函式作為回傳值

高階函式除了可以接受函式作為引數外，還可以把函式作為結果值回傳，

我們來實作一個可變引數的求和，通常情況下，求和的函式是這樣定義的：

def calc_sum(*args):
    i = 0
    for n in args:
        i = i + n
    return i

但是，如果不需要立刻求和，而是在后面的代碼中，根據需要再計算怎么辦？可以不回傳求和的結果，而是回傳求和的函式：

def lazy_sum(*args):
	def sum():
		i = 0
		for n in args:
			i = i + n
		return i

	return sum

當我們呼叫lazy_sum()時，回傳的并不是求和結果，而是求和函式：

f = lazy_sum(1, 3, 5, 7, 9)
print(f)

# <function lazy_sum.<locals>.sum at 0x000002C5C32328C8>

呼叫函式f時，才真正計算求和的結果：

print(f())

# 25

在這個例子中，我們在函式lazy_sum中又定義了函式sum，并且，內部函式sum可以參考外部函式lazy_sum的引數和區域變數，當lazy_sum回傳函式sum時，相關引數和變數都保存在回傳的函式中，這種稱為“閉包（Closure）”的程式結構擁有極大的威力，

請再注意一點，當我們呼叫lazy_sum()時，每次呼叫都會回傳一個新的函式，即使傳入相同的引數：

f1 = lazy_sum(1, 3, 5, 7, 9)
f2 = lazy_sum(1, 3, 5, 7, 9)
print(f1 == f2)
# False

f1()和f2()的呼叫結果是互不影響的，

閉包

回傳的函式在其定義內部參考了區域變數args，所以，當一個函式回傳了一個函式后，其內部的區域變數還被新函式參考，所以，閉包用起來簡單，實作起來可不容易，

另一個需要注意的問題是，回傳的函式并沒有立刻執行，而是直到呼叫了f()才執行，我們來看一個例子：

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

f1, f2, f3 = count()

在上面的例子中，每次回圈，都創建了一個新的函式，然后，把創建的3個函式都回傳了，

你可能認為呼叫f1()，f2()和f3()結果應該是1，4，9，但實際結果是：

print(f1())
# 9
print(f2())
# 9
print(f3())
# 9

全部都是9！原因就在于回傳的函式參考了變數i，但它并非立刻執行，等到3個函式都回傳時，它們所參考的變數i已經變成了3，因此最終結果為9，

回傳閉包時牢記一點：回傳函式不要參考任何回圈變數，或者后續會發生變化的變數，

如果一定要參考回圈變數怎么辦？方法是再創建一個函式，用該函式的引數系結回圈變數當前的值，無論該回圈變數后續如何更改，已系結到函式引數的值不變：

def count():
    def f(j):
        def g():
            return j*j
        return g
    fs = []
    for i in range(1, 4):
        fs.append(f(i)) # f(i)立刻被執行，因此i的當前值被傳入f()
    return fs

f1, f2, f3 = count()

再看看結果：

print(f1())
# 1
print(f2())
# 4
print(f3())
# 9

缺點是代碼較長，可利用lambda函式縮短代碼，

由于函式也是一個物件，而且函式物件可以被賦值給變數，所以，通過變數也能呼叫該函式，

def now():
	print('2021-04-17')

f = now
f()

__name__屬性

函式物件有一個__name__屬性，可以拿到函式的名字：

print(now.__name__)  # now
print(f.__name__)  # now

裝飾器

現在，假設我們要增強now()函式的功能，比如，在函式呼叫前后自動列印日志，但又不希望修改now()函式的定義，這種在代碼運行期間動態增加功能的方式，稱之為“裝飾器”（Decorator），

decorator的本質就是閉包，所以，我們要定義一個能列印日志的decorator，可以定義如下：

def log(func):
	def wrapper(*args, **kw):
		print('call %s():' % func.__name__)
		return func(*args, **kw)

	return wrapper

觀察上面的log，因為它是一個decorator，所以接受一個函式作為引數，并回傳一個函式，我們要借助Python的@語法，把decorator置于函式的定義處：

@log
def now():
	print('2021-04-17')

呼叫now()函式，不僅會運行now()函式本身，還會在運行now()函式前列印一行日志：

now()

# call now():
# 2021-04-17

把@log放到now()函式的定義處，相當于執行了陳述句：

now = log(now)

由于log()是一個decorator，回傳一個函式，所以，原來的now()函式仍然存在，只是現在同名的now變數指向了新的函式，于是呼叫now()將執行新函式，即在log()函式中回傳的wrapper()函式，

wrapper()函式的引數定義是(*args, **kw)，因此，wrapper()函式可以接受任意引數的呼叫，在wrapper()函式內，首先列印日志，再緊接著呼叫原始函式，

如果decorator本身需要傳入引數，那就需要撰寫一個回傳decorator的高階函式，寫出來會更復雜，比如，要自定義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

這個3層嵌套的decorator用法如下：

@log('execute')
def now():
	print('2021-04-17')

執行結果如下：

now()

# execute now():
# 2021-04-17    

和兩層嵌套的decorator相比，3層嵌套的效果是這樣的：

now = log('execute')(now)

我們來剖析上面的陳述句，首先執行log('execute')，回傳的是decorator函式，再呼叫回傳的函式，引數是now函式，回傳值最終是wrapper函式，

以上兩種decorator的定義都沒有問題，但還差最后一步，因為函式也是物件，它有__name__等屬性，但你去看經過decorator裝飾之后的函式，它們的__name__已經從原來的'now'變成了'wrapper'：

print(now.__name__)
# wrapper

因為回傳的那個wrapper()函式名字就是'wrapper'，所以，需要把原始函式的__name__等屬性復制到wrapper()函式中，否則，有些依賴函式簽名的代碼執行就會出錯，

不需要撰寫wrapper.__name__ = func.__name__這樣的代碼，Python內置的functools.wraps就是干這個事的，所以，一個完整的decorator的寫法如下：

import functools


def log(func):
	@functools.wraps(func)
	def wrapper(*args, **kw):
		print('call %s():' % func.__name__)
		return func(*args, **kw)

	return wrapper

或者針對帶引數的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

import functools是匯入functools模塊，模塊的概念稍候講解，現在，只需記住在定義wrapper()的前面加上@functools.wraps(func)即可，

標籤：Python

上一篇：Python | Pandas資料清洗與畫圖

下一篇：時間戳轉換小工具