1. 装饰器
由于函数也是一个对象，而且函数对象可以被赋值给变量，所以，通过变量也能调用该函数。
>>>def now():
print('2015-3-25')
>>>f = now
>>>f()
2015-3-25
函数对象有一个__name__属性，可以拿到函数的名字：
>>>now.__name__
'now'
>>>f.__name__
'now'
要增强now()函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改now()函数的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。
本质上，decorator就是一个返回函数的高阶函数。定义一个能打印日志的decorator：
deflog(func):
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
上面的log，因为它是一个decorator，所以接受一个函数作为参数，并返回一个函数。要借助Python的@语法，把decorator置于函数的定义处：
@log
defnow():
print('2015-3-25')
调用now()函数，不仅会运行now()函数本身，还会在运行now()函数前打印一行日志：
>>>now()
callnow():
2015-3-25
把@log放到now()函数的定义处，相当于执行了语句：
now =log(now)
由于log()是一个decorator，返回一个函数，所以，原来的now()函数仍然存在，只是现在同名的now变量指向了新的函数，于是调用now()将执行新函数，即在log()函数中返回的wrapper()函数。
wrapper()函数的参数定义是(*args, **kw)，因此，wrapper()函数可以接受任意参数的调用。在wrapper()函数内，首先打印日志，再紧接着调用原始函数。
2. 返回decorator的高阶函数
如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本：
deflog(text):
def decorator(func):
def wrapper(*args, **kw):
print('%s %s():' % (text,func.__name__))
return func(*args, **kw)
return wrapper
return decorator
这个3层嵌套的decorator用法如下：
@log('execute')
defnow():
print('2015-3-25')
执行结果如下：
>>>now()
executenow():
2015-3-25
和两层嵌套的decorator相比，3层嵌套的效果是这样的：
>>>now = log('execute')(now)
首先执行log('execute')，返回的是decorator函数，再调用返回的函数，参数是now函数，返回值最终是wrapper函数。以上两种decorator的定义都没有问题，但还差最后一步。因为函数也是对象，它有__name__等属性，但去看经过decorator装饰之后的函数，它们的__name__已经从原来的'now'变成了'wrapper'：
>>>now.__name__
'wrapper'
返回的那个wrapper()函数名字就是'wrapper'，所以，需要把原始函数的__name__等属性复制到wrapper()函数中，否则，有些依赖函数签名的代码执行就会出错。
3. 完整的decorator写法
不需要编写wrapper.__name__= func.__name__这样的代码，Python内置的functools.wraps就是干这个事的，所以，一个完整的decorator的写法如下：
importfunctools
deflog(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('call %s():' % func.__name__)
return func(*args, **kw)
return wrapper
或者针对带参数的decorator：
importfunctools
deflog(text):
def decorator(func):
@functools.wraps(func)
def wrapper(*args, **kw):
print('%s %s():' % (text,func.__name__))
return func(*args, **kw)
return wrapper
return decorator
4. 偏函数
Python的functools模块提供了很多有用的功能，其中一个就是偏函数（Partial function）。
通过设定参数的默认值，可以降低函数调用的难度。而偏函数也可以做到这一点。
int()函数可以把字符串转换为整数，当仅传入字符串时，int()函数默认按十进制转换：
>>>int('12345')
12345
但int()函数还提供额外的base参数，默认值为10。如果传入base参数，就可以做N进制的转换：
>>>int('12345', base=8)
5349
>>>int('12345', 16)
74565
要转换大量的二进制字符串，每次都传入int(x, base=2)非常麻烦，可以定义一个int2()的函数，默认把base=2传进去。functools.partial就是帮助创建一个偏函数的，不需要定义int2()，可以直接使用下面的代码创建一个新的函数int2：
>>>import functools
>>>int2 = functools.partial(int, base=2)
>>>int2('1000000')
64
>>>int2('1010101')
85
简单总结functools.partial的作用就是，把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，调用这个新函数会更简单。
注意到上面的新的int2函数，仅仅是把base参数重新设定默认值为2，但也可以在函数调用时传入其他值：
>>>int2('1000000', base=10)
1000000
5. 偏函数实际原理
创建偏函数时，实际上可以接收函数对象、*args和**kw这3个参数，当传入：
int2 =functools.partial(int, base=2)
实际上固定了int()函数的关键字参数base，也就是：
int2('10010')
相当于：
kw = {'base': 2 }
int('10010',**kw)
当传入：
max2 =functools.partial(max, 10)
实际上会把10作为*args的一部分自动加到左边，也就是：
max2(5,6, 7)
相当于：
args =(10, 5, 6, 7)
max(*args)