小編寫這篇文章的主要目的，就是給大家介紹關(guān)于python裝飾器的用途方面的知識，這樣對我們以后的工作也是有一定的幫助，具體用途是什么呢？下面就給各位讀者詳細的解答下。

　　裝飾器自身的價值顯而易見，可以加強函數(shù)值基本功能、簡單化編碼、降低代碼冗余。

　　它的使用場景同樣很多，比較簡單的場景包含打印日志、統(tǒng)計運行時間，這類例子和用法網(wǎng)上已經(jīng)很多了：

　　def time_dec(func):
　　def wrapper(*arg):
　　t=time.clock()
　　res=func(*arg)
　　print func.func_name,time.clock()-t
　　return res
　　return wrapper
　　time_dec
　　def myFunction(n):
　　...

　　再進階一些的，可以用來校驗函數(shù)傳入?yún)?shù)類型、線程同步、單元測試等：

　　parameters(
　　(2,4,6),
　　(5,6,11),
　　)
　　def test_add(a,b,expected):
　　assert a+b==expected

　　目前可以用的裝飾器可以分為如下幾類：

　　自定義

　　第三方工具包

　　內(nèi)置

　　下面就分別來介紹一下。

　　自定義

　　關(guān)于自定義的裝飾器在前面已經(jīng)提到了，我在開發(fā)過程中經(jīng)常用到的就是日志打印、計時、數(shù)據(jù)校驗等場景，通過裝飾器可以提高代碼的簡潔性，避免重復造輪子。

　　除了這些基本的，也有一些比較實用的地方。

　　作為開發(fā)同學，肯定會遇到不同的運行環(huán)境：

　　開發(fā)環(huán)境

　　測試環(huán)境

　　生產(chǎn)環(huán)境

　　有時候，我們期望一個函數(shù)在不同環(huán)境下執(zhí)行不同的過程，產(chǎn)出不同的結(jié)果，做一些環(huán)境的隔離和差異化處理。

　　通過裝飾器就可以很好的解決：

　　production_servers=[...]
　　def production(func:Callable):
　　def inner(*args,**kwargs):
　　if gethostname()in production_servers:
　　return func(*args,**kwargs)
　　else:
　　print('This host is not a production server,skipping function decorated with production...')
　　return inner
　　
　　def development(func:Callable):
　　def inner(*args,**kwargs):
　　if gethostname()not in production_servers:
　　return func(*args,**kwargs)
　　else:
　　print('This host is a production server,skipping function decorated with development...')
　　return inner
　　
　　def sit(func:Callable):
　　def inner(*args,**kwargs):
　　print('Skipping function decorated with sit...')
　　return inner
　　
　　production
　　def foo():
　　print('Running in production,touching databases!')
　　
　　foo()
　　
　　development
　　def foo()

　  print('Running in production,touching databases!')
　　foo()

　　inactive
　　def foo():
　　print('Running in production,touching databases!')
　　foo()

　　簡單介紹一下一下子這一段源代碼。

　　在這兒，一開始列舉了環(huán)境個性化服務榜單，隨后各自界定了制造、研發(fā)、測試流程的裝飾器，并給同名的的變量就能夠加上對應裝飾器。

　　在執(zhí)行代碼的過程中，這一段源代碼會首先獲取hostname，自動判斷所在環(huán)境，隨后執(zhí)行對應變量。

　　第三方工具包

　　上面是根據(jù)我們在開發(fā)過程中遇到的個性化場景進行來自界定一個裝飾器。

　　作為一款以工具包著稱的編程語言，Python中也有很多工具包提供了一些實用的裝飾器。

　　以日志為例，這是每個程序員都無法繞開的。

　　調(diào)試程序?qū)τ诖蠖鄶?shù)開發(fā)者來說是一項必不可少的工作，當我們想要知道源代碼是否按照預期的效果在執(zhí)行時，我們會想到去輸出一下子局部變量與預期的進行比對。目前大多數(shù)采用的方法主要有以下幾種：

　　Print函數(shù)

　　Log日志

　　IDE調(diào)試器

　　但是這些方法有著無法忽視的弱點：

　　繁瑣

　　過度依賴工具

　　其中有一款不錯的開源工具PySnooper就通過裝飾器把這個問題巧妙的解決了。

　　PySnooper的調(diào)用方式就是通過pysnooper.snoop的方式進行使用，該裝飾器可以傳入一些參數(shù)來實現(xiàn)一些目的，具體如下：

　　參數(shù)描述：

　　None輸出日志到控制臺

　　filePath輸出到日志文件，例如'log/file.log'

　　prefix給調(diào)試的行加前綴，便于識別

　　watch查看一些非局部變量表達式的值

　　watch_explode展開值用以查看列表/字典的所有屬性或項

　　depth顯示函數(shù)調(diào)用的函數(shù)的snoop行

　　舉個例子：

　　import numpy as np
　　import pysnooper
　　pysnooper.snoop()
　　def one(number):
　　mat=[]
　　while number:
　　mat.append(np.random.normal(0,1))
　　number-=1
　　return mat
　　one(3)

　　然后，就會給出如下輸出：

　　Starting var:..number=3

　　22:17:10.634566 call 6 def one(number):

　　22:17:10.634566 line 7 mat=[]

　　New var:.......mat=[]

　　22:17:10.634566 line 8 while number:

　　22:17:10.634566 line 9 mat.append(np.random.normal(0,1))

　　Modified var:..mat=[-0.4142847169210746]

　　22:17:10.634566 line 10 number-=1

　　Modified var:..number=2

　　22:17:10.634566 line 8 while number:

　　22:17:10.634566 line 9 mat.append(np.random.normal(0,1))

　　Modified var:..mat=[-0.4142847169210746,-0.479901983375219]

　　22:17:10.634566 line 10 number-=1

　　Modified var:..number=1

　　22:17:10.634566 line 8 while number:

　　22:17:10.634566 line 9 mat.append(np.random.normal(0,1))

　　Modified var:..mat=[-0.4142847169210746,-0.479901983375219,1.0491540468063252]

　　22:17:10.634566 line 10 number-=1

　　Modified var:..number=0

　　22:17:10.634566 line 8 while number:

　　22:17:10.634566 line 11 return mat

　　22:17:10.634566 return 11 return mat

　　Return value:..[-0.4142847169210746,-0.479901983375219,1.0491540468063252]

　　局部變量值、代碼片段、局部變量所在行號、返回結(jié)果等，這些關(guān)鍵信息都輸出了，既方便，又清晰。

　　內(nèi)置

　　除了自定義和第三方工具包之外，Python還內(nèi)置了很多不錯的裝飾器，例如abc.abstractmethod、asyncio.coroutine、classmethod等等。

　　這里著重提一個非常強大的裝飾器，能夠極大的提升Python的運行速度和效率，通過一個裝飾器能夠?qū)ython代碼的執(zhí)行速度提升上萬倍，這個裝飾器就是functools.lru_cache。

　　以比較知名的斐波那契數(shù)列的例子來演示一下。

　　由于它遞歸計算的過程中，還會用到之前計算的結(jié)果，因此會涉及較多的重復計算，下面先看一下正常計算的耗時情況。

　　import time as tt
　　def fib(n):
　　if n<=1:
　　return n
　　return fib(n-1)+fib(n-2)
　　t1=tt.time()
　　fib(30)
　　print("Time taken:{}".format(tt.time()-t1))
　　#0.2073

　　n等于30時，耗時0.2073。

　　加上functools.lru_cache裝飾器再看一下：

　　import time as tt
　　import functools
　　functools.lru_cache(maxsize=5)
　　def fib(n):
　　if n<=1:
　　return n
　　return fib(n-1)+fib(n-2)
　　t1=tt.time()
　　fib(30)
　　print("Time taken:{}".format(tt.time()-t1))
　　#1.811981e-05

　　耗時為1.811981e-05,足足差了4個量級，快了10000+倍！

　　到此為止，關(guān)于Python裝飾器作用相關(guān)知識就為大家介紹到這里了，希望可以為各位讀者帶來幫助