Python库functools详解

阿里云国内75折 回扣 微信号：monov8
阿里云国际，腾讯云国际，低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号：monov8 飞机：@monov6

functools模块是Python的标准库的一部分它是为高阶函数而实现的。高阶函数是作用于或返回另一个函数或多个函数的函数。一般来说对这个模块而言任何可调用的对象都可以作为一个函数来处理。

functools 提供了 11个函数： 

1. cached_property

将类的方法转换为一个属性该属性的值计算一次然后在实例的生命周期中将其缓存作为普通属性。与 property() 类似但添加了缓存对于在其他情况下实际不可变的高计算资源消耗的实例特征属性来说该函数非常有用。

# cached_property　缓存属性
class cached_property(object):
    """
    Decorator that converts a method with a single self argument into a
    property cached on the instance.
    Optional ``name`` argument allows you to make cached properties of other
    methods. (e.g.  url = cached_property(get_absolute_url, name='url') )
    """
    def __init__(self, func, name=None):
        # print(f'f: {id(func)}')
        self.func = func
        self.__doc__ = getattr(func, '__doc__')
        self.name = name or func.__name__
 
    def __get__(self, instance, type=None):
        # print(f'self func: {id(self.func)}')
        # print(f'instance: {id(instance)}')
        if instance is None:
            return self
        res = instance.__dict__[self.name] = self.func(instance)
        return res
 
 
class F00():
    @cached_property
    def test(self):
        # cached_property 将会把每个实例的属性存储到实例的__dict__中, 实例获取属性时, 将会优先从__dict__中获取则不会再次调用方法内部的过程
        print(f'运行test方法内部过程')
        return 3
    
    @property
    def t(self):
        print('运行t方法内部过程')
        return 44
 
 
f = F00()
print(f.test)  # 第一次将会调用test方法内部过程
print(f.test)  # 再次调用将直接从实例中的__dict__中直接获取不会再次调用方法内部过程
print(f.t)     # 调用方法内部过程取值
print(f.t)     # 调用方法内部过程取值
 
# 结果输出
# 运行test方法内部过程
# 3
# 3
# 运行t方法内部过程
# 44
# 运行t方法内部过程
# 44

2. cmp_to_key

在 list.sort 和 内建函数 sorted 中都有一个 key 参数

x = ['hello','worl','ni']
x.sort(key=len)
print(x)
# ['ni', 'worl', 'hello']

3. lru_cache

允许我们将一个函数的返回值快速地缓存或取消缓存。
该装饰器用于缓存函数的调用结果对于需要多次调用的函数而且每次调用参数都相同则可以用该装饰器缓存调用结果从而加快程序运行。
该装饰器会将不同的调用结果缓存在内存中因此需要注意内存占用问题。

from functools import lru_cache
@lru_cache(maxsize=30)  # maxsize参数告诉lru_cache缓存最近多少个返回值
def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)
print([fib(n) for n in range(10)])
fib.cache_clear()   # 清空缓存

4. partial

用于创建一个偏函数将默认参数包装一个可调用对象返回结果也是可调用对象。
偏函数可以固定住原函数的部分参数从而在调用时更简单。

from functools import partial

int2 = partial(int, base=8)
print(int2('123'))
# 83

5. partialmethod

对于python 偏函数partial理解运用起来比较简单就是对原函数某些参数设置默认值生成一个新函数。而如果对于类方法因为第一个参数是 self使用 partial 就会报错了。

class functools.partialmethod(func, /, *args, **keywords) 返回一个新的 partialmethod 描述器其行为类似 partial 但它被设计用作方法定义而非直接用作可调用对象。

func 必须是一个 descriptor 或可调用对象同属两者的对象例如普通函数会被当作描述器来处理。

当 func 是一个描述器例如普通 Python 函数, classmethod(), staticmethod(), abstractmethod() 或其他 partialmethod 的实例时, 对 __get__ 的调用会被委托给底层的描述器并会返回一个适当的 部分对象 作为结果。

当 func 是一个非描述器类可调用对象时则会动态创建一个适当的绑定方法。 当用作方法时其行为类似普通 Python 函数：将会插入 self 参数作为第一个位置参数其位置甚至会处于提供给 partialmethod 构造器的 args 和 keywords 之前。

from functools import partialmethod

class Cell:
    def __init__(self):
        self._alive = False
    @property
    def alive(self):
        return self._alive
    def set_state(self, state):
        self._alive = bool(state)

    set_alive = partialmethod(set_state, True)
    set_dead = partialmethod(set_state, False)

    print(type(partialmethod(set_state, False)))
    # <class 'functools.partialmethod'>

c = Cell()
c.alive
# False

c.set_alive()
c.alive
# True

6. reduce

函数的作用是将一个序列归纳为一个输出reduce(function, sequence, startValue) 

from functools import reduce

l = range(1,50)
print(reduce(lambda x,y:x+y, l))
# 1225

7. singledispatch

单分发器用于实现泛型函数。根据单一参数的类型来判断调用哪个函数。

from functools import singledispatch
@singledispatch
def fun(text):
	print('String：' + text)

@fun.register(int)
def _(text):
	print(text)

@fun.register(list)
def _(text):
	for k, v in enumerate(text):
		print(k, v)

@fun.register(float)
@fun.register(tuple)
def _(text):
	print('float, tuple')
fun('i am is hubo')
fun(123)
fun(['a','b','c'])
fun(1.23)
print(fun.registry)	# 所有的泛型函数
print(fun.registry[int])	# 获取int的泛型函数
# String：i am is hubo
# 123
# 0 a
# 1 b
# 2 c
# float, tuple
# {<class 'object'>: <function fun at 0x106d10f28>, <class 'int'>: <function _ at 0x106f0b9d8>, <class 'list'>: <function _ at 0x106f0ba60>, <class 'tuple'>: <function _ at 0x106f0bb70>, <class 'float'>: <function _ at 0x106f0bb70>}
# <function _ at 0x106f0b9d8>

8. singledispatchmethod

与泛型函数类似可以编写一个使用不同类型的参数调用的泛型方法声明根据传递给通用方法的参数的类型编译器会适当地处理每个方法调用。 

class Negator:
    @singledispatchmethod
    def neg(self, arg):
        raise NotImplementedError("Cannot negate a")

    @neg.register
    def _(self, arg: int):
        return -arg

    @neg.register
    def _(self, arg: bool):
        return not arg

9. total_ordering

它是针对某个类如果定义了lt、le、gt、ge这些方法中的至少一个使用该装饰器则会自动的把其他几个比较函数也实现在该类中 

from functools import total_ordering

class Person:
    # 定义相等的比较函数
    def __eq__(self,other):
        return ((self.lastname.lower(),self.firstname.lower()) == 
                (other.lastname.lower(),other.firstname.lower()))

    # 定义小于的比较函数
    def __lt__(self,other):
        return ((self.lastname.lower(),self.firstname.lower()) < 
                (other.lastname.lower(),other.firstname.lower()))

p1 = Person()
p2 = Person()

p1.lastname = "123"
p1.firstname = "000"

p2.lastname = "1231"
p2.firstname = "000"

print p1 < p2  # True
print p1 <= p2  # True
print p1 == p2  # False
print p1 > p2  # False
print p1 >= p2  # False

10. update_wrapper

使用 partial 包装的函数是没有__name__和__doc__属性的。
update_wrapper 作用：将被包装函数的__name__等属性拷贝到新的函数中去。 

from functools import update_wrapper
def wrap2(func):
	def inner(*args):
		return func(*args)
	return update_wrapper(inner, func)

@wrap2
def demo():
	print('hello world')

print(demo.__name__)
# demo

11. wraps

warps 函数是为了在装饰器拷贝被装饰函数的__name__。
就是在update_wrapper上进行一个包装 

from functools import wraps
def wrap1(func):
	@wraps(func)	# 去掉就会返回inner
	def inner(*args):
		print(func.__name__)
		return func(*args)
	return inner

@wrap1
def demo():
	print('hello world')

print(demo.__name__)
# demo

参考文献

Python-functools详解 - 知乎

Python的functools模块_Python之简的博客-CSDN博客_functools

Python的Functools模块简介_函数

cached_property/缓存属性_小二百的博客-CSDN博客 

盖若 gairuo.com

阿里云国内75折 回扣 微信号：monov8
阿里云国际，腾讯云国际，低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号：monov8 飞机：@monov6
标签: python
返回列表

上一篇：linux中使用KubeSphere和集群k8s 部署springboot项目

下一篇：SymPy符号运算库与latex数学公式

“Python库functools详解” 的相关文章

Python实现抽奖程序1年前 (2023-02-02)
Python 疫情数据可视化（爬虫+数据可视化）（Jupyter环境）_jupyter爬虫1年前 (2023-02-02)
【代码附】Python实现简单的7款小程序。_python制作小程序1年前 (2023-02-02)
Python数据库编程之pymysql详解1年前 (2023-02-02)
新版selenium4.0 + Python使用详解1年前 (2023-02-02)
如何用python爬虫抓取音乐1年前 (2023-02-02)
基于风光储能和需求响应的微电网日前经济调度（Python代码实现）【0】1年前 (2023-02-02)
Python 字典(Dictionary)操作详解1年前 (2023-02-02)
Python的自定义函数———总结分析，详细讲解自定义函数，带实例1年前 (2023-02-02)
关于一次python服务性能的问题分析定位1年前 (2023-02-02)

阿里云国际版