Python函数式编程模块functools的使用与实践
作者：盗理者
介绍
functools 模块是 Python 的标准库之一，它提供了一系列用于函数操作的函数。使用这些函数可以编写更简洁、更高效的代码，尤其是在函数式编程范式中。以下是对 functools 模块中一些重要功能做的一个分享
functools 模块的功能
functools.partial
functools.partial 函数用于创建一个新的函数，这个新函数是原始函数的一个偏应用，即固定函数的一些参数。
from functools import partial
# 定义一个函数，需要多个参数
def power(base, exponent):
return base ** exponent
# 使用 functools.partial 创建一个偏函数，只保留一个参数
square = partial(power, exponent=2)
# 调用偏函数
print(square(4)) # 输出： 16
functools.wraps
functools.wraps 装饰器用于保留被包装函数的元信息，如文档字符串、名称和参数列表。
from functools import wraps
# 定义一个函数
def my_function(a, b):
"""函数"""
return a + b
# 使用 functools.wraps 装饰器包装一个函数
@wraps(my_function)
def wrapper(c, d):
return my_function(c, d)
# 检查 wrapper 函数的元信息
print(wrapper.__doc__) # 输出：函数
print(wrapper.__name__) # 输出：my_function
functools.lru_cache
functools.lru_cache 装饰器用于缓存函数的返回值，这对于避免重复计算昂贵的函数调用非常有用。
from functools import lru_cache
@lru_cache(maxsize=None)
def fibonacci(n):
if n <= 1:
return n
return fibonacci(n - 1) + fibonacci(n - 2)
# 调用 fibonacci 函数
print(fibonacci(100)) # 354224848179261915075
functools.reduce
functools.reduce 函数用于将一个二元操作函数累积地应用到一个序列的所有元素上，从左到右，直到序列结束。
from functools import reduce
# 定义一个函数，计算乘积
def multiply(x, y):
return x * y
# 使用 reduce 计算 [1, 2, 3, 4] 的乘积
print(reduce(multiply, [1, 2, 3, 4])) # 输出： 24
实例演示
使用 functools.partial 创建固定参数的函数
from functools import partial
def add(a, b, c):
return a + b + c
partial_add = partial(add, c=5)
print(partial_add(1, 2)) # 输出： 8
使用 functools.wraps 保留原函数的文档字符串和名称
from functools import wraps
def my_function(a, b):
"""函数"""
return a + b
@wraps(my_function)
def my_wrapper(c, d):
return my_function(c, d)
print(my_wrapper.__doc__) # 输出：函数
使用 functools.lru_cache 加速函数的执行
from functools import lru_cache
@lru_cache(maxsize=128)
def memoized_factorial(n):
if n == 0:
return 1
return n * memoized_factorial(n - 1)
print(memoized_factorial(5)) # 输出： 120
在这个例子中，memoized_factorial 函数使用 lru_cache 来缓存之前计算的结果。这意味着当函数被重复调用时，如果之前已经计算过相同参数的结果，functools 将返回缓存的结果，而不是重新计算。
使用 functools.reduce 实现自定义的 reduce 操作
from functools import reduce
def average(total, new_value):
return total + new_value
result = reduce(average, [1, 2, 3, 4], 0) / len([1, 2, 3, 4])
print(result) # 输出： 2.5
在这个例子中，定义了一个 average 函数，它将一个新值加到总和中。然后使用 reduce 函数来应用这个 average 函数到列表 [1, 2, 3, 4] 上，初始值为 0。这样就得到了列表的平均值。
functools 模块为 Python 的函数式编程提供了许多有用的工具。通过学习如何使用 functools.partial、functools.wraps、functools.lru_cache 和 functools.reduce，可以更加高效地处理函数和数据集合。这些功能不仅可以提高代码的性能，还可以使代码更加清晰和易于维护。
到此这篇关于Python函数式编程模块functools的使用与实践的文章就介绍到这了,更多相关Python functools内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！