décorateurs

en guise de complément, ce notebook introduit la notion de decorator

déjà rencontré¶

on a déjà rencontré les décorateurs lorsqu’on a vu les méthodes statiques et les méthodes de classe


class Foo:
    
    @staticmethod
    def load_from_file(filename):
        instance = Foo(...)
        return instance

dans cette notation, staticmethod est un décorateur
nous allons voir ça plus en détail

pourquoi faire ?¶

l’idée du décorateur, c’est de transformer une fonction pour en déduire une autre fonction, qui fait un peu plus de choses que la première

exemples

je veux afficher un message en entrant et en sortant de la fonction
je veux compter le nombre de fois qu’une fonction est appelée
je veux ‘cacher’ les résultats de la fonction que j’ai déjà calculés
...

principe¶

un décorateur, c’est donc un bidule qui transforme une fonction en une autre fonction
de quelle nature est ce bidule ? une fonction, bien sûr

exemple¶

essentiellement la même chose que sur la figure, avec quelques détails en plus:

comment gérer tous les paramètres (*args et **kwds)
comment trouver proprement le nom de la fonction

# pour débugger une fonction, c'est pratique
# de pouvoir afficher les arguments et le résultat

def decorator(foo):
    def decorated(*args, **kwds):
        print(f"IN {foo.__name__}({args=}, {kwds=})")
        result = foo(*args, **kwds)
        print(f"OUT {foo.__name__} -> {result}")
        return result
    return decorated

# une fonction au hasard
def add(x, y):
    """
    la somme
    """
    return x + y

# la version décorée
# affiche les paramètres et le résultat
add1 = decorator(add)

add1(10, 20)

IN add(args=(10, 20), kwds={})
OUT add -> 30

30

# on peut appliquer la même recette
# à n'importe quelle fonction
# une autre
def mul(x, y=10):
    return x * y

# la version décorée ... pareil
mul1 = decorator(mul)

mul1(10, y=20)

IN mul(args=(10,), kwds={'y': 20})
OUT mul -> 200

200

la syntaxe `@truc`¶

bien sûr en pratique on nomme les décorateurs de manière plus explicite
disons qu’on appelle le nôtre print_in_out

au lieu d’écrire

def add(x, y):
    return x + y
    
add = print_in_out(add)

on peut se contenter de

@print_in_out
def add(x, y):
    return x + y

le module `functools`¶

il expose quelques décorateurs d’usage courant;
voyons un exemple d’utilisation du décorateur cache

# on part d'une implémentation super inefficace
# de la suite de fibonacci

def fibo(n):
    return 1 if n <= 1 else fibo(n-1) + fibo(n-2)

# la preuve

%timeit -n 1 -r 1 fibo(32)

1.27 s ± 0 ns per loop (mean ± std. dev. of 1 run, 1 loop each)

# avec ce décorateur, la fonction va retenir les 
# calculs qu'elle a faits précédemment

from functools import cache

@cache
def fibo(n):
    return 1 if n <= 1 else fibo(n-1) + fibo(n-2)

# et du coup ça va plusieurs ordres de grandeur fois plus vite !

%timeit -n 1 -r 1 fibo(30)

15.4 μs ± 0 ns per loop (mean ± std. dev. of 1 run, 1 loop each)

décorateur de classes¶

en fait le même principe s’applique aux classes; on peut concevoir une fonction qui prend en paramètre un objet classe et le transforme en une autre classe
et en fait on en a aussi déjà vu un exemple, je vous renvoie à la section sur les dataclasses

conclusion¶

un décorateur est un callable (par exemple une fonction) qui transforme une fonction en une version instrumentée de la fonction (ou une classe en une classe)
avec la syntaxe
```
@bidule
def ma_fonction(...):
    ...
```
on peut remplacer dans tout le code chaque appel à ma_fonction par un appel équivalent à la fonction décorée par bidule
sachez aussi que les usages avancés des décorateurs permettent de passer des paramètres ... au décorateur lui-même; un sujet que je vous laisse creuser si vous êtes intéressé

les attributs de fonction (avancé)¶

une fonction est un objet Python
sur lequel on peut définir des attributs arbitraires
et qui possède de base des attributs spéciaux

# quand on utilise `def` 
# on a gratuitement le nom

add.__name__

'add'

# et le docstring

add.__doc__

'\n la somme\n '

préserver les attributs spéciaux¶

du coup, notre première implémentation est améliorable car

# ce n'est pas très parlant
# on aimerait avoir ici 'add'

add1.__name__

'decorated'

# pareil ici, on a perdu la docstring, c'est vide

add1.__doc__

# du coup on pourrait écrire quelque chose comme ceci  
# (mais voyez le slide suivant pour la 'bonne' façon de faire)

def decorator2(f):
    def decorated(*args, **kwds):
        print(f"IN {f.__name__}({args=}, {kwds=})")
        result = f(*args, **kwds)
        print(f"OUT {f.__name__}")
        return result
    decorated.__name__ = f.__name__
    decorated.__doc__ = f.__doc__
    return decorated

add2 = decorator2(add)
add2.__name__, add2.__doc__

('add', '\n la somme\n ')

préserver les attributs spéciaux (2)¶

ou encore, la méthode recommandée est d’utiliser .. le décorateur wraps
qui va faire tout ce travail pour nous, avec une simple ligne en plus par rapport à la version naïve

from functools import wraps

def decorator3(f):
    @wraps(f)
    def decorated(*args, **kwds):
        print(f"IN {f.__name__}({args=}, {kwds=})")
        result = f(*args, **kwds)
        print(f"OUT {f.__name__}")
        return result
    return decorated

# et maintenant on a bien tout comme on voulait

add3 = decorator3(add)

add3.__name__, add3.__doc__

('add', '\n la somme\n ')

les callables (avancé)¶

ce sujet nous donne l’occasion de parler des callables

en réalité, un decorator n’est pas nécessairement une fonction; la vraie contrainte est qu’on puisse l’appeler, en lui passant en argument une fonction en paramètre

et parmi les protocoles disponibles sur les classes Python, il y a la notion de callable, qui dicteque si une classe définit la méthode spéciale __call__, alors on peut utiliser ses instances comme une fonction - on peut donc appeler l’instance, d’où le terme de callable

un exemple simple¶

petite digression, juste pour bien voir cette notion de callable d’abord sur un exemple relativement simple

imaginons qu’on a écrit une classe Line
qui possède comme attributs les termes $a$ et $b$ de l’équation $y = ax + b$

du coup chaque instance de cette classe peut être aussi vue comme une fonction qui a x fait correspondre le y calculé de cette façon

c’est très simple d’implémenter cette idée en Python

# pour le fun on va utiliser une dataclasse
# ça nous fera économiser le boiler plate usuel

# en plus ça nous permet de revoir ce concept
# qui n'est rien d'autre que .. un décorateur de classes

from dataclasses import dataclass

class Line:

    def __init__(self, a, b):
        self.a = a
        self.b = b
    # pour rendre nos objets callables
    def __call__(self, x):
        return self.a * x + self.b

# la droite y = 3x + 1
line = Line(3, 1)

# et cet objet peut être utilisé comme une fonction !
# pour x=2 on doit obtenir 3*2+1 = 7
line(2)

7

un décorateur comme une classe¶

du coup on peut tirer profit de ce trait pour implémenter notre décorateur, non plus comme une fonction mais comme une classe

pourquoi faire ça me direz-vous ?
eh bien parce que cela permet de tirer profit de l’avantage que procure une classe: les objets retiennent un état, ce qui n’est pas le cas des fonctions

pour le fun, voyons comment on pourrait implémenter le décorateur de cache de cette façon

# to keep it simple, we support only positional arguments
# also the parameters must be hashable

# usually a decorator's name would be lowercase
# however we use CamelCase here to outline the fact
# that it is implemented as a class
class Cache:
    
    def __init__(self, f):
        self.f = f
        self.cached_values = dict()
    def __call__(self, *args):
        # 
        def decorated(*args):
            if args in self.cached_values:
                return self.cached_values[args]
            else:
                result = self.f(*args)
                self.cached_values[args] = result
                return result
        return decorated

# and with this in place we can use Cache as a decorator

@Cache
def fibo(n):
    if n <= 1:
        return 1
    else:
        return fibo(n-1) + fibo(n-2)

# and it is as efficient as expected

%timeit -n 1 -r 1 fibo(300)

3.31 μs ± 0 ns per loop (mean ± std. dev. of 1 run, 1 loop each)

comment ça marche ?¶

on applique simplement les principes qu’on a vus jusqu’ici:

on calcule Cache(fibo)
qui se trouve être un objet callable car Cache implémente __call__()
et c’est cet objet qui est appelé lorsqu’on écrit fibo(300)

épilogue¶

en élaborant sur ce principe on peut écrire toutes les combinaisons, i.e.:

sous la forme d’une fonction un décorateur de fonction ou de classe
sous la forme d’une classe un décorateur de fonction ou de classe

quelques exemples¶

voici pour finir quelques exemples de décorateurs un peu plus réalistes
pour montrer aussi qu’on peut sans souci chainer les décorateurs...

from functools import wraps

def runtime(func):
    """
    Décorateur qui affiche le temps d'exécution d'une fonction
    """
    import time
    @wraps(func)
    def wrapper(*args, **kwargs):
        t = time.perf_counter()
        res = func(*args, **kwargs)
        print(func.__name__, time.perf_counter()-t)
        return res
    return wrapper

def counter(func):
    """
    Décorateur qui affiche le nombre d'appels à une fonction 
    """
    @wraps(func)
    def wrapper(*args, **kwargs):
        wrapper.count = wrapper.count + 1
        res = func(*args, **kwargs)
        print("{} was called {} times".format(func.__name__, wrapper.count))
        return res
    wrapper.count = 0
    return wrapper

def logfunc(func):
    """
    Décorateur qui log l'activité d'une fonction.
    """
    @wraps(func)
    def wrapper(*args, **kwargs):
        res = func(*args, **kwargs)
        s = """
The function *{}* was called with
    positional arguments: {}
    named arguments: {}
The returned value: {}
"""
        print(s.format(func.__name__, args, kwargs, res))
        return res
    return wrapper

@logfunc
@counter
@runtime
def test(num, L):
    for i in range(num):
        'x' in L
    return 'Done'

test(100000, range(10))

test 0.12882855499999835
test was called 1 times

The function *test* was called with
    positional arguments: (100000, range(0, 10))
    named arguments: {}
The returned value: Done

'Done'

divers

le debugger Python : pdb

sujets avancés

context managers

déjà rencontré¶

pourquoi faire ?¶

principe¶

exemple¶

la syntaxe @truc¶

le module functools¶

décorateur de classes¶

conclusion¶

les attributs de fonction (avancé)¶

préserver les attributs spéciaux¶

préserver les attributs spéciaux (2)¶

les callables (avancé)¶

un exemple simple¶

un décorateur comme une classe¶

comment ça marche ?¶

épilogue¶

quelques exemples¶

la syntaxe `@truc`¶

le module `functools`¶