什么是猴子补丁？
我想了解什么是猴子补丁或猴子补丁？
这是像方法/运营商重载或委托？
这些东西有什么共同点吗？
不，这不像那些东西。 这只是在运行时dynamicreplace属性。
例如，考虑一个具有方法get_data 。 此方法执行外部查找（例如，在数据库或Web API上），而类中的其他各种方法调用它。 但是，在unit testing中，您不希望依赖外部数据源，因此您可以dynamic地将get_data方法replace为可返回一些固定数据的存根。
因为Python类是可变的，而且方法只是类的属性，所以你可以尽可能地做到这一点 – 事实上，甚至可以用完全相同的方式replace模块中的类和函数。
MonkeyPatch是一段Python代码，它在运行时（通常在启动时）扩展或修改其他代码。
一个简单的例子是这样的：
from SomeOtherProduct.SomeModule import SomeClass def speak(self): return "ook ook eee eee eee!" SomeClass.speak = speak
来源： Zope维基上的MonkeyPatch页面。
什么是猴子补丁？
简而言之，在程序运行时，猴子补丁正在对模块或类进行更改。
使用示例
在Pandas文档中有一个猴子补丁的例子：
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，首先我们导入我们的模块：
import pandas as pd
接下来我们创build一个方法定义，该定义在任何类定义的范围之外都是无约束和自由的（因为在函数和未绑定方法之间的区别是毫无意义的，所以Python 3不使用未绑定的方法）：
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我们想要使用它的类上：
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该方法，并在完成时删除该方法：
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
注意名称的变形
如果你正在使用name-mangling（带有双下划线的前缀属性，这会改变名字，而我不build议这样做），如果你这样做的话，你必须手工命名。 既然我不推荐名字，我不会在这里展示。
testing例子
我们如何使用这些知识，例如在testing中？
假设我们需要模拟一个数据检索调用到一个导致错误的外部数据源，因为我们希望在这种情况下确保正确的行为。 我们可以修补数据结构来确保这种行为。 （所以使用丹尼尔·罗斯曼build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
而当我们testing依赖这种方法的行为时，如果正确实施，我们会在testing结果中得到这种行为。
只是做了上面的事情就会改变整个过程的Structure对象，所以你需要在你的unit testing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
（虽然以上是好的，但使用mock库来修补代码可能是一个好主意， mock的patch比上面的代码更容易出错，这将需要更多的代码行，从而有更多的机会引入错误，我还没有在mock检查代码，但我想它使用类似的方式猴子补丁。）
根据维基百科 ：
在Python中，“猴子补丁”这个术语只是指在运行时对类或模块进行dynamic修改，其目的是将现有的第三方代码作为解决scheme修补到一个不能满足您需求的错误或function。
第一：猴子修补是一个邪恶的黑客（在我看来）。
它通常用于使用自定义实现来replace模块或类级别上的方法。
最常见的用例是当您无法replace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，您可以使用自己的模块/包中的实现来replace“错误”代码。
猴子补丁只能用dynamic语言来完成，其中python就是一个很好的例子。 在运行时更改方法而不是更新对象定义就是一个例子;类似地，在运行时添加属性（无论是方法还是variables）被认为是猴子修补。 这些通常是在处理没有源代码的模块时完成的，因此对象定义不能轻易改变。
这被认为是不好的，因为这意味着对象的定义并不完全或准确地描述它的实际行为。
猴子修补程序是在运行时重新打开类中的现有类或方法，并改变行为，这应谨慎使用，或者只有在真正需要时才使用。
由于Python是一种dynamic编程语言，类是可变的，所以你可以重新打开它们，修改甚至replace它们。
