函数属性
python中的函数是一种对象，它有属于对象的属性。除此之外，函数还可以自定义自己的属性。注意，属性是和对象相关的，和作用域无关。
自定义属性
自定义函数自己的属性方式很简单。假设函数名称为myfunc，那么为这个函数添加一个属性var1：
myfunc.var1="abc"
那么这个属性var1就像是全局变量一样被访问、修改。但它并不是全局变量。
可以跨模块自定义函数的属性。例如，在b.py中有一个函数b_func()，然后在a.py中导入这个b.py模块，可以直接在a.py中设置并访问来自b.py中的b_func()的属性。
import b b.b_func.var1="hello" print(b.b_func.var1) # 输出hello
查看函数对象属性
python函数是一种对象，是对象就会有对象的属性。可以通过如下方式查看函数对象的属性：
dir(func_name)
例如，有一个属性__name__，它表示函数的名称：
def f(x):
y=10
def g(z):
return x+y+z
return g
print(f.__name__) # 输出f
还有一个属性__code__，这个属性是本文的重点，它表示函数代码对象：
print(f.__code__)
输出：
上面的输出结果已经指明了__code__也是对象，既然是对象，它就有自己的属性：
print( dir(f.__code__) )
现在，就可以看到函数代码对象相关的属性，其中有一类属性都以co_开头，表示字节码的意思，后文会详细解释这些属性的意义。实际上，并非只有函数具有这些属性，所有的代码块(code block)都有这些属性。
[...省略其它非co_属性... 'co_argcount', 'co_cellvars', 'co_code', 'co_consts', 'co_filename', 'co_firstlineno', 'co_flags', 'co_freevars', 'co_kwonlyargcount', 'co_lnotab', 'co_name', 'co_names', 'co_nlocals', 'co_stacksize', 'co_varnames']
如何查看这些__code__的属性？使用f.__code__.co_XXX即可。由于dir()返回的是属性列表，所以下面使用循环将co_开头的属性都输出出来：
for i in dir(f.__code__):
if i.startswith("co"):
print(i+":",eval("f.__code__."+i))
输出结果：
co_argcount: 1
co_cellvars: ('x', 'y')
co_code: b'd\x01\x89\x01\x87\x00\x87\x01f\x02d\x02d\x03\x84\x08}\x01|\x01S\x00'
co_consts: (None, 10, , 'f..g')
co_filename: g:/pycode/b.py
co_firstlineno: 1
co_flags: 3
co_freevars: ()
co_kwonlyargcount: 0
co_lnotab: b'\x00\x01\x04\x01\x0e\x02'
co_name: f
co_names: ()
co_nlocals: 2
co_stacksize: 3
co_varnames: ('x', 'g')
此外，还可以使用dis模块的show_code()函数来输出这些信息的整理：
import dis
def f(x):
y=10
def g(z):
return x+y+z
return g
print(dis.show_code(f))
输出结果：
Name: f
Filename: g:/pycode/b.py
Argument count: 1
Kw-only arguments: 0
Number of locals: 2
Stack size: 3
Flags: OPTIMIZED, NEWLOCALS
Constants:
0: None
1: 10
2:
3: 'f..g'
Variable names:
0: x
1: g
Cell variables:
0: x
1: y
None
__code__属性的解释
这些属性定义在python源码包的Include/code.h文件中，如有需要，可自行去查看。
另外，这些属性是代码块(code block)的，不限于函数。但此处以函数为例进行说明。
由于这些属性中涉及到了闭包属性(或者嵌套函数的属性)，所以以下面这个a.py文件中的嵌套函数为例：
import dis
x=3
def f(a,b,*args,c):
a=3
y=10
print(a,b,c,x,y)
def g(z):
return a+b+c+x+z
return g
以下是查看函数f()和闭包函数g()的方式：
# f()的show_code结果
dis.show_code(f)
# f()的co_XXX属性
for i in dir(f.__code__):
if i.startswith("co"):
print(i+":",eval("f.__code__."+i))
# 闭包函数，注意，传递了*args参数
f1=f(3,4,"arg1","arg2",c=5)
# f1()的show_code结果
dis.show_code(f1)
# f1()的co_XXX属性
for i in dir(f1.__code__):
if i.startswith("co"):
print(i+":",eval("f1.__code__."+i))
下面将根据上面查看的结果解释各属性：
co_name
函数的名称。
上例中该属性的值为外层函数f和闭包函数g，注意不是f1。
co_filename
函数定义在哪个文件名中。
上例中为a.py。
co_firstlineno
函数声明语句在文件中的第几行。即def关键字所在的行号。
上例中f()的行号为3，g()的行号为7。
co_consts
该函数中使用的常量有哪些。python中并没有专门的常量概念，所有字面意义的数据都是常量。
以下是show_code()得到的f()中的常量：
Constants:
0: None
1: 3
2: 10
3:
4: 'f..g'
而内层函数g()中没有常量。
co_kwonlyargcount
keyword-only的参数个数。
f()的keyword-only的参数只有c，所以个数为1
g()中没有keyword-only类的参数，所以为0
co_argcount
除去*args之外的变量总数。实际上是除去*和**所收集的参数以及keyword-only类的参数之后剩余的参数个数。换句话说，是*或**前面的位置参数个数。
f()中属于此类参数的有a和b，所以co_argcount数值为2
g()中只有一个位置参数，所以co_argcount数值为1
co_nlocals
co_varnames
本地变量个数和它们的名称，变量名称收集在元组中。
f()的本地变量个数为6，元组的内容为：('a', 'b', 'c', 'args', 'y', 'g')
g()的本地变量个数为1，元组的内容为：('z',)
co_stacksize
本段函数需要在栈空间评估的记录个数。换句话说，就是栈空间个数。
这个怎么计算的，我也不知道。以下是本示例的结果：
f()的栈空间个数为6
g()的栈空间个数为2
co_names
函数中保存的名称符号，一般除了本地变量外，其它需要查找的变量(如其它文件中的函数名，全局变量等)都需要保存起来。
f()的co_names：
Names: 0: print 1: x
g()的co_names：
Names: 0: x
co_cellvars
co_freevars
这两个属性和嵌套函数(或者闭包有关)，它们是互相对应的，所以内容完全相同，它们以元组形式存在。
co_cellvars是外层函数的哪些本地变量被内层函数所引用
co_freevars是内层函数引用了哪些外层函数的本地变量
对外层函数来说，co_freevars一定是空元组，对内层函数来说，co_cellvars则一定是空元组。
如果知道自由变量的概念，这个很容易理解。
f()的co_cellvars内容： ('a', 'b', 'c')
g()的co_freevars内容： ('a', 'b', 'c')
co_code
co_flags
co_lnotab
这3个属性和python函数的源代码编译成字节码有关，本文不解释它们。
属性和字节码对象PyCodeObject
对于python，通常都认为它是一种解释型语言。但实际上它在进行解释之前，会先进行编译，会将python源代码编译成python的字节码(bytecode)，然后在python virtual machine(PVM)中运行这段字节码，就像Java一样。但是PVM相比JVM而言，要更"高级"一些，这个高级的意思和高级语言的意思一样：离物理机(处理机器码)的距离更远，或者说要更加抽象。
源代码被python编译器编译的结果会保存在内存中一个名为PyCodeObject的对象中，当需要运行时，python解释器开始将其放进PVM中解释执行，执行完毕后解释器会"根据需要"将这个编译的结果对象持久化到二进制文件*.pyc中。下次如果再执行，将首先从文件中加载(如果存在的话)。
所谓"根据需要"是指该py文件是否只运行一次，如果不是，则写入pyc文件。至少，对于那些模块文件，都会生成pyc二进制文件。另外，使用compileall模块，可以强制让py文件编译后生成pyc文件。
但需要注意，pyc虽然是字节码文件，但并不意味着比py文件执行效率更高，它们是一样的，都是一行行地读取、解释、执行。pyc唯一比py快的地方在导入，因为它无需编译的过程，而是直接从文件中加载对象。
py文件中的每一个代码块(code block)都有一个属于自己的PyCodeObject对象。每个代码块除了被编译得到的字节码数据，还包含这个代码块中的常量、变量、栈空间等内容，也就是前面解释的各种co_XXX属性信息。
pyc文件包含3部分：
- 4字节的Magic int，表示pyc的版本信息
- 4字节的int，是pyc的产生时间，如果与py文件修改时间不同，则会重新生成
- PycodeObject对象序列化的内容
参考文章：//www.jb51.net/article/225710.htm
总结
本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注脚本之家的更多内容！