带有在运行时传递的参数的装饰器

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

我需要的是一个装饰器，它除了函数本身（以及这个函数 args 和 kwargs）之外还接受一些参数。但是，这些参数是在声明装饰函数之后计算的。

我的具体情况

我为机器学习编写了许多处理 pd.DataFrame 的函数，它们将 DF 作为输入并返回 DF 作为输出。在许多情况下，我不想在一个 DF 上调用它们，而是在多个训练和测试集的串联上调用它们。动机是我讨厌代码重复，另一种方法是每一步调用两次（每组一次）。此外，预处理函数的作者不应该关心用户经常希望一次在 2 个集合上使用它的事实。

目前的代码是这样的：

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在 一个 DF 通过将训练集和测试集传递给装饰器。像这样的：

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！

装饰器只是对函数进行操作的函数。

那么，为什么不写一个函数来返回对函数进行操作的函数呢？

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()