Question

在python中使用带或不带参数的装饰器有很多问题，但我的情况有点不同。

一般问题

我需要的是一个除了函数本身之外还接受一些参数的装饰器（这个函数是args和kwargs）。但是，这些参数是在声明修饰函数后计算的。

我的具体案例

我编写了许多函数来处理用于机器学习的pd.DataFrame，它们将DF作为输入并返回DF作为输出。在许多情况下，我想在一个DF上调用它们，而不是在多个训练和测试集的串联上。我的动机是我讨厌代码重复，另一种选择是每次调用两次（每组一次）。此外，预处理功能的作者不应该关心用户经常希望一次在2套上使用它的事实。

目前的代码如下：

def train_and_test(preprocess):
  def preprocess_wrapper(**kwargs):
    def concat(train, test):
        train['is_train'] = True
        test['is_train'] = False
        return pd.concat([train, test])

    def split(full):
        train = full[full['is_train']]
        test = full[~full['is_train']]
        train = train.drop('is_train', axis=1)
        test = test.drop('is_train', axis=1)
        assert len(full) == (len(train) + len(test))
        return train, test

    train = kwargs['train']
    test = kwargs['test']
    full = concat(train, test)
    processed = preprocess(full)
    return split(processed)

return preprocess_wrapper

@train_and_test # I would like to pass train and test as arguments here but these are loaded by client code
def my_preprocessor(df):
  preprocessed = do_something_smart(df)
  return preprocessed

我想要什么

我希望此代码的客户端能够调用定义的函数通过将火车和测试装置传递给装饰器来获得一个DF。像这样：

train, test = pd.read_csv('data/train.csv'), pd.read_csv('data/test.csv')

train, test = preprocess(train, test) # In reality preprocess signature expects one DF but user can now treat it like it accepted 2

Answer 1

我们需要更深入！

装饰器只是一个对函数进行操作的函数。

那么，为什么不编写一个返回函数操作函数的函数呢？

def paramizer(*args):
    def normal_decorator(f):
        ...stuff that uses the decorator args to customize behavior...
        def wrapper():
            ...stuff decorating f...
            return f()
        return wrapper
    return normal_decorator

@paramizer(arg1, arg2) #=> returns a customized decorator and applies it to function
def function()

装饰器在运行时传递参数

1 个答案: