python @装饰器简单粗暴理解

本文深入解析Python装饰器的工作原理,包括如何使用装饰器修改函数行为,以及装饰器内部的实现机制。通过具体代码示例,解释了@符号的用法,以及装饰器如何通过包裹原始函数来增加额外功能。

代码

def outter(func):
    def wrapper():
        func()
        print("after wrapper")
    return wrapper

@outter
def inner():
    print("inner")
inner()

结果

inner
after wrapper

首先,inner函数的内存地址作为参数传给outter函数,
然后通过wrapper函数对inner函数进行装饰,添加一些额外的功能,
最后将装饰后的函数wrapper的内存地址通过outter函数返回出来,赋给inner。

所以**@**的效果类似于代码inner = outter(inner)

def outter(func):
    def wrapper():
        func()
        print("after wrapper")
    return wrapper

def inner():
    print("inner")
inner = outter(inner)
inner()

如有理解错误,望指出,谢谢!

参考内容

  1. https://www.cnblogs.com/huchong/p/7725564.html#_lab2_3_1
  2. http://c.biancheng.net/view/2270.html
内容概要:本文介绍了一种基于双层优化的微电网系统规划设计方法,旨在通过Matlab代码实现,解决微电网在规划与运行中的多目标、多层次决策问题。该方法将优化过程分为上下两层:上层通常负责容量配置、设备选址等长期规划决策,下层则聚焦于能量管理、出力调度等短期运行优化,通过迭代交互实现全局最优。文中详细阐述了模型构建、约束条件设定、目标函数设计及求解算法实现流程,并提供了完整的Matlab代码供复现实验,有助于深入理解微电网系统的设计逻辑与优化机制。; 适合人群:具备一定电力系统基础知识和Matlab编程能力,从事新能源、微电网、综合能源系统等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:① 学习和掌握双层优化理论在微电网规划设计中的具体应用;② 通过阅读和运行Matlab代码,复现并改进经典优化模型,用于学位论文、科研项目或实际工程方案设计;③ 深入理解微电网中分布式能源、储能与负荷的协同优化调度策略。; 阅读建议:此资源以Matlab代码实现为核心,强调理论与实践的结合。建议读者先理解双层优化的基本思想和数学模型,再结合代码逐行分析,重点关注变量定义、约束条件的代码转化以及主从问题间的迭代逻辑。鼓励在提供的代码基础上进行参数调整、场景扩展或算法改进,以深化学习效果。
评论
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