Python functools模塊如何使用

本篇文章給大家分享的是有關Python functools模塊如何使用，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

functools 模塊中主要包含了一些函數裝飾器和便捷的功能函數。在 Python 的交互式解釋器中先導入 functools 模塊，然后輸入 [e for e in dir(functools) if not e.startswith('_')] 命令，即可看到該模塊所包含的全部屬性和函數：

>>> [e for e in dir(functools) if not e.startswith('_')]
['MappingProxyType', 'RLock', 'WRAPPER_ASSIGNMENTS', 'WRAPPER_UPDATES', 'WeakKeyDictionary', 'cmp_to_key', 
'get_cache_token', 'lru_cache', 'namedtuple', 'partial', 'partialmethod', 'recursive_repr', 'reduce', 'singledispatch',
 'total_ordering', 'update_wrapper', 'wraps']

在functools 模塊中常用的函數裝飾器和功能函數如下：

functools.cmp_to_key(func)：將老式的比較函數（func）轉換為關鍵字函數（key function）。在 Python 3 中比較大小、排序都是基于關鍵字函數的，Python 3 不支持老式的比較函數。

@functools.lru_cache(maxsize=128, typed=False)：該函數裝飾器使用 LRU（最近最少使用）緩存算法來緩存相對耗時的函數結果，避免傳入相同的參數重復計算。同時，緩存并不會無限增長，不用的緩存會被釋放。其中 maxsize 參數用于設置緩存占用的最大字節數，typed 參數用于設置將不同類型的緩存結果分開存放。

@functools.total_ordering：這個類裝飾器（作用類似于函數裝飾器，只是它用于修飾類）用于為類自動生成比較方法。通常來說，開發者只要提供 __lt__()、__le__()、__gt__()、__ge__() 其中之一（最好能提供 __eq__() 方法），@functools.total_ordering裝飾器就會為該類生成剩下的比較方法。

functools.partial(func, *args, **keywords)：該函數用于為 func 函數的部分參數指定參數值，從而得到一個轉換后的函數，程序以后調用轉換后的函數時，就可以少傳入那些己指定值的參數。

functools.partialmethod(func, *args, **keywords)：該函數與上一個函數的含義完全相同，只不過該函數用于為類中的方法設置參數值。

functools.reduce(function, iterable[, initializer])：將初始值（默認為 0，可由 initializer 參數指定）、迭代器的當前元素傳入 function 函數，將計算出來的函數結果作為下一次計算的初始值、迭代器的下一個元素再次調用 function 函數……依此類推，直到迭代器的最后一個元素。

＠functools.singledispatch：該函數裝飾器用于實現函數對多個類型進行重載。比如同樣的函數名稱，為不同的參數類型提供不同的功能實現。該函數的本質就是根據參數類型的變換，將函數轉向調用不同的函數。

functools.update_wrapper(wrapper, wrapped, assigned=WRAPPER_ASSIGNMENTS, updated=WRAPPER_UPDATES)：對 wrapper 函數進行包裝，使之看上去就像 wrapped（被包裝）函數。

@functools.wraps(wrapped, assigned=WRAPPER_ASSIGNMENTS, updated=WRAPPER_UPDATES)：該函數裝飾器用于修飾包裝函數，使包裝函數看上去就像 wrapped 函數。

通過介紹不難發現，functools.update_wrapper 和 ＠functools.wraps 的功能是一樣的，只不過前者是函數，因此需要把包裝函數作為第一個參數傳入；而后者是函數裝飾器，因此使用該函數裝飾器修飾包裝函數即可，無須將包裝函數作為第一個參數傳入。

下面程序示范了 functiontools 棋塊中部分函數或函數裝飾器的用法：

from functools import *
# 以初始值（默認為0）為x，以當前序列元素為y，x+y的和作為下一次的初始值
print(reduce(lambda x,y: x + y, range(5))) # 10
print(reduce(lambda x,y: x + y, range(6))) # 15
# 設初始值為10
print(reduce(lambda x,y: x + y, range(6), 10)) # 25
print('----------------')
class User:
    def __init__(self, name):
        self.name = name
    def __repr__(self):
        return 'User[name=%s' % self.name
# 定義一個老式的大小比較函數，User的name越長，該User越大
def old_cmp(u1 , u2):
    return len(u1.name) - len(u2.name)
my_data = [User('Kotlin'), User('Swift'), User('Go'), User('Java')]
# 對my_data排序，需要關鍵字參數（調用cmp_to_key將old_cmp轉換為關鍵字參數
my_data.sort(key=cmp_to_key(old_cmp))
print(my_data)
print('----------------')
@lru_cache(maxsize=32)
def factorial(n):
    print('~~計算%d的階乘~~' % n)
    if n == 1:
        return 1
    else:
        return n * factorial(n - 1)
# 只有這行會計算，然后會緩存5、4、3、2、1的解乘
print(factorial(5))
print(factorial(3))
print(factorial(5))
print('----------------')
# int函數默認將10進制的字符串轉換為整數
print(int('12345'))
# 為int函數的base參數指定參數值
basetwo = partial(int, base=2)
basetwo.__doc__ = '將二進制的字符串轉換成整數'
# 相當于執行base為2的int()函數
print(basetwo('10010'))
print(int('10010', 2))

以上就是Python functools模塊如何使用，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。