分享一下我的偶像大神的人工智能教程！http://blog.csdn.net/jiangjunshow

也欢迎转载我的文章，转载请注明出处 https://blog.csdn.net/mm2zzyzzp

  Python的 decorator 本质上就是一个高阶函数，它接收一个函数作为参数，然后，返回一个新函数。
  使用 decorator 用Python提供的 @ 语法，这样可以避免手动编写 f = decorate(f) 这样的代码。
  考察一个@log的定义：

def log(f):
    def fn(x):
        print 'call ' + f.__name__ + '()...'
        return f(x)
    return fn
  
  

   
   
1
   
   
2
   
   
3
   
   
4
   
   
5
  
  

  对于阶乘函数，@log工作得很好：

@log
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))
print factorial(10)
  
  

   
   
1
   
   
2
   
   
3
   
   
4
  
  

  结果：
  call factorial()…
  3628800
  但是，对于参数不是一个的函数，调用将报错：

@log
def add(x, y):
    return x + y
print add(1, 2)
  
  

   
   
1
   
   
2
   
   
3
   
   
4
  
  

  结果：
  Traceback (most recent call last):
   File “test.py”, line 15, in
   print add(1,2)
  TypeError: fn() takes exactly 1 argument (2 given)
  因为 add() 函数需要传入两个参数，但是 @log 写死了只含一个参数的返回函数。
  要让 @log 自适应任何参数定义的函数，可以利用Python的 *args 和 **kw，保证任意个数的参数总是能正常调用：

def log(f):
    def fn(*args, **kw):
        print 'call ' + f.__name__ + '()...'
        return f(*args, **kw)
    return fn
  
  

   
   
1
   
   
2
   
   
3
   
   
4
   
   
5
  
  

  现在，对于任意函数，@log 都能正常工作。

举例

  请编写一个@performance，它可以打印出函数调用的时间。
  计算函数调用的时间可以记录调用前后的当前时间戳，然后计算两个时间戳的差。
  参考代码:

import time
def performance(f):
    def fn(*args, **kw):
        t1 = time.time()
        r = f(*args, **kw)
        t2 = time.time()
        print 'call %s() in %fs' % (f.__name__, (t2 - t1))
        return r
    return fn

@performance
def factorial(n):
    return reduce(lambda x,y: x*y, range(1, n+1))
print factorial(10)
  
  

   
   
1
   
   
2
   
   
3
   
   
4
   
   
5
   
   
6
   
   
7
   
   
8
   
   
9
   
   
10
   
   
11
   
   
12
   
   
13
   
   
14
  
  

分享一下我的偶像大神的人工智能教程！http://blog.csdn.net/jiangjunshow

也欢迎转载我的文章，转载请注明出处 https://blog.csdn.net/mm2zzyzzp