Python函数式编程：使用decorator装饰器增强函数功能

Python是一种多范式编程语言，其中一种范式就是函数式编程。函数式编程的核心思想是将函数作为一等对象进行操作，通过将一个函数作为输入，输出另一个经过处理的函数来实现程序的逻辑。在Python中，函数被视为对象，因此可以将它们存储在变量中，作为参数传递到其他函数，甚至在运行时创建新函数。Python还提供了许多内置函数和模块来支持函数式编程，例如map、filter、reduce和functools等。

为了增强函数的功能，Python提供了一种功能强大的机制：装饰器（decorator）。装饰器是一个函数或类，它可以接受一个函数作为参数，并返回一个新的、经过修改的函数。装饰器可以在不修改原函数代码的情况下，增加函数的功能。它们通常用于实现横切关注点（cross-cutting concerns），例如日志记录、性能跟踪、缓存等。

下面我们来看一个简单的例子，展示如何使用装饰器来记录函数的执行时间：

import time

def time_it(func):
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print(f"[{func.__name__}]执行时间：{end_time - start_time:.2f}秒")
        return result
    return wrapper

@time_it
def my_func(x):
    time.sleep(x)
    return x * 2

result = my_func(3)
print(f"执行结果：{result}")

在上面的例子中，我们定义了一个装饰器函数time_it，它接受一个函数作为参数，并返回一个新的函数wrapper。wrapper函数记录了原函数的执行时间，并在执行完成后输出执行时间。最后，我们使用@time_it语法来应用装饰器，将它应用于my_func函数。这样，当我们调用my_func函数时，就会输出它的执行时间。

除了记录执行时间，装饰器还可以用于许多其他方面，例如：

- 缓存函数的结果，以加快执行速度。

- 记录函数的输入输出，以便于调试。

- 增加函数的安全性，例如对输入参数进行验证。

- 对函数进行并发执行，以加快执行速度。

下面我们来看一个使用装饰器实现函数缓存的例子：

import functools

def cache(func):
    cache_dict = {}

    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        key = args + tuple(sorted(kwargs.items()))
        if key not in cache_dict:
            result = func(*args, **kwargs)
            cache_dict[key] = result
        return cache_dict[key]

    return wrapper

@cache
def fibonacci(n):
    if n in [0, 1]:
        return n
    return fibonacci(n - 1) + fibonacci(n - 2)

print(fibonacci(40))  #       次执行，需要计算所有子问题
print(fibonacci(40))  # 第二次执行，直接返回之前计算的结果

在上面的例子中，我们定义了一个装饰器函数cache，它使用一个字典来缓存函数的结果。cache装饰器返回一个新的函数wrapper，它对原函数进行了修改。wrapper函数首先根据函数的输入参数生成一个 的键，然后检查该键是否存在于缓存字典中。如果键存在，它就直接返回缓存的结果；否则，它就执行原函数，并缓存结果。最后，我们使用@cache语法来应用装饰器，将它应用于fibonacci函数。这样，当我们调用fibonacci函数时，就可以快速获取之前计算的结果。

装饰器是Python语言中一个非常强大的特性，它允许我们在运行时修改函数的行为，而不需要修改函数本身的代码。通过装饰器，我们可以将不同的关注点分离开来，从而编写更加模块化、可复用的代码。虽然装饰器十分有用，但也需要谨慎使用，特别是在处理复杂逻辑和大型应用程序时。