Python 装饰器

本文从嵌套函数入手,深入浅出地介绍了Python装饰器的概念及其工作原理。通过具体实例展示了如何利用装饰器来增强函数的功能,同时保持原有函数调用方式不变。
这是我自己的理解,如有不妥,请指正 

其实弄明白了python中的嵌套函数(也就是所谓的闭合函数)之后,再想搞懂python装饰器就简单多了。

总之python装饰器不过就是一个针对嵌套函数的语法糖 
它的作用就是在函数调用方法不变的情况下,把此函数包装成另一个函数来使用
 



一、首先来大致了解下嵌套函数: 

被嵌套与一层函数中的二层函数可以记录上上一层函数作用域中的变量 

举例: 
Python代码  收藏代码
  1. def foo(a):  
  2.     def subfoo(b):  
  3.         return(b + a)  
  4.     return(subfoo)  
  5.   
  6. f = foo('content'#由于foo返回的是subfoo,所以f是对subfoo的引用  
  7. f('sub_'#因为subfoo记录了foo的参数变量'content',所以返回值为'sub_content'  




二、嵌套函数和它的变种(装饰器) 

以下两端代码,作用是相同的,前一个是大姑娘,后一个是女扮男装后的大姑娘 
Python代码  收藏代码
  1. def action(x):  
  2.     return(x)  
  3.   
  4. def action_pro(n):  
  5.     def warpper(x):  
  6.         return(n(x) * x)  
  7.     return(warpper)  
  8.   
  9. action = action_pro(action) #第一个action为自定义的伪装变量,第二个action为上边定义的action函数  
  10. action(3#此函数实际为warpper(3),返回值为9  

将上边代码改写: 
Python代码  收藏代码
  1. def action_pro(n):  
  2.     def warpper(x):  
  3.         return(n(x) * x)  
  4.     return(warpper)  
  5.  
  6. @action_pro #用action_pro函数把action包装成warpper  
  7. def action(x):  
  8.     return(x)  
  9.   
  10. action(3#此函数实际为warpper(3),返回值为9  
内容概要:本文介绍了一种基于蒙特卡洛模拟和拉格朗日优化方法的电动汽车充电站有序充电调度策略,重点针对分时电价机制下的分散式优化问题。通过Matlab代码实现,构建了考虑用户充电需求、电网负荷平衡及电价波动的数学模【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)型,采用拉格朗日乘子法处理约束条件,结合蒙特卡洛方法模拟大量电动汽车的随机充电行为,实现对充电功率和时间的优化分配,旨在降低用户充电成本、平抑电网峰谷差并提升充电站运营效率。该方法体现了智能优化算法在电力系统调度中的实际应用价值。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源汽车、智能电网相关领域的工程技术人员。; 使用场景及目标:①研究电动汽车有序充电调度策略的设计与仿真;②学习蒙特卡洛模拟与拉格朗日优化在能源系统中的联合应用;③掌握基于分时电价的需求响应优化建模方法;④为微电网、充电站运营管理提供技术支持和决策参考。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注目标函数构建、约束条件处理及优化求解过程,可尝试调整参数设置以观察不同场景下的调度效果,进一步拓展至多目标优化或多类型负荷协调调度的研究。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值