Get started learning Python with DataCamp's free Intro to Python tutorial. Learn Data Science by completing interactive coding challenges and watching videos by expert instructors. Start Now!
This site is generously supported by DataCamp. DataCamp offers online interactive Python Tutorials for Data Science. Join 11 million other learners and get started learning Python for data science today!
Good news! You can save 25% off your Datacamp annual subscription with the code LEARNPYTHON23ALE25 - Click here to redeem your discount
Dekoratorer
Dekoratører lar deg gjøre enkle modifikasjoner til kallbare objekter som funksjoner, metoder eller klasser. I denne veiledningen skal vi behandle funksjoner. Syntaksen
@decorator def functions(arg): return "value"
Er ekvivalent med:
def function(arg): return "value" function = decorator(function) # dette sender funksjonen til dekoratøren, og reassignerer den til funksjoner
Som du kanskje har sett, er en dekoratør bare en annen funksjon som tar en funksjon og returnerer en. For eksempel kan du gjøre dette:
def repeater(old_function): def new_function(args, kwds): # Se learnpython.org/en/Multiple%20Function%20Arguments for hvordan *args og kwds fungerer old_function(args, kwds) # vi kjører den gamle funksjonen old_function(*args, kwds) # vi gjør det to ganger return new_function # vi må returnere new_function, ellers ville det ikke reassignere det til verdien
Dette ville få en funksjon til å gjenta seg to ganger.
@repeater def multiply(num1, num2): print(num1 * num2)
multiply(2, 3) 6 6
Du kan også få den til å endre utdataene
def double_out(old_function): def new_function(*args, kwds): return 2 * old_function(*args, kwds) # modifiser returverdien return new_function
endre input
def double_Ii(old_function): def new_function(arg): # fungerer bare hvis den gamle funksjonen har ett argument return old_function(arg * 2) # modifiser argumentet som sendes return new_function
og utføre sjekking.
def check(old_function): def new_function(arg): if arg < 0: raise (ValueError, "Negative Argument") # Dette forårsaker en feil, som er bedre enn at det gjør feil ting old_function(arg) return new_function
La oss si at du vil multiplisere utdataene med en variabel mengde. Du kan definere dekoratøren og bruke den som følger:
def multiply(multiplier): def multiply_generator(old_function): def new_function(*args, kwds): return multiplier * old_function(*args, kwds) return new_function return multiply_generator # den returnerer den nye generatoren
Bruk
@multiply(3) # multiply er ikke en generator, men multiply(3) er def return_num(num): return num
Nå er return_num dekorert og reassigned til seg selv
return_num(5) # bør returnere 15
Du kan gjøre hva du vil med den gamle funksjonen, til og med fullstendig ignorere den! Avanserte dekoratører kan også manipulere dokumentstrengen og antall argumenter. For noen fancy dekoratører, gå til http://wiki.python.org/moin/PythonDecoratorLibrary.
Exercise
Lag en dekoratørfabrikk som returnerer en dekoratør som dekorerer funksjoner med ett argument. Fabrikken skal ta ett argument, en type, og deretter returnere en dekoratør som gjør at funksjonen skal sjekke om inndataene er av riktig type. Hvis det er feil, skal det skrive ut ("Bad Type") (I realiteten bør det kaste en feil, men feilkasting er ikke med i denne veiledningen). Se på veiledningskoden og forventet utdata for å se hva det er hvis du er forvirret (det vet jeg at jeg ville vært). Bruk av isinstance(object, type_of_object) eller type(object) kan hjelpe.
def type_check(correct_type):
#put code here
@type_check(int)
def times2(num):
return num*2
print(times2(2))
times2('Not A Number')
@type_check(str)
def first_letter(word):
return word[0]
print(first_letter('Hello World'))
first_letter(['Not', 'A', 'String'])
def type_check(correct_type):
def check(old_function):
def new_function(arg):
if (isinstance(arg, correct_type)):
return old_function(arg)
else:
print("Bad Type")
return new_function
return check
@type_check(int)
def times2(num):
return num*2
print(times2(2))
times2('Not A Number')
@type_check(str)
def first_letter(word):
return word[0]
print(first_letter('Hello World'))
first_letter(['Not', 'A', 'String'])
test_output_contains("4")
test_output_contains("Bad Type")
test_output_contains("H")
test_output_contains("Bad Type")
success_msg("Good job!")
This site is generously supported by DataCamp. DataCamp offers online interactive Python Tutorials for Data Science. Join over a million other learners and get started learning Python for data science today!
Sponsors
