的Monkeypatching

Question

我对python函数装饰器有点了解。我认为我的问题的答案是否定的，但我想确定。使用装饰器和x = np.array([1,2,3])的numpy数组，我可以覆盖x.sqrt()并更改行为。有没有办法在Python中覆盖np.sqrt(x)？

用例：处理quantities package。希望能够在不更改当前使用np.sqrt()的代码库的情况下获取不确定数量的平方根。

修改：

我想修改np.sqrt包中的quantities以便以下代码有效（所有三个应该打印相同的结果，请注意使用np.sqrt()时的0不确定性）。我希望不要求最终用户修改他们的代码，但在quantities包中正确包装/装饰np.sqrt()。目前，许多numpy函数都已修饰（请参阅https://github.com/python-quantities/python-quantities/blob/ca87253a5529c0a6bee37a9f7d576f1b693c0ddd/quantities/quantity.py），但似乎仅在调用x.func()时才有效，而不是numpy.func(x)。

import numpy as np
import quantities as pq
x = pq.UncertainQuantity(2, pq.m, 2)
print x.sqrt()
>>> 1.41421356237 m**0.5 +/- 0.707106781187 m**0.5 (1 sigma)
print x**0.5
>>> 1.41421356237 m**0.5 +/- 0.707106781187 m**0.5 (1 sigma)
print np.sqrt(x)
>>> 1.41421356237 m**0.5 +/- 0.0 dimensionless (1 sigma)

Answer 1

的Monkeypatching

如果我理解你的情况，你的用例实际上不是关于装饰（以标准方式修改你写的功能）而是关于猴子补丁： 修改其他人编写的函数而不实际更改该函数的定义的源代码。

你需要的习惯用语是

import numpy as np  # provide local access to the numpy module object

original_np_sqrt = np.sqrt

def my_improved_np_sqrt(x):
  # do whatever you please, including:
  # - contemplating the UncertainQuantity-ness of x and
  # - calling original_np_sqrt as needed

np.sqrt = my_improved_np_sqrt

当然，这只能改变numpy.sqrt的未来意义，不是过去的。因此，如果有人在上述内容之前导入了numpy并且已经以您希望影响的方式使用了numpy.sqrt，那么您就输了。（他们映射numpy的名称并不重要。）

但在上面执行了上面的代码后，numpy.sqrt的含义全部被执行了模块（无论是在它之前还是之后导入numpy）将是my_improved_np_sqrt的那个，无论是那些模块的创建者喜欢与否（当然除非numpy.sqrt更多的monkeypatching 正在其他地方进行。）

请注意

当你做奇怪的事情时，Python可以成为一个奇怪的平台！
当你做奇怪的事情时，Python可以成为一个奇怪的平台！
当你做奇怪的事情时，Python可以成为一个奇怪的平台！

这就是为什么猴子补丁通常不被认为是好的设计风格。因此，如果您采取这种方式，请确保您非常突出地宣布它在所有相关文件中。

哦，如果你不想修改其他代码而不是修改代码你可以直接或间接地从你自己的方法执行介绍一个在调用之前执行monkeypatching的装饰器和un-monkeypatching（重新分配original_np_sqrt）在调用之后并将该装饰器应用于你所有的功能都有问题。确保你在那个装饰器中处理异常，这样就可以了在所有情况下都真正执行了非monkeypatching。

Answer 2

也许，正如BrenBarn所说，

np.sqrt = decorator(np.sqrt)

因为装饰器只是一个可调用的，它接受一个对象并返回一个修改过的对象。

我可以装饰显式函数调用，如np.sqrt（）

2 个答案:

的Monkeypatching