目录
一、绪论
1.、作用域
之前的文章《Python菜鸟起飞day5-函数》中涉及到了变量的作用域部分,该部分摘抄自别的地方。
另外还要在参考一篇博客《Python UnboundLocalError和NameError错误根源解析》,为理解闭包做准备。
2、高阶函数
什么是高阶函数?
答:一个函数可以作为参数传给另外一个函数,或者一个函数的返回值为另外一个函数(若返回值为该函数本身,则为递归),满足其一则为高阶函数。示例如下:
#参数为函数
def bar():
print("in the bar..")
def foo(func):
func()
print("in the foo..")
foo(bar)
#返回值为函数
def bar():
print("in the bar..")
def foo(func):
print("in the foo..")
return bar
res=foo(bar)
res()
二、闭包
闭包的定义:在一些语言中,在函数中可以(嵌套)定义另一个函数时,如果内部的函数引用了外部的函数的变量,则可能产生闭包。闭包可以用来在一个函数与一组“私有”变量之间创建关联关系。在给定函数被多次调用的过程中,这些私有变量能够保持其持久性
根据这句话,其实我们自己就可以总结出在python语言中形成闭包的三个条件,缺一不可:
1)必须有一个内嵌函数(函数里定义的函数——这对应函数之间的嵌套
2)内嵌函数必须引用一个定义在闭合范围内(外部函数里)的变量——内部函数引用外部变量
3)外部函数必须返回内嵌函数——必须返回那个内部函数
2.1、嵌套函数
定义在别的函数(外围函数)内部的函数即为嵌套函数(nested function),示例如下:
def mesg():#外围函数
msg='this is mesg()'
def printer():#嵌套函数
nonlocal msg
print(msg)
msg = 'this is printer()'
print(msg)
printer()
if __name__ == '__main__':
mesg()
2.2、闭包Closure
是引用了自由变量的函数。这个被引用的自由变量将和这个函数一同存在,即使已经离开了创造它的环境(外层函数)也不例外。所以,有另一种说法认为闭包是由函数和与其相关的引用环境组合而成的实体。另外也只有闭包才有__closure__属性。
def fun():
x=10#自由变量
def inner():#闭包
print(x)
print(inner.__closure__)
return inner
fun()()
inner = fun()
inner()
输出结果:
(<cell at 0x00000004EB567F70: int object at 0x00007FFD6D97C7C0>,)
10
(<cell at 0x00000004EB567F70: int object at 0x00007FFD6D97C7C0>,)
10
2.3、闭包性质一步步
示例一
def outer_func():
loc_list = []
def inner_func(name):
loc_list.append(len(loc_list) + 1)
print '%s loc_list = %s' %(name, loc_list)
return inner_func
clo_func_0 = outer_func()
clo_func_0('clo_func_0')#clo_func_0 loc_list = [1]
clo_func_0('clo_func_0')#clo_func_0 loc_list = [1, 2]
clo_func_0('clo_func_0')#clo_func_0 loc_list = [1, 2, 3]
clo_func_1 = outer_func()
clo_func_1('clo_func_1')#clo_func_1 loc_list = [1]
clo_func_0('clo_func_0')#clo_func_0 loc_list = [1, 2, 3, 4]
clo_func_1('clo_func_1')#clo_func_1 loc_list = [1, 2]
由上面这个实例可见,
- 闭包中的引用的自由变量只和具体的闭包有关联,闭包的每个实例引用的自由变量互不干扰。
- 一个闭包实例对其自由变量的修改会被传递到下一次该闭包实例的调用。
- 看到没有,clo_func_0 = outer_func()的时候,嵌套函数函数体并没有执行,但是函数定义已经执行了。依据此可以朦胧理解下面示例二。
示例二
def my_func():
fs = []
j = 0
for i in range(3):
print(j)
def func():
print('\n',j)
print('-'*15)
return j * j
fs.append(func)
print('*'*15)
j = 2
return fs
fs1, fs2, fs3 = my_func()
print('+'*15)
print(fs1())
print(fs2())
print(fs3())
输出结果:
0
0
0
***************
+++++++++++++++
2
---------------
4
2
---------------
4
2
---------------
4
def my_func():
fs = []
for i in range(3):
print(i)
def func():
print('-'*15)
return i * i
fs.append(func)
print('*'*15)
return fs
fs1, fs2, fs3 = my_func()
print('+'*15)
print(fs1())
print(fs2())
print(fs3())
输出结果:
0
1
2
***************
+++++++++++++++
2
---------------
4
2
---------------
4
2
---------------
4
上面这段代码可谓是典型的错误使用闭包的例子。程序的结果并不是我们想象的结果0,1,4。实际结果全部是4。
这个例子中,my_func返回的并不是一个闭包函数,而是一个包含三个闭包函数的一个list。这个例子中比较特殊的地方就是返回的所有闭包函数均引用父函数中定义的同一个自由变量。在返回闭包列表fs之前for循环的变量的值已经发生改变了,而且这个改变会影响到所有引用它的内部定义的函数。因为在函数my_func返回前其内部定义的函数并不是闭包函数,只是一个内部定义的函数。当然这个内部函数引用的父函数中定义的变量也不是自由变量,而只是当前block中的一个local variable。
要想输出理想中的0,1,4,需要这样写:
def my_func(*args):
fs = []
for i in range(3):
print(i)
def func(_i = i):
print('_i=%d,i=%d'%(_i,i))
return _i * _i
fs.append(func)
return fs
fs1, fs2, fs3 = my_func()
print('+'*15)
print(fs1())
print(fs2())
print(fs3())
输出结果:
0
1
2
+++++++++++++++
_i=0,i=2
0
_i=1,i=2
1
_i=2,i=2
4
正确的做法便是将父函数的local variable赋值给函数的形参。函数定义时,对形参的不同赋值会保留在当前函数定义中,不会对其他函数有影响。
另外注意一点,如果返回的函数中没有引用父函数中定义的local variable,那么返回的函数不是闭包函数。
2.4、进一步来
我们发现,在闭包中的自由变量明明是一个局部变量,然而在父函数调用完毕之后,依然可以调用闭包,而且原本在父函数中定义的局部变量也没有消失。而且随着闭包的调用,还会发生改变。
def outer_func():
loc_list = []
def inner_func(name):
loc_list.append(len(loc_list) + 1)
print( '%s loc_list = %s' %(name, loc_list))
return inner_func
clo_func_0 = outer_func()
print(clo_func_0.__closure__[0].cell_contents)
clo_func_0('clo_func_0')
print(clo_func_0.__closure__[0].cell_contents)
clo_func_0('clo_func_0')
print(clo_func_0.__closure__[0].cell_contents)
clo_func_0.__closure__[0].cell_contents.append('zzh')
clo_func_0('clo_func_0')
print(clo_func_0.__closure__[0].cell_contents)
clo_func_0('clo_func_0')
print(clo_func_0.__closure__[0].cell_contents)
print(clo_func_0.__closure__)
print(type(clo_func_0.__closure__))
print(clo_func_0.__closure__[0])
print(type(clo_func_0.__closure__[0]))
print(clo_func_0.__closure__[0].cell_contents)
print(type(clo_func_0.__closure__[0].cell_contents))
输出结果:
[]
clo_func_0 loc_list = [1]
[1]
clo_func_0 loc_list = [1, 2]
[1, 2]
clo_func_0 loc_list = [1, 2, 'zzh', 4]
[1, 2, 'zzh', 4]
clo_func_0 loc_list = [1, 2, 'zzh', 4, 5]
[1, 2, 'zzh', 4, 5]
(<cell at 0x000000F116087F70: list object at 0x000000F117DE21C0>,)
<class 'tuple'>
<cell at 0x000000F116087F70: list object at 0x000000F117DE21C0>
<class 'cell'>
[1, 2, 'zzh', 4, 5]
<class 'list'>
将闭包赋给变量之后,该变量里就有了一个__closure__,这是一个元组类的实例,该元组中保存了cell类的实例,该cell实例中保存了一个列表,该列表中保存了自由变量的改变历程!!!
以上内容来自
https://www.cnblogs.com/Khannia/p/6220384.html和https://www.cnblogs.com/yssjun/p/9887239.html和我自己的理解与总结
三、装饰器
在python的世界里,函数和我们之前的[1,2,3],'abc'等一样都是对象,而且函数是最高级的对象---对象是类的实例化,可以调用相应的方法,函数是包含变量对象的对象。
3.1、函数作为参数
import time
def bar():
time.sleep(1)
def show_time(func):
start = time.time()
func()
end = time.time()
return end - start
print(show_time(bar))
将bar()传入到show_time()中。
3.2、装饰器
装饰器的本质是一个函数。只是装饰器函数用来处理其他的函数,他可以让其他函数在不需要修改代码的情况下增加额外的功能。经常被用在有切面需求的,比如:插入日志、性能测试、事务处理、缓存、权限校验等应用场景。
装饰器的返回值也是一个函数对象。
概括地讲,装饰器的作用就是为已经存在的对象添加额外的功能。
可以看一下这个来理解。https://www.zhihu.com/question/57741911?sort=created
3.3、简单的装饰器
import time
def show_time(func):
def wrapper():
start_time=time.time()
func()
end_time=time.time()
print('spend %s'%(end_time-start_time))
return wrapper
def foo():
print('hello foo')
time.sleep(3)
foo=show_time(foo)
foo()
在上面这个示例中,函数show_time就是装饰器,它把真正的业务方法func包裹在函数里面,看起来像foo被上下时间函数装饰了。在这个例子中,函数进入和退出时 ,被称为一个横切面(Aspect),这种编程方式被称为面向切面的编程(Aspect-Oriented Programming)。
3.4、稍微高级点的装饰器
@是装饰器的语法糖。在定义函数的时候使用,避免再一次赋值操作。所以3.3中的示例可以改为下面示例
import time
def show_time(func):
def wrapper():
start_time=time.time()
func()
end_time=time.time()
print('spend %s'%(end_time-start_time))
return wrapper
@show_time #foo=show_time(foo)
def foo():
print('hello foo')
time.sleep(3)
foo()
print(foo)
如上所示,这样我们就可以省去bar = show_time(bar)这一句了,直接调用bar()即可得到想要的结果。如果我们有其他的类似函数,我们可以继续调用装饰器来修饰函数,而不用重复修改函数或者增加新的封装。这样,我们就提高了程序的可重复利用性,并增加了程序的可读性。输出结果:
hello foo
spend 3.0001816749572754
<function show_time.<locals>.wrapper at 0x000000242344A940>
这里需要注意的问题: foo=show_time(foo)其实是把wrapper引用的对象引用给了foo,而wrapper里的变量func之所以可以用,就是因为wrapper是一个闭包函数。
另外:
def foo():
pass
print(foo)
'''
输出结果:
<function foo at 0x00000089601A51F0>
'''
3.5、有参数的被装饰函数
3.5.1、无返回值
import time
def show_time(func):
def wrapper(a,b):
start_time=time.time()
func(a,b)
end_time=time.time()
print('spend %s'%(end_time-start_time))
return wrapper
@show_time #add=show_time(add)
def add(a,b):
time.sleep(1)
print(a+b)
add(2,4)
'''
输出结果:
6
spend 1.0007624626159668
'''
3.5.2、有返回值
import time
def show_time(func):
def wrapper(a,b):
start_time=time.time()
ret=func(a,b)
end_time=time.time()
print('spend %s'%(end_time-start_time))
return ret#将func()的返回值返回
return wrapper
@show_time #add=show_time(add)
def add(a,b):
time.sleep(1)
return a+b
print(add(2,5))#输出的结果依然是add()的返回值
'''
输出结果:
spend 1.0007636547088623
7
'''
3.5.3、不定长参数
import time
def show_time(func):
def wrapper(*args,**kwargs):
start_time=time.time()
func(*args,**kwargs)
end_time=time.time()
print('spend %s'%(end_time-start_time))
return wrapper
@show_time #add=show_time(add)
def add(*args,**kwargs):
time.sleep(1)
sum=0
for i in args:
sum+=i
print(sum)
add(2,4,8,9)
'''
输出结果:
23
spend 1.000713586807251
'''
3.6、有参数的装饰器
import time
def logger(flag = True):
def show_time(func):
def inner(*b):
start = time.time()
s = func(*b)
end = time.time()
if flag:
print('需要输出日志!')
print(end-start)
return s
return inner
return show_time
@logger(True)
def madd(*args):
s = 0
for v in args:
s += v
time.sleep(1)
return s
madd(1,2,3,6,5,7)
'''
输出结果:
需要输出日志!
1.0007641315460205
'''
@time_logger(True) 做了两件事:
(1)time_logger(True):得到闭包函数show_time,里面保存环境变量flag
(2)@show_time:add=show_time(add)
上面的time_logger是允许带参数的装饰器。它实际上是对原有装饰器的一个函数封装,并返回一个装饰器(一个含有参数的闭包函数)。当我 们使用@time_logger(True)调用的时候,Python能够发现这一层的封装,并把参数传递到装饰器的环境中。
3.7、多层装饰器
def makebold(fn):
def mbwrapper():
return "-" + fn() + "-"
return wrapper
def makeitalic(fn):
def miwrapper():
return "+" + fn() + "+"
return wrapper
@makebold
@makeitalic
def hello():
return "hello python"
print(hello())
'''
输出结果:
-+hello python+-
'''
其实就是多绕了一圈。首先执行的是@makeitalic,就变成了
miwrapper():
return return "+" + hello() + "+"
再执行@makebold,变成了
mbwrapper():
return "-" +
miwrapper():
return return "+" + hello() + "+"
+ "-"
大概就是这个意思
3.8、类装饰器
3.8.1、__call__()函数
class temp:
def __init__(self):
pass
def __call__(self):
print('this is a method named call in class temp')
t = temp()
t()
temp()()
'''
输出结果:
this is a method named call in class temp
this is a method named call in class temp
也就是说,当实例化的对象后面加()再运行的时候,会调用类中的__call__()
'''
3.8.2、类装饰器
类装饰器,相比函数装饰器,类装饰器具有灵活度大、高内聚、封装性等优点。使用类装饰器还可以依靠类内部的__call__方法,当使用 @ 形式将装饰器附加到函数上时,就会调用__call__()。
import time
class Foo(object):
def __init__(self, func):
self._func = func
def __call__(self):
start_time=time.time()
self._func()
end_time=time.time()
print('spend %s'%(end_time-start_time))
@Foo #bar=Foo(bar)
def bar():
print ('bar')
time.sleep(2)
bar() #在这里bar就是Foo的一个实例化的对象了,而bar()就会调用类中的__call__()函数
'''
输出结果:
bar
spend 2.0004725456237793
'''
3.8.3、给类添加装饰器
可用在单例模式中,见Python菜鸟起飞day9_类
def deco(cls):
print('类的装饰器=========》')
print('='*20)
return cls
@deco #====> Foo = deco(Foo)
class Foo:
pass
四、functools.wraps
4.1、一些缺点
使用装饰器极大地复用了代码,但是他有一个缺点就是原函数的元信息不见了,比如函数的docstring、__name__、参数列表。示例:
def foo():
print("hello foo")
print(foo.__name__)
def logged(func):
def wrapper(*args, **kwargs):
print (func.__name__ + " was called")
return func(*args, **kwargs)
return wrapper
@logged
def cal(x):
return x + x * x
print(cal.__name__)
'''
输出结果:
foo
wrapper
'''
@logged
def f(x):
return x + x * x
等价于:
def f(x):
return x + x * x
f = logged(f)
相当于 f = wrapper
现在的f中所有的元信息和wrapper中的相同了。
4.2、解决缺点
functools.wraps,wraps本身也是一个装饰器,它能把原函数的元信息拷贝到装饰器函数中,这使得装饰器函数也有和原函数一样的元信息了。
from functools import wraps
def logged(func):
@wraps(func)
def wrapper(*args, **kwargs):
print (func.__name__ + " was called")
return func(*args, **kwargs)
return wrapper
@logged
def cal(x):
return x + x * x
print(cal.__name__)
'''
输出结果:
cal
'''
五、在递归中使用装饰器
def show_time(func):
def wrapper(n):
ret=func(n)
print("hello,world")
return ret
return wrapper
@show_time# foo=show_time(foo)
def foo(n):
print(foo.__name__)
if n==1:
return 1
return n*foo(n-1)
print(foo(6))
'''
输出结果:
wrapper
wrapper
wrapper
wrapper
wrapper
wrapper
hello,world
hello,world
hello,world
hello,world
hello,world
hello,world
720
所以说,在执行完foo=show_time(foo)即foo = wrapper之后,wapper就变成了:
'''
def wrapper(n):
ret=(
print(foo.__name__)
if n==1:
return 1
return n*wrapper(n-1)
)
print("hello,world")
return ret
return wrapper
'''大概就是这个意思吧'''
def show_time(func):
def wrapper(n):
ret=func(n)
print("hello,world")
return ret
return wrapper
@show_time# foo=show_time(foo)
def foo(n):
def _foo(n):
if n==1:
return 1
return n*_foo(n-1)
return _foo(n)
print(foo(6))
'''
输出结果:
hello,world
720
'''
六、参考文章
以上内容参考了博客文章等:
https://www.cnblogs.com/yssjun/p/9887239.html
https://www.cnblogs.com/Khannia/p/6220384.html
https://www.jianshu.com/p/17a9d8584530
https://www.cnblogs.com/yuanchenqi/articles/5830025.html
通过参考上述文章,加上自己的理解,生成了这篇文章。