.partial(DelayFunc, duration)

我们的业务函数很简单，就是相加

@delay(duration=2)
def add(a, b):
    return a+b

来看一下执行过程

>>> add    # 可见 add 变成了 Delay 的实例
<__main__.DelayFunc object at 0x107bd0be0>
>>> 
>>> add(3,5)  # 直接调用实例，进入 __call__
Wait for 2 seconds...
8
>>> 
>>> add.func # 实现实例方法
<function add at 0x107bef1e0>

08. 如何写能装饰类的装饰器？

用 Python 写单例模式的时候，常用的有三种写法。其中一种，是用装饰器来实现的。

以下便是我自己写的装饰器版的单例写法。

instances = {}

def singleton(cls):
    def get_instance(*args, **kw):
        cls_name = cls.__name__
        print('===== 1 ====')
        if not cls_name in instances:
            print('===== 2 ====')
            instance = cls(*args, **kw)
            instances[cls_name] = instance
        return instances[cls_name]
    return get_instance

@singleton
class User:
    _instance = None

    def __init__(self, name):
        print('===== 3 ====')
        self.name = name

可以看到我们用singleton 这个装饰函数来装饰 User 这个类。装饰器用在类上，并不是很常见，但只要熟悉装饰器的实现过程，就不难以实现对类的装饰。在上面这个例子中，装饰器就只是实现对类实例的生成的控制而已。

其实例化的过程，你可以参考我这里的调试过程，加以理解。

640?wx_fmt=png

09. wraps 装饰器有啥用？

在 functools 标准库中有提供一个 wraps 装饰器，你应该也经常见过，那他有啥用呢？

先来看一个例子

def wrapper(func):
    def inner_function():
        pass
    return inner_function

@wrapper
def wrapped():
    pass

print(wrapped.__name__)
#inner_function

为什么会这样子？不是应该返回 func 吗？

这也不难理解，因为上边执行func 和下边 decorator(func)  是等价的，所以上面 func.__name__ 是等价于下面decorator(func).__name__ 的，那当然名字是 inner_function

def wrapper(func):
    def inner_function():
        pass
    return inner_function

def wrapped():
    pass

print(wrapper(wrapped).__name__)
#inner_function

那如何避免这种情况的产生？方法是使用 functools .wraps 装饰器，它的作用就是将 被修饰的函数(wrapped) 的一些属性值赋值给 修饰器函数(wrapper) ，最终让属性的显示更符合我们的直觉。

from functools import wraps

def wrapper(func):
    @wraps(func)
    def inner_function():
        pass
    return inner_function

@wrapper
def wrapped():
    pass

print(wrapped.__name__)
# wrapped

准确点说，wraps 其实是一个偏函数对象（partial），源码如下

def wraps(wrapped,
          assigned = WRAPPER_ASSIGNMENTS,
          updated = WRAPPER_UPDATES):
    return partial(update_wrapper, wrapped=wrapped,
                   assigned=assigned, updated=updated)

可以看到wraps其实就是调用了一个函数update_wrapper，知道原理后，我们改写上面的代码，在不使用 wraps的情况下，也可以让 wrapped.__name__ 打印出 wrapped，代码如下：

from functools import update_wrapper

WRAPPER_ASSIGNMENTS = ('__module__', '__name__', '__qualname__', '__doc__',
                       '__annotations__')

def wrapper(func):
    def inner_function():
        pass

    update_wrapper(inner_function, func, assigned=WRAPPER_ASSIGNMENTS)
    return inner_function

@wrapper
def wrapped():
    pass

print(wrapped.__name__)

10. 内置装饰器：property

以上，我们介绍的都是自定义的装饰器。

其实Python语言本身也有一些装饰器。比如property这个内建装饰器，我们再熟悉不过了。

它通常存在于类中，可以将一个函数定义成一个属性，属性的值就是该函数return的内容。

通常我们给实例绑定属性是这样的

class Student(object):
    def __init__(self, name, age=None):
        self.name = name
        self.age = age

# 实例化
xiaoming = Student("小明")

# 添加属性
xiaoming.age=25

# 查询属性
xiaoming.age

# 删除属性
del xiaoming.age

但是稍有经验的开发人员，一下就可以看出，这样直接把属性暴露出去，虽然写起来很简单，但是并不能对属性的值做合法性限制。为了实现这个功能，我们可以这样写。

class Student(object):
    def __init__(self, name):
        self.name = name
        self.name = None

    def set_age(self, age):
        if not isinstance(age, int):
            raise ValueError('输入不合法：年龄必须为数值!')
        if not 0 < age < 100:
            raise ValueError('输入不合法：年龄范围必须0-100')
        self._age=age

    def get_age(self):
        return self._age

    def del_age(self):
        self._age = None


xiaoming = Student("小明")

# 添加属性
xiaoming.set_age(25)

# 查询属性
xiaoming.get_age()

# 删除属性
xiaoming.del_age()

上面的代码设计虽然可以变量的定义，但是可以发现不管是获取还是赋值（通过函数）都和我们平时见到的不一样。

# 赋值
xiaoming.age = 25

# 获取
xiaoming.age

那么这样的方式我们如何实现呢。请看下面的代码。

class Student(object):
    def __init__(self, name):
        self.name = name
        self.name = None

    @property
    def age(self):
        return self._age

    @age.setter
    def age(self, value):
        if not isinstance(value, int):
            raise ValueError('输入不合法：年龄必须为数值!')
        if not 0 < value < 100:
            raise ValueError('输入不合法：年龄范围必须0-100')
        self._age=value

    @age.deleter
    def age(self):
        del self._age

xiaoming = Student("小明")

# 设置属性
xiaoming.age = 25

# 查询属性
xiaoming.age

# 删除属性
del xiaoming.age

用@property装饰过的函数，会将一个函数定义成一个属性，属性的值就是该函数return的内容。同时，会将这个函数变成另外一个装饰器。就像后面我们使用的@age.setter和@age.deleter。

@age.setter 使得我们可以使用XiaoMing.age = 25这样的方式直接赋值。@age.deleter 使得我们可以使用del XiaoMing.age这样的方式来删除属性。

property 的底层实现机制是「描述符」，为此我还写过一篇文章。

这里也介绍一下吧，正好将这些看似零散的文章全部串起来。

如下，我写了一个类，里面使用了 property 将 math 变成了类实例的属性

class Student:
    def __init__(self, name):
        self.name = name

    @property
    def math(self):
        return self._math

    @math.setter
    def math(self, value):
        if 0 <= value <= 100:
            self._math = value
        else:
            raise ValueError("Valid value must be in [0, 100]")

为什么说 property 底层是基于描述符协议的呢？通过 PyCharm 点击进入 property 的源码，很可惜，只是一份类似文档一样的伪源码，并没有其具体的实现逻辑。

不过，从这份伪源码的魔法函数结构组成，可以大体知道其实现逻辑。

这里我自己通过模仿其函数结构，结合「描述符协议」来自己实现类 property 特性。

代码如下：

class TestProperty(object):

    def __init__(self, fget=None, fset=None, fdel=None, doc=None):
        self.fget = fget
        self.fset = fset
        self.fdel = fdel
        self.__doc__ = doc

    def __get__(self, obj, objtype=None):
        print("in __get__")
        if obj is None:
            return self
        if self.fget is None:
            raise AttributeError
        return self.fget(obj)

    def __set__(self, obj, value):
        print("in __set__")
        if self.fset is None:
            raise AttributeError
        self.fset(obj, value)

    def __delete__(self, obj):
        print("in __delete__")
        if self.fdel is None:
            raise AttributeError
        self.fdel(obj)


    def getter(self, fget):
        print("in getter")
        return type(self)(fget, self.fset, self.fdel, self.__doc__)

    def setter(self, fset):
        print("in setter")
        return type(self)(self.fget, fset, self.fdel, self.__doc__)

    def deleter(self, fdel):
        print("in deleter")
        return type(self)(self.fget, self.fset, fdel, self.__doc__)

然后 Student 类，我们也相应改成如下

class Student:
    def __init__(self, name):
        self.name = name

    # 其实只有这里改变
    @TestProperty
    def math(self):
        return self._math

    @math.setter
    def math(self, value):
        if 0 <= value <= 100:
            self._math = value
        else:
            raise ValueError("Valid value must be in [0, 100]")

为了尽量让你少产生一点疑惑，我这里做两点说明：

  1. 使用TestProperty装饰后，math 不再是一个函数，而是TestProperty类的一个实例。所以第二个math函数可以使用 math.setter 来装饰，本质是调用TestProperty.setter 来产生一个新的 TestProperty 实例赋值给第二个math。

  2. 第一个 math 和第二个 math 是两个不同 TestProperty 实例。但他们都属于同一个描述符类（TestProperty），当对 math 对于赋值时，就会进入 TestProperty.__set__，当对math 进行取值里，就会进入 TestProperty.__get__。仔细一看，其实最终访问的还是Student实例的 _math 属性。

说了这么多，还是运行一下，更加直观一点。

# 运行后，会直接打印这一行，这是在实例化 TestProperty 并赋值给第二个math
in setter
>>>
>>> s1.math = 90
in __set__
>>> s1.math
in __get__
90

如对上面代码的运行原理，有疑问的同学，请务必结合上面两点说明加以理解，那两点相当关键。

11. 其他装饰器：装饰器实战

读完并理解了上面的内容，你可以说是Python高手了。别怀疑，自信点，因为很多人都不知道装饰器有这么多用法呢。

在我看来，使用装饰器，可以达到如下目的：

  • 使代码可读性更高，逼格更高；

  • 代码结构更加清晰，代码冗余度更低；

刚好我在最近也有一个场景，可以用装饰器很好的实现，暂且放上来看看。

这是一个实现控制函数运行超时的装饰器。如果超时，则会抛出超时异常。

有兴趣的可以看看。

import signal

class TimeoutException(Exception):
    def __init__(self, error='Timeout waiting for response from Cloud'):
        Exception.__init__(self, error)


def timeout_limit(timeout_time):
    def wraps(func):
        def handler(signum, frame):
            raise TimeoutException()

        def deco(*args, **kwargs):
            signal.signal(signal.SIGALRM, handler)
            signal.alarm(timeout_time)
            func(*args, **kwargs)
            signal.alarm(0)
        return deco
    return wraps

以上，便是我对装饰器的所有分享。

非常感谢你能阅读到这里，这篇文章我写了很久，算是比较干货的那种，文章有些长，但还是希望花点时间把这些知识点都搞明白，而不要只是收藏。

罗罗攀
关注
100天精通Python（基础篇）——第27天：迭代器、生成器、装饰器
努力让自己发光，对的人才能迎着光而来
02-28 1万+
前言 一、迭代器 1.1 什么是迭代？ 1.2 如何判断迭代对象？ 1.3 创建迭代器 二、生成器 2.1 什么是生成器？ 2.2 创建生成器 方式1 方式2 方式3 2.3 生成器使用案例 处理大量数据 读取大文件 三、装饰器 3.1 什么是闭包
32.Python面向对象（五）【描述符、运算符底层、装饰器：闭包-闭包参数-内置装饰器-类装饰器】
热门推荐
孤寒者的博客
08-09 3万+
32.Python面向对象（五）【描述符、运算符底层、装饰器：闭包-闭包参数-内置装饰器-类装饰器】
没看完这11 条，别说你精通Python装饰器
Python大本营的博客
08-12 408
作者 | Python编程时光来源 | Python编程时光（ID:Python-Time）对于每一个学习 Python 的同学，想必对 @ 符号一定不陌生了，正如你所知...
没看完这11 条，别说你精通 Python 装饰器!
lht0909的博客
09-10 317
01. Hello，装饰器 装饰器的使用方法很固定 先定义一个装饰器（帽子） 再定义你的业务函数或者类（人） 最后把这装饰器（帽子）扣在这个函数（人）头上 就像下面这样子 def decorator(func): def wrapper(*args, **kw): return func() return wrapper @decorator def funct...
2024年最全没看完这11 条，别说你精通 Python 装饰器，2024年最新阿里面试的问题
m0_60452293的博客
05-04 680
我们的业务函数很简单，就是相加return a+b来看一下执行过程add # 可见 add 变成了 Delay 的实例mainadd(3,5) # 直接调用实例，进入call8add.func # 实现实例方法08. 如何写能装饰类的装饰器？用 Python 写单例模式的时候，常用的有三种写法。其中一种，是用装饰器来实现的。以下便是我自己写的装饰器版的单例写法。name@singletondefinit可以看到我们用singleton 这个装饰函数来装饰 User 这个类。
Python 全栈 60 天精通之路
GitChat
02-11 2999
传统的 Python 教程 我见过很多的 Python 讲解教程和书籍，它们大都这样讲 Python： 先从 Python 的发展历史开始，介绍 Python 的基本语法规则，Python 的 list, dict, tuple 等数据结构，然后再介绍字符串处理和正则表达式，介绍文件等 IO 操作，再介绍异常处理， 就这样一章一章的。 很多都是枯燥的讲理论，越看越累，越累越不想看。 那么，有没有比...
【Python入门】5大步骤带你玩转Python Web开发，从零基础到高手只需一文
最新发布
java专栏
10-24 702
Flask是一个轻量级的Web框架，使用Python编写。它没有固定的目录结构和配置文件，非常适合小型项目和快速原型开发。恭喜你，已经完成了Python Web开发的基础学习！通过今天的讲解，你应该已经掌握了如何使用Flask创建简单的Web应用、处理表单数据、连接数据库，以及如何部署应用。这些技能不仅能够帮助你在工作中提高效率，还能让你在朋友面前显得特别酷。所以，赶紧动手试试吧，也许你下一个Web应用就是用Python开发的呢！
【Python从入门到精通】（十四）Python面向对象的开发2，封装，多继承，多态都了解了么
码农飞哥
08-01 4169
封装，多态很重要
Python 工匠：使用装饰器的技巧
01-06
（给Python开发者加星标，提升Python技能） 作者：piglei （本文来自作者投稿） 前言 装饰器（Decorator） 是 Python 里的一种特殊工具，它为我们提供了一种在函数外部修改函数的灵活能力。它有点像一顶画着独一无二 @ 符号的神奇帽子，只要将它戴在函数头顶上，就能悄无声息的改变函数本身的行为。 你可能已经和装饰器打过不少交道了。在做面向对象编程时，我们就经常会用到 @staticmethod和 @classmethod 两个内置装饰器。此外，如果你接触过 click 模块，就更不会对装饰器感到陌生。click 最为人所称道的参数定义接口 @click.option(.
Python工匠 | 全书要点汇总
成长之路
08-15 673
对各章的总结汇总在了一起，全文6000余字。
python工匠：案例、技巧合工程实践学习小结
weixin_43099454的博客
06-07 567
这一点和C语言有点不一样，总是把变量声明放在最前面。python变量本身可读性稍差。变量定义移动到每段“各司其职”的代码头部，大大缩短了变量从初始化到被使用的“距离”。当读者阅读代码时，可以更容易理解代码的逻辑，而不是来回翻阅代码。函数不宜过长，超过200行需要进行功能拆分/切割将复杂的表达式赋值为一个临时变量，代码更易读。把不必要的东西赋值为临时变量，反而会让代码显得啰唆，删掉赘语的句子，变得更精练、更易读。
Python开发必看书籍：《Python工匠》
2401_84205765的博客
04-23 1411
python相关的就业方向很多，学校开设的python课程大多集中在数据分析和数据挖掘领域。然而实际工作中，算法工程师完成模型算法之后，往往还需要负责接口的开发上线。偏工程的数据治理方向偏业务的数据分析方向偏算法的数据挖掘方向偏开发的数据开发方向偏产品的数据产品经理我在入职两年的时候负责了一个大项目的开发工作，设计了5个功能模块，接入了1个查询接口2个数据库7个预测模型，一整套弄下来非常的struggle。Python开发远比我预期的难度要大。
入门Python之后还是搞不定面试、做不来项目，推荐读读这本书
图灵教育
03-02 1500
Python 能干的事情实在太多了，掰着指头数有点不够用。Web 开发、数据分析、网络爬虫、自动化运维、后台开发、机器学习.......如果你知道主攻哪个方向，只需重点去学习。不过，不论哪...
《Python工匠》学习笔记----第二章：数值与字符串
m0_48069960的博客
09-17 448
《Python工匠》学习笔记
python——代码质量改善（1）
dudu3332的博客
10-28 250
在计算机科学领域，有一句著名的格言（俏皮话）： There are only two hard things in Computer Science: cache invalidation and naming things. 在计算机科学领域只有两件难事：缓存过期 和 给东西起名字 -- Phil Karlton 第一个『缓存过期问题』的难度不用多说，任何用过缓存的人都会懂。至于第二个...
python工匠技巧系列（遍历列表的同时获取下标）
ypl123654的博客
04-16 819
当你使用for循环遍历列表的时候，默认会逐个拿到列表的=所有成员，假如你想在遍历的同时，获取当前循环下标，可以选择使用 enumerate（）包裹列表对象。#enumerate 实际上是一个“类”，
2024年Python最全Python 工匠：让函数返回结果的技巧_python调函数的结果，头条社招面试几天出结果
2301_76224223的博客
05-03 674
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装饰器详解：闭包、多重装饰器与应用实例
在Python编程中，装饰器是一种强大的工具，它允许我们在不改变原函数代码结构的情况下，为函数添加额外的功能。理解装饰器的基础是闭包的概念。闭包是指在一个函数内部定义另一个函数，并且内部函数引用了外部函数的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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