零基础学 Python(2023 版)
尹会生
太乙人工智能技术合伙人 & 项目总监
60050 人已学习
新⼈⾸单¥68
课程目录
已完结/共 124 讲
结束语 & 结课测试 (2讲)
零基础学 Python(2023 版)
登录|注册
留言
21
收藏
沉浸
阅读
分享
手机端
回顶部
当前播放: 56|装饰器:函数嵌套的定义与调用的区别
00:00 / 00:00
高清
  • 高清
1.0x
  • 2.0x
  • 1.5x
  • 1.25x
  • 1.0x
  • 0.75x
  • 0.5x
网页全屏
全屏
00:00
付费课程,可试看
课程介绍:这次我们都做了哪些升级?
内容综述:明确学习目的
01|如何配置 Python 开发环境?
02 | 常用 IDE:如何提高开发效率?
03 | 如何站在官方文档的肩膀上自己“造轮子”?
04 | 怎样运行你的第一行代码?
05 | 怎样使用 Gitee 管理你的代码?
06 | 学习编程有问题?去这里找答案!
07|跨越门槛:Python 开发环境总结及实现原理
08 | 修炼基本功:浅析输入输出
09 | 变量:如何让计算机临时存储数据?
10|字符串(上):Python 是如何处理单词的?
11|字符串(下):Python 是如何处理单词的?
12|存储数字应该采用哪种数据类型?
13|何时使用数,何时使用字符串?
14|注释:如何写程序的说明书?
15|小试牛刀:如何制作简单计算器?
16|变量命名规范:如何编写优雅的程序?
17|告别新手村:Python 编程基础知识
18|内置数据类型包括哪几种?
19|列表如何处理同类数据?
20|常见常新:列表的常见操作
21|元组:如何处理一次性数据?
22|常见常新:集合的常见操作
23|字典:如何处理映射类型的数据?
24|常见常新:字典的常见操作(上)
25|常见常新:字典的常见操作(下)
26|小试牛刀:如何利用类型转换实现手机通讯录?(上)
27|小试牛刀:如何利用类型转换实现手机通讯录?(下)
28|常见的内置数据类型都何时使用?
29|避坑指南:内置数据类型的常见错误
30|内置数据类型参考:如何使用官方文档与帮助?
31|再回首:“内置数据类型”单元小结
32|if 语句:数据流程出现分支时,怎样编写程序?
33|match 语句:如何通过 match 关键字来处理程序的分支逻辑?
34|while 循环:需要多次重复执行某段程序时,怎么做?
35|for 循环:如何遍历一个对象里的所有元素?
36|语句嵌套:如何处理多重循环的问题?
37|小试牛刀:如何设计一个飞机大战的程序?
38|避坑指南:判断和循环中的常见错误
39|再回首:“判断循环”单元小结
40|输入:如何接收用户通过键盘输入的数据?
41|格式化输出:如何将执行结果通过屏幕输出?
42|F-strings:如何通过定义好的格式进行输出?
43 | 常见常新:文件的打开
44|文件编码:如何解决不同操作系统的文件乱码问题?
45|常见常新:文件的读写
46|常见常新:文件的关闭
47|小试牛刀:如何使用 Python 合并多个文件?
48|再回首:“输入输出与文件操作”单元小结
49|函数的定义:如何优雅地反复引用同一段代码?
50|函数的参数:怎样实现函数与外部数据通信?
51|函数的参数:当函数操作对象不固定时怎么处理?
52|函数的返回值:如何得到函数的执行结果?
53|小试牛刀:如何利用函数实现电商购物车功能?
54|避坑指南:列表作为参数传递出错了怎么办?
55|高阶函数:函数对象与函数调用的用法区别
56|装饰器:函数嵌套的定义与调用的区别
57|再回首:“函数”单元小结
58|编程思想不同会导致怎样的代码差异?
59|类与实例:如何使用面向对象的思想编写程序?
60|类的继承:如何解决代码重用的问题?
61|类的装饰器:如何改变类方法的功能?
62|小试牛刀:如何开发自动咖啡机?
63|避坑指南:类的常见错误
64|init 方法:如何为对象传递参数?
65|再回首:“类”单元小结
66 | 模块的导入:如何使用其他人编写好的代码功能?
67 | 标准库:Python 默认提供的便捷功能有哪些?
68 | 自定义模块:如何编写一个完整功能?
69 | 第三方模块的使用:如何使用其他人编写的代码?
70 | 小试牛刀:如何使用 Python 为函数求导?
71|再回首:“模块与标准库”单元小结
72|初识异常:异常的产生与分类
73|异常捕获:出现异常时,如何利用程序进行处理?
74|自定义异常捕获:如何定义业务异常?
75|避坑指南:编写捕获异常程序时经常出现的问题
76|再回首:“异常处理”单元小结
77|扩展数据类型:怎样使用更复杂的数据类型?
78|魔术方法:怎样通过类构造自己需要的数据类型?
79|怎样将 Python 和 C++ 结合起来混合编程?
80|怎样将已有算法改造成符合项目的特定算法?
81|设计模式:怎样合理组合多个函数和类?
82|Redis 数据库:怎样使用 NoSQL 数据库?
83|关系型数据库:怎样使用关系型数据库?
84|计算资源充足时,如何通过并行设计提高效率?
85|多进程间如何通信?
86|再回首:“高级数据类型与算法”单元小结
87|理论盘点:数据分析的流程及对应的 Python 库
88|理论盘点:数据采集的方法与 HTTP 协议
89|理论盘点:任务的并行执行原理
90|理论盘点:非规范化数据处理的基础与正则表达式
91|如何获取网页上的数据并存储到文件?
92|小试牛刀:如何将数据进行图形化展示?
93|再回首:“数据分析”单元小结
94|理论盘点:文件类型与对应的 Python 函数库
95|如何批量读取 Excel 文件?
96|如何实现数据的批量格式转换?
97|如何扩展数据类型?
98|再回首:“办公自动化”单元小结
99|理论盘点:Web 客户端与服务端
100|理论盘点:MVC 模型是什么?
101|如何使用Django搭建简单的Web服务器?
102|如何使用Django-admin实现文章上传?
103|如何使用Django实现文章发布?
104|再回首:“Web开发”单元小结
105|理论盘点:人脸识别的一般步骤
106|理论盘点:人脸识别常用的 Python 库有哪些?
107|怎样通过 OpenCV 采集视频信号?
108|如何训练人脸模型?
109|怎样设计人脸识别系统?
110|再回首:“计算机视觉”单元小结
111|聚焦异同:物联网与互联网有啥不一样?
112|理论盘点:基础但不简单的 TCP 协议
113|理论盘点:物模型与模组
114|如何为 ESP32 安装 MicroPython?
115|怎样通过 MQTT 协议构建消息队列?
116|小试牛刀:在 OLED 屏幕和手机远程同时显示室内温度
117|再回首:“物联网”单元小结
118|结束语:人生苦短,我用Pyhon
结课测试|来赴一场满分之约吧!
直播加餐|与AI共同编程,用ChatGPT学Python
直播加餐|用OpenAI API理解Python数据类型
直播加餐|掌握Gradio框架:为 AI Agent 程序定制界面
本节摘要

functools 链接:https://docs.python.org/zh-cn/3.10/library/functools.html

课后习题
请你定义一个装饰器,可以让函数运行 5 遍,并输出平均运行时间。

课程代码、课件及其他相关资料地址
https://gitee.com/wilsonyin/zero-basics-python

登录 后留言

全部留言(21)

  • 最新
  • 精选
PatrickL
import time import random from functools import wraps def avgTime(func,times=5): @wraps(func) def wrapper(): avg_interval = 0 for i in range(times): start = time.time() func() stop = time.time() interval = stop - start print(f'第{i+1}次运行了{interval}秒') avg_interval += interval avg_interval /= times print(f'平均运行了{avg_interval}秒') return wrapper @avgTime def work(): time.sleep(random.random()) work()
2022-12-14
1
2
yanyu-xin
import time from functools import wraps def time_it(func): @wraps(func) def wrapper(): t = 0 for i in range(5): start = time.time() func() stop = time.time() t = t + (stop - start) ave = t / 5 print(f'func 函数平均执行时间{ave}秒') return wrapper @time_it def func_1(): print('func_1 开始') time.sleep(1) print('func_1 结束') func_1()
2023-02-08
1
Calvin
import random import time from functools import wraps def multi_run_avg(cnt: int): def time_it(func): @wraps(func) def wrapper(): start = time.time() for _ in range(cnt): func() stop = time.time() print(f"func runs {cnt} times, and its average run time is {round((stop - start) / cnt, 2)} secs.") return wrapper return time_it @multi_run_avg(5) def work(): print("func work start...") time.sleep(random.randint(1, 3)) print("func work stop!") work() # print(work.__name__)
2022-12-18
1
1
杨松
老师,如果装饰器装饰的方法带有参数会怎么样?我看示例中的装饰器内部只是执行了func()并没有参数
2024-03-12
蓝定月
def five_times(func): @wraps(func) def wrapper(): for i in range(5): func() return wrapper
2023-12-08
Geek_0c747b
这是一个 Python 装饰器,它可以让函数运行 5 遍,并输出平均运行时间。这个装饰器使用了 Python 的 `time` 模块来计算函数的运行时间。 ```python import time def time_decorator(func): def wrapper(*args, **kwargs): total_time = 0 for _ in range(5): start_time = time.time() result = func(*args, **kwargs) end_time = time.time() total_time += end_time - start_time print(f"Average running time: {total_time / 5} seconds") return result return wrapper ``` 你可以使用 `@time_decorator` 语法来应用这个装饰器到你的函数上。例如: ```python @time_decorator def my_function(): # 这里是你的函数代码 pass ``` 当你调用 `my_function()` 时,它会运行 5 遍,并输出平均运行时间。请注意,由于这个装饰器使用了 `time.time()` 来计算时间,所以它的精度受到系统时钟的限制。在大多数现代操作系统中,这个精度应该足够高,可以精确到微秒级别。 .
2023-12-07
依托答辩
import time import random def calculate_time(func): def wrapper(): start = time.time() for i in range(5): func() end = time.time() print('平均运行时间:', (end - start)/5) return wrapper @ calculate_time def base_func(): random_time = random.randint(1, 3) time.sleep(random_time) base_func()
2023-11-27
L
关于带参数的装饰器做法,一开始我是这样想的 def time_call(times=5): def call(func): for i in range(times): func() print(f"执行{i+1} 次") return call @time_call(7) def func(): print('func') func() 结果不对,并且func没有执行的时候就执行完了,不明白为啥不对,后面想明白了。 因为返回的函数应该是一个可以装饰函数的函数,在上面的例子中,如果想使用wraps,就没有地方用了,所以应该是 from functools import wraps def time_call(times=5): def call(func): @wraps(func) def call2(): for i in range(times): func() print(f"执行{i+1} 次") return call2 return call @time_call(7) def func(): print('func') func()
2023-11-25
杨松
这个闭包的应用场景就像java面向切面(AOP)编程
2023-10-29
MarkG
课后习题 # 请你定义一个装饰器,可以让函数运行 5 遍,并输出平均运行时间。 import time from functools import wraps, reduce from random import randint def time5(func): @wraps(func) def wrapper(): time_list = [] for i in range(5): start = time.time() func() stop = time.time() time_list.append(stop - start) time_list_len = len(time_list) # 5 time_sum = reduce(lambda x,y: x + y, time_list) time_average = int(time_sum / time_list_len) print(f"平均运行时间{time_average}秒") return wrapper @time5 def work2(): print("func 函数开始执行") time.sleep(randint(1, 5)) print("func 函数开始结束") work2() 执行结果: func 函数开始执行 func 函数开始结束 func 函数开始执行 func 函数开始结束 func 函数开始执行 func 函数开始结束 func 函数开始执行 func 函数开始结束 func 函数开始执行 func 函数开始结束 平均运行时间3秒
2023-10-10
1
收起评论