python的bar函數（bar函數用法）

本文目錄一覽：

• 1、python裝飾器有什麼用
• 2、如何用python繪製簡單條形圖？
• 3、如何理解 Python
• 4、什麼是Python裝飾器

python裝飾器有什麼用

先來個形象比方

內褲可以用來遮羞，但是到了冬天它沒法為我們防風禦寒，聰明的人們發明了長褲，有了長褲後寶寶再也不冷了，裝飾器就像我們這裡說的長褲，在不影響內褲作用的前提下，給我們的身子提供了保暖的功效。

再回到我們的主題

裝飾器本質上是一個Python函數，它可以讓其他函數在不需要做任何代碼變動的前提下增加額外功能，裝飾器的返回值也是一個函數對象。它經常用於有切面需求的場景，比如：插入日誌、性能測試、事務處理、緩存、許可權校驗等場景。裝飾器是解決這類問題的絕佳設計，有了裝飾器，我們就可以抽離出大量與函數功能本身無關的雷同代碼並繼續重用。概括的講，裝飾器的作用就是為已經存在的對象添加額外的功能。

先來看一個簡單例子：

def foo():

print(‘i am foo’)

現在有一個新的需求，希望可以記錄下函數的執行日誌，於是在代碼中添加日誌代碼：

def foo():

print(‘i am foo’)

logging.info(“foo is running”)

bar()、bar2()也有類似的需求，怎麼做？再寫一個logging在bar函數里？這樣就造成大量雷同的代碼，為了減少重複寫代碼，我們可以這樣做，重新定義一個函數：專門處理日誌 ，日誌處理完之後再執行真正的業務代碼

def use_logging(func):

logging.warn(“%s is running” % func.__name__)

func()def bar():

print(‘i am bar’)use_logging(bar)

邏輯上不難理解，

但是這樣的話，我們每次都要將一個函數作為參數傳遞給use_logging函數。而且這種方式已經破壞了原有的代碼邏輯結構，之前執行業務邏輯時，執行運行bar()，但是現在不得不改成use_logging(bar)。那麼有沒有更好的方式的呢？當然有，答案就是裝飾器。

簡單裝飾器

def use_logging(func):

def wrapper(*args, **kwargs):

logging.warn(“%s is running” % func.__name__)

return func(*args, **kwargs)

return wrapperdef bar():

print(‘i am bar’)bar = use_logging(bar)bar()

函數use_logging就是裝飾器，它把執行真正業務方法的func包裹在函數裡面，看起來像bar被use_logging裝飾了。在這個例子中，函數進入和退出時

，被稱為一個橫切面(Aspect)，這種編程方式被稱為面向切面的編程(Aspect-Oriented Programming)。

@符號是裝飾器的語法糖，在定義函數的時候使用，避免再一次賦值操作

def use_logging(func):

def wrapper(*args, **kwargs):

logging.warn(“%s is running” % func.__name__)

return func(*args)

return wrapper@use_loggingdef foo():

print(“i am foo”)@use_loggingdef bar():

print(“i am bar”)bar()

如上所示，這樣我們就可以省去bar =

use_logging(bar)這一句了，直接調用bar()即可得到想要的結果。如果我們有其他的類似函數，我們可以繼續調用裝飾器來修飾函數，而不用重複修改函數或者增加新的封裝。這樣，我們就提高了程序的可重複利用性，並增加了程序的可讀性。

裝飾器在Python使用如此方便都要歸因於Python的函數能像普通的對象一樣能作為參數傳遞給其他函數，可以被賦值給其他變數，可以作為返回值，可以被定義在另外一個函數內。

帶參數的裝飾器

裝飾器還有更大的靈活性，例如帶參數的裝飾器：在上面的裝飾器調用中，比如@use_logging，該裝飾器唯一的參數就是執行業務的函數。裝飾器的語法允許我們在調用時，提供其它參數，比如@decorator(a)。這樣，就為裝飾器的編寫和使用提供了更大的靈活性。

def use_logging(level):

def decorator(func):

def wrapper(*args, **kwargs):

if level == “warn”:

logging.warn(“%s is running” % func.__name__)

return func(*args)

return wrapper

return decorator@use_logging(level=”warn”)def foo(name=’foo’):

print(“i am %s” % name)foo()

上面的use_logging是允許帶參數的裝飾器。它實際上是對原有裝飾器的一個函數封裝，並返回一個裝飾器。我們可以將它理解為一個含有參數的閉包。當我

們使用@use_logging(level=”warn”)調用的時候，Python能夠發現這一層的封裝，並把參數傳遞到裝飾器的環境中。

類裝飾器

再來看看類裝飾器，相比函數裝飾器，類裝飾器具有靈活度大、高內聚、封裝性等優點。使用類裝飾器還可以依靠類內部的\_\_call\_\_方法，當使用 @ 形式將裝飾器附加到函數上時，就會調用此方法。

class Foo(object):

def __init__(self, func):

self._func = func

def __call__(self):

print (‘class decorator runing’)

self._func()

print (‘class decorator ending’)

@Foo

def bar():

print (‘bar’)

bar()

functools.wraps

使用裝飾器極大地復用了代碼，但是他有一個缺點就是原函數的元信息不見了，比如函數的docstring、__name__、參數列表，先看例子：

裝飾器

def logged(func):

def with_logging(*args, **kwargs):

print func.__name__ + ” was called”

return func(*args, **kwargs)

return with_logging

函數

@loggeddef f(x):

“””does some math”””

return x + x * x

該函數完成等價於：

def f(x):

“””does some math”””

return x + x * xf = logged(f)

不難發現，函數f被with_logging取代了，當然它的docstring，__name__就是變成了with_logging函數的信息了。

print f.__name__    # prints ‘with_logging’print f.__doc__     # prints None

這個問題就比較嚴重的，好在我們有functools.wraps，wraps本身也是一個裝飾器，它能把原函數的元信息拷貝到裝飾器函數中，這使得裝飾器函數也有和原函數一樣的元信息了。

from functools import wrapsdef logged(func):

@wraps(func)

def with_logging(*args, **kwargs):

print func.__name__ + ” was called”

return func(*args, **kwargs)

return with_logging@loggeddef f(x):

“””does some math”””

return x + x * xprint f.__name__  # prints ‘f’print f.__doc__   # prints ‘does some math’

內置裝飾器

@staticmathod、@classmethod、@property

裝飾器的順序

@a@b@cdef f ():

等效於

f = a(b(c(f)))

如何用python繪製簡單條形圖？

如何用python繪製簡單條形圖呢？這裡離不開matplotlib的使用。

條形圖是數據可視化圖形中很基礎也很常用的一種圖，簡單解釋下：條形圖也叫長條圖（英語：bar chart），亦稱條圖（英語：bar graph）、條狀圖、棒形圖、柱狀圖、條形圖表，是一種以長方形的長度為變數的統計圖表。長條圖用來比較兩個或以上的價值（不同時間或者不同條件），只有一個變數，通常利用於較小的數據集分析。長條圖亦可橫向排列，或用多維方式表達。

那麼一個普通的條形圖是長什麼樣子的呢？

當！當！當！就是下圖的這個樣子：

圖先亮出來啦，接下來研究這個圖是怎麼畫的吧，先看一下原數據長什麼樣子：

實際畫圖的流程和畫折線圖很相近，只是用到的畫圖函數不一樣，繪製條形圖的函數plt.bar（）：

由於這只是最簡單的一個條形圖，實際上條形圖的函數plt.bar（）還有不少可以探索的參數設置，和對摺線圖函數plt.plot()的探索差不多，有興趣的孩子可以自己去進行探索哦。

按照條形長短進行排序展示的條形圖

當然也可以有其他的設置，比如說上圖中的線條高低參差不齊，這是因為x軸的數據是按照學校名稱進行排序的，那麼可不可以按照分數的高低進行排序呢？也就是讓所有的長方形按照從高到矮或者從矮到高的順序進行排列？

當然可以啦！這裡需要強調的是，條的高低排列等信息都是來源於原數據的，要想讓條形的順序發生改變，需要對畫圖的來源數據進行更改呢！

把原數據逆序排序後截取前十名數據賦值給data_yuwen，作為新的數據源傳入畫圖函數plt.bar()，畫出來的圖自然就不一樣了。

先看一眼數據長什麼樣子：

根據這個數據源繪製出的圖形如下，由於用來畫圖的數據進行了降序排序操作，所以生成條形圖的條也會進行降序排序展示：

很多時候，我們常見的條形圖還有另一種展現形式，那就是橫向的條形圖，比較火的那種動態條形圖絕大多數也都是橫向的條形圖，那麼橫向的條形圖如何繪製呢？

理解plt.bar()主要參數

其實也不難，只要清楚plt.bar()函數中主要參數的作用就可以了！條形圖函數中有五個主要參數，分別是x，height，width，bottom，orientation。其中x控制的是每個條在x軸上位置，height控制的是每個條的長度，width控制的是每個條的寬度，bottom控制的是每個條在y軸方向的起始位置，orientation控制的是條形的方向，是縱向還是橫向，默認是縱向的。

通過一個小例子理解下這幾個參數的作用：

上邊的幾行代碼輸出的圖形如下：

對比著代碼和實際輸出的條形圖，各個主要參數的作用是不是一目了然啦？

橫向條形圖

理解了這幾個參數作用後，縱向的條形圖轉換成橫向的條形圖就沒什麼難度了！

需要設置所有條形在x軸的位置都為0，也就全部從最左側開始畫條形;由於是橫向條形圖，所以實際上條的寬度顯示的是數據大小，將width參數設置成原數據中的語文成績；bottom控制每個條在y軸方向的起始位置，設置bottom=range（10）設置每個條形在y軸的起始位置各不相同避免有條形重疊；height控制的是每個條在y軸方向上的長度，條形圖橫向設置後，在y軸上的長度失去了衡量數據的意義，所以直接設置一個常數即可；最後設置條形的方向為橫向，即orientation=「horizontal」。

溫馨提示：數據和標籤一定要匹配，即plt.bar()重點的數據要和plt.yticks()中提取出來的標籤一一對應，一旦不匹配，整個圖展現的結果就是一個錯誤的結果！

上述代碼生成的條形圖如下：

感覺上邊這種生成橫向條形圖的方式有點點繞，和人們的習慣認知有點不大一樣，難道畫一個橫向條形圖就非得轉變自己的習慣認知這麼反人類嗎？

當然不是的，實際上有更簡單的方法繪製一個橫向條形圖，之所以沒有一開始就直接用這種簡單的方法，也是為了讓大家體會下條形圖參數的靈活設置而已，而且如果比較繞的方法都能理解了，簡單的方法理解和運用起來就更沒有難度了啊！

不賣關子了，我們來認識下和plt.bar()函數類似的plt.barh()函數。

plt.barh()函數是專門繪製水平條形圖的函數，主要的參數有：

y 控制y軸顯示的標籤來源width 控制橫向條形的長度，即用來進行對比的數據源height 條形的寬度需要設置的參數主要就是這三個，比用plt.bar()函數繪製水平條形圖簡單了很多，具體代碼如下：

效果圖：

和用plt.bar()函數繪製的橫向條形圖一毛一樣對不對？以後有需求繪製橫向條形圖，盡量用plt.barh()函數吧，畢竟它是專門繪製這種類型圖的，簡單好用。

然而實際工作中對於條形圖的需求不只是這些，比如例子中只是對各個學校語文成績的展示，有時候需要各個學科的成績同時展現在一幅條形圖中，有時候也需要繪製堆積條形圖對各學科的成績以及總成績進行展示，這些圖又該如何繪製呢？其實只要理解了各個參數的含義，繪製這些圖也不在話下，至於具體怎麼畫，且看下回分解啊！

如何理解 Python

簡單例子：

def foo():

print(‘i am foo’)

現在有一個新的需求，希望可以記錄下函數的執行日誌，於是在代碼中添加日誌代碼：

def foo():

print(‘i am foo’)

logging.info(“foo is running”)

bar()、bar2()也有類似的需求，怎麼做？再寫一個logging在bar函數里？這樣就造成大量雷同的代碼，為了減少重複寫代碼，我們可以這樣做，重新定義一個函數：專門處理日誌 ，日誌處理完之後再執行真正的業務代碼

def use_logging(func):

logging.warn(“%s is running” % func.__name__)

func()

def bar():

print(‘i am bar’)

use_logging(bar)

邏輯上不難理解， 但是這樣的話，我們每次都要將一個函數作為參數傳遞給use_logging函數。而且這種方式已經破壞了原有的代碼邏輯結構，之前執行業務邏輯時，執行運行bar()，但是現在不得不改成use_logging(bar)。那麼有沒有更好的方式的呢？當然有，答案就是裝飾器。

簡單裝飾器

def use_logging(func):

def wrapper(*args, **kwargs):

logging.warn(“%s is running” % func.__name__)

return func(*args, **kwargs)

return wrapper

def bar():

print(‘i am bar’)

bar = use_logging(bar)

bar()

函數use_logging就是裝飾器，它把執行真正業務方法的func包裹在函數裡面，看起來像bar被use_logging裝飾了。在這個例子中，函數進入和退出時 ，被稱為一個橫切面(Aspect)，這種編程方式被稱為面向切面的編程(Aspect-Oriented Programming)。

@符號是裝飾器的語法糖，在定義函數的時候使用，避免再一次賦值操作

def use_logging(func):

def wrapper(*args, **kwargs):

logging.warn(“%s is running” % func.__name__)

return func(*args)

return wrapper

@use_logging

def foo():

print(“i am foo”)

@use_logging

def bar():

print(“i am bar”)

bar()

如上所示，這樣我們就可以省去bar = use_logging(bar)這一句了，直接調用bar()即可得到想要的結果。如果我們有其他的類似函數，我們可以繼續調用裝飾器來修飾函數，而不用重複修改函數或者增加新的封裝。這樣，我們就提高了程序的可重複利用性，並增加了程序的可讀性。

裝飾器在Python使用如此方便都要歸因於Python的函數能像普通的對象一樣能作為參數傳遞給其他函數，可以被賦值給其他變數，可以作為返回值，可以被定義在另外一個函數內。

帶參數的裝飾器

裝飾器還有更大的靈活性，例如帶參數的裝飾器：在上面的裝飾器調用中，比如@use_logging，該裝飾器唯一的參數就是執行業務的函數。裝飾器的語法允許我們在調用時，提供其它參數，比如@decorator(a)。這樣，就為裝飾器的編寫和使用提供了更大的靈活性。

def use_logging(level):

def decorator(func):

def wrapper(*args, **kwargs):

if level == “warn”:

logging.warn(“%s is running” % func.__name__)

return func(*args)

return wrapper

return decorator

@use_logging(level=”warn”)

def foo(name=’foo’):

print(“i am %s” % name)

foo()

上面的use_logging是允許帶參數的裝飾器。它實際上是對原有裝飾器的一個函數封裝，並返回一個裝飾器。我們可以將它理解為一個含有參數的閉包。當我 們使用@use_logging(level=”warn”)調用的時候，Python能夠發現這一層的封裝，並把參數傳遞到裝飾器的環境中。

類裝飾器

再來看看類裝飾器，相比函數裝飾器，類裝飾器具有靈活度大、高內聚、封裝性等優點。使用類裝飾器還可以依靠類內部的\_\_call\_\_方法，當使用 @ 形式將裝飾器附加到函數上時，就會調用此方法。

class Foo(object):

def __init__(self, func):

self._func = func

def __call__(self):

print (‘class decorator runing’)

self._func()

print (‘class decorator ending’)

@Foo

def bar():

print (‘bar’)

bar()

functools.wraps

使用裝飾器極大地復用了代碼，但是他有一個缺點就是原函數的元信息不見了，比如函數的docstring、__name__、參數列表，先看例子：

裝飾器

def logged(func):

def with_logging(*args, **kwargs):

print func.__name__ + ” was called”

return func(*args, **kwargs)

return with_logging

函數

@logged

def f(x):

“””does some math”””

return x + x * x

該函數完成等價於：

def f(x):

“””does some math”””

return x + x * x

f = logged(f)

不難發現，函數f被with_logging取代了，當然它的docstring，__name__就是變成了with_logging函數的信息了。

print f.__name__ # prints ‘with_logging’

print f.__doc__ # prints None

這個問題就比較嚴重的，好在我們有functools.wraps，wraps本身也是一個裝飾器，它能把原函數的元信息拷貝到裝飾器函數中，這使得裝飾器函數也有和原函數一樣的元信息了。

from functools import wraps

def logged(func):

@wraps(func)

def with_logging(*args, **kwargs):

print func.__name__ + ” was called”

return func(*args, **kwargs)

return with_logging

@logged

def f(x):

“””does some math”””

return x + x * x

print f.__name__ # prints ‘f’

print f.__doc__ # prints ‘does some math’

內置裝飾器

@staticmathod、@classmethod、@property

裝飾器的順序

@a

@b

@c

def f ():

等效於

f = a(b(c(f)))

什麼是Python裝飾器

裝飾器(decorator)是Python中的高級語法。裝飾的意思就是動態擴展被裝飾對象的功能。裝飾器可以用於裝飾函數、方法和類。

一 嵌套函數

# 定義一個外層函數def foo(): # 定義了一個內部函數 def bar(): print(“hello world”)

函數bar是一個定義在foo函數內部的函數。

Python中的函數是支持嵌套的，也就是可以在一個函數內部再定義一個函數。

然後，我們還知道函數是可以當作變數的，於是我們就可以在foo函數中把定義的這個bar函數返回。就像下面這樣：

# 定義一個外層函數def foo(): # 定義了一個內層函數 def bar(): print(“hello world”) return

barfunc = foo()func() # func — bar，這裡執行func其實就相當於執行了在foo函數內部定義的bar函數

二 閉包形態1

# 閉包形態1def foo(): name = “Andy” # 外部函數的局部變數 # 定義了一個內部函數 def bar():

print(name) # 雖然bar函數中沒有定義name變數，但是它可以訪問外部函數的局部變數name return barfunc =

foo()func() # func — bar — 除了是一個函數，還包含一個值(它外層函數的局部變數)的引用

三 閉包形態2

# 閉包形態2def foo(name): # 給一個函數傳參也相當於給函數定義了一個局部變數 # 定義了一個內部函數 def bar():

print(name) # 內部函數同樣可以獲取到傳到外部函數的變數(參數) return barfunc = foo(“Andy”) #

把「Andy」當成參數傳入foo函數 — 其內部定義的bar函數也能拿到這個「Andy」func() # func — bar —

除了是一個函數，還包含一個值(它外層函數的參數)的引用

四 裝飾器形態1

# 還是定義一個外層函數def foo(name): # 我接收的參數是一個函數名 # 定義了一個內部函數 def bar():

print(“這是新功能。。。”) # 新功能 name() # 函數名加()就相當於執行– 我傳進來原函數的函數名，這裡就相當於執行了原函數

return bar# 定義一個被裝飾的函數def f1(): print(“hello world.”) # 用foo函數裝飾f1函數f1 =

foo(f1)# 不改變f1的調用方式f1() # — 此時函數已經擴展了新功能

五 裝飾器形態2

# 還是定義一個外層函數def foo(name): # 接收的參數是一個函數名 # 定義了一個內部函數 def bar():

print(“這是新功能。。。”) # 新功能 name() # 函數名加()就相當於執行– 傳進來原函數的函數名，這裡就相當於執行了原函數

return bar# 定義一個被裝飾的函數# 用foo函數裝飾f1函數@foo # 使用f1 =

foo(f1)語法裝飾的話稍顯啰嗦，Python就提供了@語法，讓裝飾過程更簡便def f1(): print(“hello world.”) #

不改變f1的調用方式f1() # — 此時函數已經擴展了新功能。