我对装饰器的一些通俗理解，或许能帮助到你~

1 写在前面

python中使用@放在函数上方便定义一个装饰器，很多朋友觉得使用装饰器太魔幻，始终不知道怎么灵活使用。

要想做到灵活使用，得首先明白它的本质。今天，我试着用最通俗的语言，几行代码和小例子来解释装饰器的本质。

2 小例子

这是一个装饰器：

def call_print(f):
  def g():
    print('you\'re calling %s function'%(f.__name__,))
  return g

使用call_print装饰器：

@call_print
def myfun():
  pass
 
@call_print
def myfun2():
  pass

myfun()后返回：

In [27]: myfun()
you're calling myfun function

In [28]: myfun2()
you're calling myfun2 function

3 使用call_print

你看，@call_print放置在任何一个新定义的函数上面，都会默认输出一行，你正在调用这个函数的名。

这是为什么呢？注意观察新定义的call_print函数(加上@后便是装饰器):

def call_print(f):
  def g():
    print('you\'re calling %s function'%(f.__name__,))
  return g

它必须接受一个函数f，然后返回另外一个函数g.

4 装饰器本质

本质上，它与下面的调用方式效果是等效的：

def myfun():
  pass

def myfun2():
  pass
  
def call_print(f):
  def g():
    print('you\'re calling %s function'%(f.__name__,))
  return g

下面是最重要的代码：

myfun = call_print(myfun)
myfun2 = call_print(myfun2)

大家看明白吗？也就是call_print(myfun)后不是返回一个函数吗，然后再赋值给myfun.

再次调用myfun, myfun2时，效果是这样的：

In [32]: myfun()
you're calling myfun function

In [33]: myfun2()
you're calling myfun2 function

你看，这与装饰器的实现效果是一模一样的。装饰器的写法可能更加直观些，所以不用显示的这样赋值：myfun = call_print(myfun)，myfun2 = call_print(myfun2)，但是装饰器的这种封装，猛一看，有些不好理解。

怎么样，相信你会有一些收获，恭喜你！这是我的原创，如果可以，帮我分享一下吧。

---

近期小例子：pyecharts绘制词云图；使用pillow处理图片，很简单！；slice对象的应用举例；一行代码优化异常输出；函数的五类参数使用例子；绘制时间线轮播图；python参数类型使用总结；绘制水球图；lambda参数之坑；Python绘制仪表盘；参数的默认值陷阱！;chain串联多个迭代对象；机器学习中会涉及到的随机选择样本；使用namedtuple的小例子; pkuseg 做分词，超级nice~; 写一个装饰器：统计异常发生次数和时间;对象可被调用的实现方法;求任意维度两点间距离; 两种合并字典的方法对比; 计算和聚合同时进行; groupby 分组; plotly画柱状图+折线图;

有收获，点个在看；想要了解更多小例子，点击阅读原文