python函数后面的点_python进阶篇函数式方程之疑难点

装饰器：Python的 decorator 本质上就是一个高阶函数，它接收一个函数作为参数，然后，返回一个新函数。

使用 decorator 用Python提供的 @ 语法，这样可以避免手动编写 f = decorate(f) 这样的代码。

编写无参数decorator：

def log(f):

def fn(x):

print 'call ' + f.__name__ + '()...'

return f(x)

return fn

如果先前你已经编写定义了上面的函数，后面需要用到，为避免不必要的重复，可以直接使用装饰器的@语法就可简化。

@log

两者之间是等价的。

但是如果@log需要传入两个或者多个参数，那么可以利用Python的 *args 和 **kw，保证任意个数的参数总是能正常调用：例如：

def log(f):

def fn(*args, **kw):

print 'call ' + f.__name__ + '()...'

return f(*args, **kw)

return fn

编写带参数decorator：例如：

带参数的log函数首先返回一个decorator函数，再让这个decorator函数接收my_func并返回新函数：

def log(prefix):

def log_decorator(f):

def wrapper(*args, **kw):

print '[%s] %s()...' % (prefix, f.__name__)

return f(*args, **kw)

return wrapper

return log_decorator

@log('DEBUG')

def test():

pass

print test()

执行结果：

[DEBUG] test()...

None(注意：因为函数没有return，因此是空即None)

完善decorator：@decorator可以动态实现函数功能的增加，但是，经过@decorator“改造”后的函数，和原函数相比，除了功能多一点外，由decorator返回的新函数函数名已经不是原函数名，而是@log内部定义的返回的函数的名字。

然而，如果想返回的是原函数的名字，那么可以使用Python内置的functools来实现。

import functools

def log(f):

@functools.wraps(f)

def wrapper(*args, **kw):

print 'call...'

return f(*args, **kw)

return wrapper

偏函数：(多多理解)

functools.partial就是帮助我们创建一个偏函数的，不需要我们自己定义int2()，可以直接使用下面的代码创建一个新的函数int2：

>>> import functools

>>> int2 = functools.partial(int, base=2)

>>> int2('1000000')

64

>>> int2('1010101')

85

所以，functools.partial可以把一个参数多的函数变成一个参数少的新函数，少的参数需要在创建时指定默认值，这样，新函数调用的难度就降低了。