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
Decoradores
Conteúdos dos Decoradores permitem que você faça modificações simples em objetos invocáveis como funções, métodos ou classes. Vamos lidar com funções neste tutorial. A sintaxe
@decorator
def functions(arg):
return "value"
É equivalente a:
def function(arg):
return "value"
function = decorator(function) # isto passa a função para o decorador e a atribui novamente à função
Como você pode ter visto, um decorador é apenas outra função que recebe uma funções e retorna uma. Por exemplo, você poderia fazer o seguinte:
def repeater(old_function):
def new_function(*args, **kwds): # Veja learnpython.org/en/Multiple%20Function%20Arguments para saber como *args e **kwds funcionam
old_function(*args, **kwds) # executamos a função antiga
old_function(*args, **kwds) # fazemos isso duas vezes
return new_function # precisamos retornar a new_function, ou não a reassociaria ao valor
Isso faria uma função repetir duas vezes.
>>> @repeater
def multiply(num1, num2):
print(num1 * num2)
>>> multiply(2, 3)
6
6
Você também pode fazer com que ela altere a saída
def double_out(old_function):
def new_function(*args, **kwds):
return 2 * old_function(*args, **kwds) # modifica o valor de retorno
return new_function
alterar a entrada
def double_Ii(old_function):
def new_function(arg): # só funciona se a função antiga tiver um argumento
return old_function(arg * 2) # modifica o argumento passado
return new_function
e fazer verificações.
def check(old_function):
def new_function(arg):
if arg < 0: raise (ValueError, "Negative Argument") # Isto causa um erro, o que é melhor do que fazer algo errado
old_function(arg)
return new_function
Digamos que você queira multiplicar a saída por uma quantidade variável. Você poderia definir o decorador e usá-lo da seguinte forma:
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 # ele retorna o novo gerador
# Uso
@multiply(3) # multiply não é um gerador, mas multiply(3) é
def return_num(num):
return num
# Agora return_num é decorado e reatribuído nele mesmo
return_num(5) # deve retornar 15
Você pode fazer qualquer coisa que quiser com a antiga função, até mesmo ignorá-la completamente! Decoradores avançados também podem manipular a string de documentação e o número de argumentos. Para alguns decoradores interessantes, visite http://wiki.python.org/moin/PythonDecoratorLibrary.
Exercício
Faça uma fábrica de decoradores que retorne um decorador que decore funções com um argumento. A fábrica deve receber um argumento, um tipo, e depois retorna um decorador que faz a função verificar se a entrada é do tipo correto. Se estiver errada, ela deve imprimir("Tipo Incorreto") (Na realidade, deveria levantar um erro, mas levantamento de erros não está neste tutorial). Olhe o código do tutorial e a saída esperada para ver o que é se estiver confuso (Eu também ficaria). Usar isinstance(object, type_of_object) ou type(object) pode ajudar.
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!