1. 预热知识
要理解python中的装饰器，就要明白在python中，函数是一种特殊类型的变量，可以作为参数传递给函数，也可以作为返回值返回。比如下面的代码，就是 str_1 作为参数传递给 str_2 ,然后再 str_2 中调用传入的函数。
def str_1():
print('good day')
def str_2(func):
func()
str_2(str_1)再看下面的这段代码：
def str_2():
def str_1():
print("abc")
return str_1
str_2()()这段代码在 str_2 内部定义的函数 str_1 作为一个变量返回，然后我们在调用 str_2时获取到返回之后，继续调用 str_1。
2. 了解 python 中的装饰器
2.1 装饰器的作用
装饰器本质是一个 python 函数，让其他函数在不需要任何代码变动的前提下增加额外的功能，其返回值也是一个函数对象。
2.2 功能实现过程
实例：
现在我们有以下一个函数：
def sum_1(a,b):
sum_1 = a + b
return sum_1我们希望增加一个获得计算函数运行时间的功能，于是将代码修改如下：
import time
def sum_1(a,b):
time_1 = time.time()
sum_0 = a + b
print(time.time()-time_1)
return sum_0如果我们有若干个函数需要相同的功能，所以你复制黏贴了代码如下：
import time
def sum_1(a,b):
time_1 = time.time()
sum_0 = a + b
print(time.time()-time_1)
return sum_0
def sum_2(a,b):
time_1 = time.time()
sum_0 = a + b
print(time.time()-time_1)
return sum_0然而你抿了一口手中的咖啡，觉得这样有点low，于是你一拍脑袋，修改如下：
import time
def count_time(func,a,b):
time_1 = time.time()
sum_0 = func(a,b)
print(time.time()-time_1)
return sum_0
def sum_1(a,b):
sum_0 = a + b
return sum_0
def sum_2(a,b):
sum_0 = a + b
return sum_0
count_time(sum_1,1,2)
count_time(sum_2,3,4)这看上去似乎有点模样了，然后我们还是没法直接运行 sum_1(a,b) 获得我们想要的结果，那么该如何不改变函数的调用方式，获得返回的结果呢？你再次抿了口咖啡，飞快地敲下如下的代码：
import time
def count_time(func):
def count(a,b):
time_1 = time.time()
sum_0 = func(a,b)
print(time.time()-time_1)
return sum_0
return count
def sum_1(a,b):
sum_0 = a + b
return sum_0
def sum_2(a,b):
sum_0 = a + b
return sum_0
sum_1 = count_time(sum_1)
sum_2 = count_time(sum_2)
sum_1(1,2)
sum_2(3,4)2.3 闪亮登场的 Decorator
你冥思苦想一番，用到了语法糖——装饰器。将上面的代码修改如下：
import time
def count_time(func):
def count(a,b):
time_1 = time.time()
sum_0 = func(a,b)
print(time.time()-time_1)
return sum_0
return count
@count_time
def sum_1(a,b):
sum_0 = a + b
return sum_0
@count_time
def sum_2(a,b):
sum_0 = a + b
return sum_0
sum_1(1,2)
sum_2(3,4)@符号是一个语法糖，将被包裹的函数作为一个变量传递给装饰函数/类，讲装饰函数/类返回的值替换原本的函数，即替换了以下过程：
sum_1 = count_time(sum_1)
sum_2 = count_time(sum_2)到这里，你大概对 python 的装饰器有了个初步的了解了吧！
3. numba的基本使用
python是一种动态语言，如果能够让它静态一点，速度会好很多，于是有了 cpython。然后 cpython 还是有诸多不便。于是 numba 就成了一个强大而又方便的替代品。它对 for 循环有很好的效果，实例如下：
from numba import jit
from numpy import arange
import time
@jit
def sum_1(arr):
M, N = arr.shape
result = 0.0
for i in range(M):
for j in range(N):
result += arr[i,j]
return result
a = arange(9999999).reshape(3333333,3)
start = time.time()
print(sum_1(a))
stop = time.time()
print(stop-start)
