Functools-Python中高阶函数的力量

这是我参与8月更文挑战的第10天，活动详情查看：8月更文挑战

Python标准库包括许多强大的模块，可让你的代码既干净又高效，今天咱们介绍的是functools模块，这个模块提供了许多有用的高阶函数，咱们能够利用这些高阶函数来实现缓存功能、重载、建立装饰器等，会然咱们的代码更加高效，好了，让咱们来看一下，functools模块都给咱们提供了什么呢。

缓存

functools模块中提供了一个简单却又强大的缓存函数(装饰器)lru_cache()，lru_cache()能够直接以语法糖@的形式做用于咱们的函数至上，为咱们的函数提供缓存的功能，遵循最近最少使用的原则，将函数执行结果缓存，方便下次函数执行前查询，若是函数的参数比较固定，逻辑比较固定，那么将很是必要，能够有效的减小函数的执行时间。

import functools
import time


@functools.lru_cache(maxsize=32)
def add(a, b):
    print("sleep 2s")
    time.sleep(2)
    return a+b


print("第1次调用：", add(4, 5))  # 第一次调用，无缓存，执行原函数，结果加入缓存
print("第2次调用：", add(4, 5))  # 第二次调用，参数与第一次相同，匹配到缓存，直接返回缓存，不执行原函数
print("第3次调用：", add(5, 5))  # 第三次调用，参数与以前不一样，无缓存，执行原函数，结果加入缓存
print(add.cache_info())  # 检查函数的缓存信息，它显示缓存命中和未命中的数量
复制代码

执行结果为：

sleep 2s
第1次调用： 9
第2次调用： 9
sleep 2s
第3次调用： 10
CacheInfo(hits=1, misses=2, maxsize=32, currsize=2)

Process finished with exit code 0
复制代码

在这个例子中，咱们使用@lru_cache装饰器处理add()函数并缓存执行的结果(能够缓存32个结果)。为了查看缓存是否真的有效，咱们使用了cache_info()方法检查函数的缓存信息，它显示缓存命中和未命中的数量，经过结果咱们能够看出，在第一次调用的时候并没有缓存，add()函数执行结果存入缓存，第二次的时候命中缓存，第三次的时候没有命中缓存。

若是你想要更细粒度的缓存，那么你也能够包含可选的typed=true参数，这使得不一样类型的参数被分别缓存。 例如，add(4.0, 5.0)和add(4, 5)将被视为不一样的调用。

其实在Python3.8的版本以后，还有另外一个能够用于缓存的装饰器叫作cached_property，这个函数用于缓存类属性的结果，若是你的类的属性是而又不可变的，可使用这个。

比较

您可能已经知道，可使用__lt__()、__gt__()和__eq__()在Python中实现比较操做符，如<、>或==。可是实现__lt__()、__gt__()、__eq__() 、__le__()、__ge__()多是至关繁琐的，恰好functools模块包含total_ordering'装饰器，它能够帮助咱们作到这一点。
咱们只须要实现__eq__()，和__lt__()、__gt__()、__le__()、__ge__()中的任一个方法，其余的它会帮咱们自动提供:

from functools import total_ordering


@total_ordering
class MyNumber:
    def __init__(self, value):
        self.value = value

    def __gt__(self, other):
        return self.value > other.value

    def __eq__(self, other):
        return self.value == other.value

print(MyNumber(5) > MyNumber(3))
# True
print(MyNumber(1) < MyNumber(5))
# True
print(MyNumber(5) >= MyNumber(5))
# True
print(MyNumber(5) <= MyNumber(2))
# False
复制代码

很明显，它能够帮助咱们减小代码和提升可读性。

partial函数(偏函数)

这里的偏函数和数学意义上的偏函数不是一个概念，functools模块中的partial函数的做用是，把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，调用这个新函数会比调用原来的函数更简单。理解起来是否是有些困惑，让咱们来看一些实际的例子。 在Python中，int()函数能够把指定数字字符串转换为整数，默认是作十进制的转换：

print(int(1234))
# 1234
复制代码

但int()函数还提供了一个base参数，默认值为10。若是传入base参数，就能够作N进制的转换，即，默认数字字符串的进制是N进制，要转化为10进制，例如：

print(int("1234", base=8))
# 默认1234位8进制的数字，转化为10进制：668
print(int("1234", base=16))
# 默认1234位16进制的数字，转化为10进制：4660
复制代码

假设要转换大量的8进制字符串，每次都传入int(x, base=8)显得过于麻烦，因而，咱们想到，能够定义一个int8()的函数，默认把base=8传进去：

def int8(x, base=8):
    return int(x, base)

print(int8("1234"))
复制代码

这样，就很是方便了。

其实functools.partial的功能就是可以建立一个偏函数，不须要咱们本身定义int8()，能够直接使用下面的代码建立一个新的函数int8：

int2 = functools.partial(int, base=8)
print(int2('1234'))
复制代码

因此简单来讲，functools.partial的做用就是，把一个函数的某些参数给固定住（也就是设置默认值），返回一个新的函数，使得咱们调用这个新函数会更简单。

重载

咱们都知道严格意义上来讲，在Python中函数重载是不可能实现的，但实际上有一个简单的方法来实现和函数重载类似的功能，那就是使用functools模块中singledispatch函数装饰器。下面来看个例子：

@singledispatch
def show(obj):
    print(obj, type(obj), "obj")


@show.register(str)
def _(text):
    print(text, type(text), "str")


@show.register(int)
def _(n):
    print(n, type(n), "int")

    
show(1234)
show("abcd")
show({"abcd": 1234})
复制代码

结果为：

1234 <class 'int'> int
abcd <class 'str'> str
{'abcd': 1234} <class 'dict'> obj

Process finished with exit code 0
复制代码

可见为show()函数传递不一样的类型参数，就调用不一样的函数，表现不一样的行为，实际上singledispatch实现的是单泛函数，给函数加上.register方法，该方法支持绑定一个变量类型和一个函数。而后它返回一个被重载了的函数。当输入值的类型是经过.register绑定的类型时，就调用同时绑定的函数。

wraps

这一部分在我以前的文章有提到，感性趣的能够看一下：内置装饰器@functools.wrap

总结

functools模块提供了许多有用的功能和装饰器，能够帮助咱们构建更好的代码，我这里提到的只是部份内容。感兴趣的小伙伴能够查看官方文档functools — Higher-order functions and operations on callable objects

最后，感谢女友在工做和生活中的包容、理解与支持 ！