我想了解什么是猴子补丁或猴子补丁？
是方法/运算符重载还是委派？
这些东西有什么共同点吗？
我想了解什么是猴子补丁或猴子补丁？
是方法/运算符重载还是委派？
这些东西有什么共同点吗？
Answers:
不，这与这些东西都不一样。它只是在运行时动态替换属性。
例如，考虑一个具有method的类get_data。该方法进行外部查找（例如，在数据库或Web API上），并且类中的各种其他方法都调用它。但是，在单元测试中，您不希望依赖于外部数据源-因此您可以用get_data返回一些固定数据的存根动态替换该方法。
因为Python类是可变的，并且方法只是类的属性，所以您可以随意执行此操作-实际上，您甚至可以以完全相同的方式替换模块中的类和函数。
但是，正如评论员指出的那样，在进行猴子修补时要格外小心：
如果除了测试逻辑调用之外还有其他要求get_data，它还会调用猴子修补的替代品，而不是原始替代品-可能是好是坏。提防。
如果存在某个变量或属性get_data，在您替换它时也指向该函数，则该别名将不会更改其含义，并且将继续指向原始get_data。（为什么？Python只是get_data将类中的名称重新绑定到其他函数对象；其他名称绑定完全不受影响。）
get_data，将名称重新绑定get_data到模拟函数。如果程序中其他位置的其他名称绑定到以前称为函数的功能get_data，则该其他名称将保持不变。
MonkeyPatch是一段Python代码，可在运行时（通常在启动时）扩展或修改其他代码。
一个简单的示例如下所示：
from SomeOtherProduct.SomeModule import SomeClass
def speak(self):
return "ook ook eee eee eee!"
SomeClass.speak = speak资料来源： Zope Wiki上的MonkeyPatch页面。
什么是猴子补丁？
简而言之，猴子修补程序是在程序运行时对模块或类进行更改。
在Pandas文档中有一个猴子修补的示例：
import pandas as pd
def just_foo_cols(self):
"""Get a list of column names containing the string 'foo'
"""
return [x for x in self.columns if 'foo' in x]
pd.DataFrame.just_foo_cols = just_foo_cols # monkey-patch the DataFrame class
df = pd.DataFrame([list(range(4))], columns=["A","foo","foozball","bar"])
df.just_foo_cols()
del pd.DataFrame.just_foo_cols # you can also remove the new method为了解决这个问题，首先我们导入模块：
import pandas as pd接下来，我们创建一个方法定义，该定义在任何类定义的范围之外都是未绑定的和自由的（由于函数和未绑定方法之间的区别是毫无意义的，Python 3取消了未绑定方法）：
def just_foo_cols(self):
"""Get a list of column names containing the string 'foo'
"""
return [x for x in self.columns if 'foo' in x]接下来，我们简单地将该方法附加到要在其上使用的类：
pd.DataFrame.just_foo_cols = just_foo_cols # monkey-patch the DataFrame class然后，我们可以在类的实例上使用方法，并在完成后删除该方法：
df = pd.DataFrame([list(range(4))], columns=["A","foo","foozball","bar"])
df.just_foo_cols()
del pd.DataFrame.just_foo_cols # you can also remove the new method如果您正在使用名称处理（带有双下划线的前缀属性，这会更改名称，并且我不建议这样做），则必须手动命名。由于我不建议使用名称修饰，因此在此不再进行演示。
我们如何在测试中使用这些知识？
假设我们需要模拟对外部数据源的数据检索调用，该调用会导致错误，因为我们要确保在这种情况下的正确行为。我们可以猴子修补数据结构以确保这种行为。（因此，使用与Daniel Roseman建议的类似的方法名称：）
import datasource
def get_data(self):
'''monkey patch datasource.Structure with this to simulate error'''
raise datasource.DataRetrievalError
datasource.Structure.get_data = get_data当我们测试它的行为是否依赖于此方法引发错误时，如果正确实施，我们将在测试结果中获得该行为。
只需执行上述操作，就Structure可以在整个过程中更改对象，因此，您需要在单元测试中使用设置和拆卸来避免这样做，例如：
def setUp(self):
# retain a pointer to the actual real method:
self.real_get_data = datasource.Structure.get_data
# monkey patch it:
datasource.Structure.get_data = get_data
def tearDown(self):
# give the real method back to the Structure object:
datasource.Structure.get_data = self.real_get_data（虽然上面是好的，它很可能是一个更好的主意，使用mock图书馆修补代码mock的patch装饰会少些误差比上面做容易，这需要更多的代码，从而有更多机会引入错误我尚未审查其中的代码，mock但我想它以类似的方式使用了猴子修补程序。）
首先：猴子修补是一个邪恶的hack（我认为）。
它通常用于用自定义实现替换模块或类级别的方法。
最常见的用例是在无法替换原始代码时为模块或类中的错误添加解决方法。在这种情况下，您可以通过猴子补丁替换“错误的”代码，并将其替换为您自己的模块/包中的实现。
猴子补丁只能用动态语言完成，其中python是一个很好的例子。在运行时更改方法而不是更新对象定义是一个示例；类似地，在运行时添加属性（无论方法还是变量）也被视为猴子补丁。这些操作通常在使用您没有来源的模块时完成，这样就无法轻易更改对象定义。
这被认为是不好的，因为这意味着对象的定义不能完全或准确地描述其实际行为。
什么是猴子修补？猴子修补程序是一种用于在运行时动态更新一段代码的行为的技术。
为什么要使用猴子补丁？它允许我们在运行时修改或扩展库，模块，类或方法的行为，而无需实际修改源代码
结论猴子修补是一种很酷的技术，现在我们已经学习了如何在Python中进行修补。但是，正如我们所讨论的，它有其自身的缺点，应谨慎使用。
有关更多信息，请参考[1]：https : //medium.com/@nagillavenkatesh1234/monkey-patching-in-python-explained-with-examples-25eed0aea505
pointing to the original get_data function？您是说，如果有人将函数存储在变量中时，如果有人更改了该函数，该变量将继续指向旧函数？