如何将方法名作为参数调用其他方法？类设计及装饰器应用咨询

一、现有代码的问题 #

• 硬编码字符串判断指标，新增指标时必须修改evaluate方法，违反开闭原则
• 参数列表固定a,b,c，无法适配参数数量不同的新指标
• 语法错误：returns应为return，判断条件里的=要改成==，且return score[0]会报错（metric1和metric2返回的是数值，不是可索引的序列）

二、更优实现方案 #

1. 方法映射+动态参数适配 #

把指标名称与对应方法存入字典，用*args和**kwargs适配不同指标的参数，新增指标只需添加方法并更新映射：

class A:
    def __init__(self, region):
        self.region = region
        # 建立指标名称到方法的映射
        self.metric_map = {
            'metric1': self.metric1,
            'metric2': self.metric2
        }

    def metric1(self, a, b):
        return a * b

    def metric2(self, a, b, c):
        return self.metric1(a, b) + c

    def evaluate(self, metric, *args, **kwargs):
        if metric not in self.metric_map:
            raise ValueError(f"不支持的指标：{metric}")
        return self.metric_map[metric](*args, **kwargs)

# 使用示例
obj1 = A('XYZ')
print(obj1.evaluate('metric1', 2, 3))  # 输出6
print(obj1.evaluate('metric2', 2, 3, 4))  # 输出10

2. 装饰器自动注册指标 #

用装饰器自动将指标方法加入映射，新增指标时只需给方法加装饰器，无需手动修改metric_map：

class A:
    def __init__(self, region):
        self.region = region
        self.metric_map = {}

    def register_metric(self, metric_name):
        def decorator(func):
            self.metric_map[metric_name] = func
            return func
        return decorator

    @register_metric('metric1')
    def metric1(self, a, b):
        return a * b

    @register_metric('metric2')
    def metric2(self, a, b, c):
        return self.metric1(a, b) + c

    def evaluate(self, metric, *args, **kwargs):
        if metric not in self.metric_map:
            raise ValueError(f"不支持的指标：{metric}")
        return self.metric_map[metric](*args, **kwargs)

三、依赖evaluate输出的后续方法设计合理性 #

这种设计完全合理，类的核心就是封装相关行为与状态，后续方法依赖evaluate的输出是自然的逻辑。推荐两种实现方式：

• 直接调用evaluate：适合单次计算场景

  class A:
      # 省略前面的代码...
      def post_calculate(self, metric, *args, **kwargs):
          base_score = self.evaluate(metric, *args, **kwargs)
          # 示例：根据地区调整分数
          return base_score * 1.2 if self.region == 'XYZ' else base_score * 0.9
  

• 保存结果为实例属性：适合多次复用同一指标结果的场景

  class A:
      def __init__(self, region):
          self.region = region
          self.metric_map = {}
          self.last_score = None  # 保存最近一次计算的分数
  
      # 省略前面的代码...
      def evaluate(self, metric, *args, **kwargs):
          if metric not in self.metric_map:
              raise ValueError(f"不支持的指标：{metric}")
          self.last_score = self.metric_map[metric](*args, **kwargs)
          return self.last_score
  
      def post_calculate(self):
          if self.last_score is None:
              raise ValueError("请先调用evaluate方法获取分数")
          return self.last_score * 0.8  # 后续计算逻辑
  

四、装饰器的其他优化场景 #

除了自动注册指标，还可以用装饰器给所有指标添加通用逻辑，比如参数校验、日志记录：

class A:
    def __init__(self, region):
        self.region = region
        self.metric_map = {}

    def register_metric(self, metric_name):
        def decorator(func):
            def wrapper(*args, **kwargs):
                # 通用参数校验：确保所有参数为数值类型
                for arg in args:
                    if not isinstance(arg, (int, float)):
                        raise TypeError(f"参数{arg}必须是数值类型")
                return func(*args, **kwargs)
            self.metric_map[metric_name] = wrapper
            return wrapper
        return decorator

    @register_metric('metric1')
    def metric1(self, a, b):
        return a * b

内容的提问来源于stack exchange，提问作者JamesHunt