每篇前言：

• 🏆🏆作者介绍：【孤寒者】—CSDN全栈领域优质创作者、HDZ核心组成员、华为云享专家Python全栈领域博主、CSDN原力计划作者

• 🔥🔥本文已收录于Python全栈系列专栏：《Python全栈基础教程》
• 🔥🔥热门专栏推荐：《Django框架从入门到实战》、《爬虫从入门到精通系列教程》、《爬虫高级》、《前端系列教程》、《tornado一条龙+一个完整版项目》。
• 📝​📝本专栏面向广大程序猿，为的是大家都做到Python从入门到精通，同时穿插有很多很多习题，巩固学习。
• 🎉🎉订阅专栏后可私聊进一千多人Python全栈交流群（手把手教学，问题解答）； 进群可领取Python全栈教程视频 + 多得数不过来的计算机书籍：基础、Web、爬虫、数据分析、可视化、机器学习、深度学习、人工智能、算法、面试题等。
• 🚀🚀加入我一起学习进步，一个人可以走的很快，一群人才能走的更远！

---

Python函数（六）

1.1 函数式编程

1.1.1 闭包

• 注意到在上篇文章中的【函数作为返回值】那一节中返回的函数在其定义内部引用了局部变量args，所以，当一个函数返回了一个函数后，其内部的局部变量还被新函数引用，所以，闭包用起来简单，实现起来可不容易。
• 另一个需要注意的问题是，返回的函数并没有立刻执行，而是直到调用了f()才执行。我们来看一个例子：

def count():
    fs = []
    for i in range(1, 4):
        def f():
             return i*i
        fs.append(f)
    return fs

f1, f2, f3 = count()
1
2
3
4
5
6
7
8
9

• 在上面的例子中，每次循环，都创建了一个新的函数，然后，把创建的3个函数都返回了。
  你可能认为调用f1()，f2()和f3()结果应该是1，4，9，但实际结果是：

>>> f1()
9
>>> f2()
9
>>> f3()
9
1
2
3
4
5
6

• 全部都是9！原因就在于返回的函数引用了变量i，但它并非立刻执行。等到3个函数都返回时，它们所引用的变量i已经变成了3，因此最终结果为9。
• 返回闭包时牢记的一点就是：返回函数不要引用任何循环变量，或者后续会发生变化的变量。
• 如果一定要引用循环变量怎么办？方法是再创建一个函数，用该函数的参数绑定循环变量当前的值，无论该循环变量后续如何更改，已绑定到函数参数的值不变：

def count():
    fs = []
    for i in range(1, 4):
        def f(j):
            def g():
                return j*j
            return g
        fs.append(f(i))
    return fs
1
2
3
4
5
6
7
8
9

>>> f1, f2, f3 = count()
>>> f1()
1
>>> f2()
4
>>> f3()
9
1
2
3
4
5
6
7

• 缺点是代码较长，可利用lambda表达式缩短代码:

# -*- coding: utf-8 -*-
"""
__author__ = 小小明-代码实体
"""
def count():
    fs = []
    for i in range(1, 4):
        f = lambda j: (lambda: j * j)
        fs.append(f(i))
    return fs

f1, f2, f3 = count()
print(f1(), f2(), f3())
1
2
3
4
5
6
7
8
9
10
11
12
13

1.1.2 装饰器

下面讲解所使用的完整示例：

import functools

def log(text):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kw):
            print('%s %s():' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator
1
2
3
4
5
6
7
8
9
10

• 函数对象有一个__name__属性，可以拿到函数的名字：

>>> def now():
...     print('2015-3-25')
...
>>> now.__name__
'now'
1
2
3
4
5

• 现在，假设我们要增强now()函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改now()函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。
• 本质上，decorator就是一个返回函数的高阶函数。所以，我们要定义一个能打印日志的decorator，可以定义如下：

def log(func):
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper
1
2
3
4
5

• wrapper()函数的参数定义是(*args, **kw)，因此，wrapper()函数可以接受任意参数的调用。
• 观察上面的log，因为它是一个decorator，所以接受一个函数作为参数，并返回一个函数。我们要借助Python的@语法，把decorator置于函数的定义处：

@log
def now():
	print('2015-3-25')
1
2
3

• 把@log放到now()函数的定义处，相当于执行了语句：

now = log(now)
1

• 调用now()函数，不仅会运行now()函数本身，还会在运行now()函数前打印一行日志：

>>> now()
call now():
2015-3-25
1
2
3

• 如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本：

def log(text):
    def decorator(func):
        def wrapper(*args, **kw):
            print('%s %s():' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator
1
2
3
4
5
6
7

• 这个3层嵌套的decorator用法如下：

@log('execute')
def now():
    print('2015-3-25')
1
2
3

• 和两层嵌套的decorator相比，3层嵌套的效果是这样的：

>>> now = log('execute')(now)
1

执行结果如下：

>>> now()
execute now():
2015-3-25
1
2
3

• 以上两种decorator的定义都没有问题，但经过decorator装饰之后的函数，它们的__name__已经从原来的’now’变成了’wrapper’：

>>> now.__name__
'wrapper'
1
2

• Python内置的functools.wraps能达到wrapper.name = func.__name__的效果，所以，一个完整的decorator的写法如下：

解释一下就是：Python装饰器（decorator）在实现的时候，被装饰后的函数其实已经是另外一个函数了（函数名等函数属性会发生改变，比如上面你会发现函数名变成了wrapper），为了不影响，Python的functools包中提供了一个叫wraps的decorator来消除这样的副作用。写一个decorator的时候，最好在实现之前加上functools的wrap，它能保留原有函数的名称和函数属性

import functools

def log(func):
    @functools.wraps(func)
    def wrapper(*args, **kw):
        print('call %s():' % func.__name__)
        return func(*args, **kw)
    return wrapper
1
2
3
4
5
6
7
8

• 或者针对带参数的decorator：

import functools
def log(text):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kw):
            print('%s %s():' % (text, func.__name__))
            return func(*args, **kw)
        return wrapper
    return decorator
1
2
3
4
5
6
7
8
9

• 练习
  设计一个decorator，它可作用于任何函数上，并打印该函数的执行时间，可以计算任何函数执行时间：

# -*- coding: utf-8 -*-
"""
__author__ = 小小明-代码实体
"""
import functools, time

def metric(fn):
    @functools.wraps(fn)
    def wrapper(*args, **kw):
        start_time = time.time() * 1000
        result = fn(*args, **kw)
        run_time = time.time() * 1000 - start_time
        print('%s executed in %s ms' % (fn.__name__, run_time))
        return result
    return wrapper

@metric
def fast(x, y):
    time.sleep(0.003)
    return x + y

@metric
def slow(x, y, z):
    time.sleep(0.1257)
    return x * y * z

f = fast(11, 22)
s = slow(11, 22, 33)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

1.1.3 偏函数

• 假设要转换大量的二进制字符串，每次都传入int(x, base=2)非常麻烦，于是，我们想到，可以定义一个int2()的函数，默认把base=2传进去：

def int2(x, base=2):
    return int(x, base)
1
2

• functools.partial可以创建一个偏函数，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
1
2
3
4
5
6

• 创建偏函数时，实际上可以接收函数对象、*args和**kw这3个参数，当传入：

int2 = functools.partial(int, base=2)
1

• 实际上固定了int()函数的关键字参数base，也就是：

int2('10010')
1

• 相当于：

kw = { 'base': 2 }
int('10010', **kw)
1
2

• 当传入：

max2 = functools.partial(max, 10)
1

• 实际上会把10作为*args的一部分自动加到左边，也就是：

max2(5, 6, 7)
1

• 相当于：

args = (10, 5, 6, 7)
max(*args)
1
2

• 结果为10。