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
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
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
reduce
在 Python2 中等同于内建函数 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
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']
Python3 之前还提供了cmp参数来比较两个元素
cmp_to_key 函数就是用来将老式的比较函数转化为 key 函数
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
singledispatch
单分发器， Python3.4新增，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
# {: , : , : , : , : }
#
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。