0

0

Python 如何让一个函数记住它的调用次数和历史参数

冷漠man

冷漠man

发布时间:2026-01-16 22:37:10

|

488人浏览过

|

来源于php中文网

原创

可用函数属性、闭包或类实现函数记忆调用次数和历史参数:方法一为直接添加函数属性,简单但需手动初始化;方法二用闭包封装状态,更安全且支持多实例;方法三用类包装,最灵活,便于扩展重置、查询等功能。

python 如何让一个函数记住它的调用次数和历史参数

可以用函数属性、闭包或类来实现函数“记住”调用次数和历史参数。最简洁常用的是给函数动态添加属性,或用闭包封装状态。

方法一:直接给函数加属性(简单直接)

Python 函数是对象,支持动态绑定属性。在函数内部或外部记录调用信息即可:

  • 首次调用前,手动初始化 func.call_count = 0func.history = []
  • 每次调用时,在函数体内递增计数、追加参数(如 func.history.append(args)
  • 注意:需确保初始化只做一次,推荐在定义后立即设置

示例:

def my_func(x, y):
    my_func.call_count += 1
    my_func.history.append((x, y))
    return x + y
<p>my_func.call_count = 0
my_func.history = []</p>

调用两次后,my_func.call_count 为 2,my_func.history 类似 [(1, 2), (3, 4)]

立即学习Python免费学习笔记(深入)”;

方法二:用闭包封装状态(更安全,避免污染函数名空间)

把计数器和历史列表放在外层函数作用域中,内层函数引用它们,形成闭包:

Nanonets
Nanonets

基于AI的自学习OCR文档处理,自动捕获文档数据

下载
  • 状态变量不会暴露在全局或函数对象上,更干净
  • 适合需要多个独立“可记忆函数”的场景(每个闭包有自己的状态)
  • 返回的函数保持原调用方式,对使用者透明

示例:

def make_tracked_func(func):
    count = 0
    history = []
    def tracked(*args, **kwargs):
        nonlocal count
        count += 1
        history.append((args, kwargs))
        return func(*args, **kwargs)
    tracked.call_count = lambda: count
    tracked.get_history = lambda: history.copy()
    return tracked
<h1>使用</h1><p>add = make_tracked_func(lambda x, y: x + y)
add(1, 2)  # 调用一次
add(3, 4)  # 再调用一次
print(add.call_count())     # → 2
print(add.get_history())    # → [((1, 2), {}), ((3, 4), {})]</p>

方法三:用类包装(最灵活,支持重置、筛选、持久化等)

当需要更多控制(比如清空历史、按条件查询、保存到文件),类是最自然的选择:

  • 把函数逻辑作为实例方法或传入的 callable
  • 用实例属性 self.countself.history 管理状态
  • 可轻松添加 .reset().last_call().calls_since(n) 等方法

示例(简化版):

class TrackedFunction:
    def __init__(self, func):
        self.func = func
        self.count = 0
        self.history = []
<pre class='brush:python;toolbar:false;'>def __call__(self, *args, **kwargs):
    self.count += 1
    self.history.append({'args': args, 'kwargs': kwargs, 'result': self.func(*args, **kwargs)})
    return self.history[-1]['result']

def reset(self):
    self.count = 0
    self.history.clear()

使用

tracked_add = TrackedFunction(lambda x, y: x + y) tracked_add(1, 2) print(tracked_add.count) # → 1 print(tracked_add.history[0]['result']) # → 3

小提醒:避免常见坑

使用这些方法时要注意:

  • 多线程下需加锁(threading.Lock),否则 count += 1 非原子操作可能出错
  • 历史参数含可变对象(如 list、dict)时,建议深拷贝再存,防止后续修改影响记录
  • 闭包中的 nonlocal 只支持单层嵌套;若需多层,改用类或字典容器
  • 函数属性方式不适用于 lambda(lambda 不能赋属性),优先选闭包或类

热门AI工具

更多
DeepSeek
DeepSeek

幻方量化公司旗下的开源大模型平台

豆包大模型
豆包大模型

字节跳动自主研发的一系列大型语言模型

WorkBuddy
WorkBuddy

腾讯云推出的AI原生桌面智能体工作台

腾讯元宝
腾讯元宝

腾讯混元平台推出的AI助手

文心一言
文心一言

文心一言是百度开发的AI聊天机器人,通过对话可以生成各种形式的内容。

讯飞写作
讯飞写作

基于讯飞星火大模型的AI写作工具,可以快速生成新闻稿件、品宣文案、工作总结、心得体会等各种文文稿

即梦AI
即梦AI

一站式AI创作平台,免费AI图片和视频生成。

ChatGPT
ChatGPT

最最强大的AI聊天机器人程序,ChatGPT不单是聊天机器人,还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

相关专题

更多
python中print函数的用法
python中print函数的用法

python中print函数的语法是“print(value1, value2, ..., sep=' ', end=' ', file=sys.stdout, flush=False)”。本专题为大家提供print相关的文章、下载、课程内容,供大家免费下载体验。

193

2023.09.27

python print用法与作用
python print用法与作用

本专题整合了python print的用法、作用、函数功能相关内容,阅读专题下面的文章了解更多详细教程。

19

2026.02.03

counta和count的区别
counta和count的区别

Count函数用于计算指定范围内数字的个数,而CountA函数用于计算指定范围内非空单元格的个数。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。

203

2023.11.20

lambda表达式
lambda表达式

Lambda表达式是一种匿名函数的简洁表示方式,它可以在需要函数作为参数的地方使用,并提供了一种更简洁、更灵活的编码方式,其语法为“lambda 参数列表: 表达式”,参数列表是函数的参数,可以包含一个或多个参数,用逗号分隔,表达式是函数的执行体,用于定义函数的具体操作。本专题为大家提供lambda表达式相关的文章、下载、课程内容,供大家免费下载体验。

215

2023.09.15

python lambda函数
python lambda函数

本专题整合了python lambda函数用法详解,阅读专题下面的文章了解更多详细内容。

192

2025.11.08

Python lambda详解
Python lambda详解

本专题整合了Python lambda函数相关教程,阅读下面的文章了解更多详细内容。

61

2026.01.05

线程和进程的区别
线程和进程的区别

线程和进程的区别:线程是进程的一部分,用于实现并发和并行操作,而线程共享进程的资源,通信更方便快捷,切换开销较小。本专题为大家提供线程和进程区别相关的各种文章、以及下载和课程。

765

2023.08.10

Python 多线程与异步编程实战
Python 多线程与异步编程实战

本专题系统讲解 Python 多线程与异步编程的核心概念与实战技巧,包括 threading 模块基础、线程同步机制、GIL 原理、asyncio 异步任务管理、协程与事件循环、任务调度与异常处理。通过实战示例,帮助学习者掌握 如何构建高性能、多任务并发的 Python 应用。

377

2025.12.24

Python异步编程与Asyncio高并发应用实践
Python异步编程与Asyncio高并发应用实践

本专题围绕 Python 异步编程模型展开,深入讲解 Asyncio 框架的核心原理与应用实践。内容包括事件循环机制、协程任务调度、异步 IO 处理以及并发任务管理策略。通过构建高并发网络请求与异步数据处理案例,帮助开发者掌握 Python 在高并发场景中的高效开发方法,并提升系统资源利用率与整体运行性能。

37

2026.03.12

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
最新Python教程 从入门到精通
最新Python教程 从入门到精通

共4课时 | 22.5万人学习

Django 教程
Django 教程

共28课时 | 4.9万人学习

SciPy 教程
SciPy 教程

共10课时 | 1.9万人学习

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号