Pyhon 之 functools

Pyhon 之 functools

functools模块

reduce方法

• reduce方法，顾名思义就是减少
• reduce(function,sequence[,initial])->value
• 可迭代对象不能为空；初始值没有提供就在可迭代对象中取一个元素

from functools import reduce
nums = [6,9,4,2,4,10,5,9,6,9]
print(nums)
print(sum(nums))
print(reduce(lambda val,x: val + x,nums))

---

partial方法

• 偏函数，把函数部分的参数固定下来，相当于为部分的参数添加了一个固定的默认值，形成一个新的函数并返回

• 从partial生成的新函数，是对原函数的封装

• partial方法举例

import functools
def add(x,y)->int:
    return x + y

newadd = functools.partial(add,y=5)

print(newadd(7))
print(newadd(7,y=6))
print(newadd(y=10,x=5))

import inspect
print(inspect.signature(newadd))

12
13
15
(x, *, y=5) -> int

partial函数本质

def partial(func,*args,**kwargs):
    def newfunc(*fargs,**fkwargs):
        newkwargs = kwargs.copy()
        newkwargs.update(fkwargs)
        return func(*(args+fargs),**newkwargs)
    newfunc.func = func
    newfunc.args = args
    newfunc.kwargs = kwargs
    return newfunc

def add(x,y):
    return print(x + y)

foo = partial(add,4)
foo(5)

---

@fooctools.lru_cache(maxsize = 128 , typed = False)

• Least-recently-used装饰器。lru，最近最少使用。cache缓存
• 如果maxsize设置为None，则禁用LRU功能，并且缓存可以无限制增长。当maxsize是二的幂时，LRU功能执行得最好
• 如果typed设置为True，则不同类型的函数参数将单独缓存。例如，f(3)和f(3.0)将被视为具有不同结果的不同调用
• 举例

import functools
import time
@functools.lru_cache()
def add(x,y,z=3):
    time.sleep(z)
    return x + y

print(add(4,5))
print(add(4.0,5))
add(4,6)
add(4,6,3)
add(6,4)
add(4,y=6)
add(x=4,y=6)
add(y=6,x=4)

---

lru_cache装饰器

• 通过一个字典缓存被装饰函数的调用和返回值
• key是什么？看看下面这段代码

def _make_key(args,kwds,kwd_mark = (object(),)):
	key = args
	if kwds:
		key += kwd_mark
		for item in kwds.items():
			key += item
	elif len(key) == 1 :
		return key[0]
	reutrn key

functools._make_key((4,6){'z':3},False)
functools._make_key((4,6,3),{},False)
functools._make_key(tuple(),{'z':3,'x':4,'y':6},False)
functools._make_key((),{'z':3,'x':4,'y':6},True)

---

• lru_cache装饰器
  • 斐波那契数列递归方法的改造

import functools

@functools.lru_cache()
def fib(n):
    return 1 if n<3 else fib(n-1) + fib(n-2)
print([fib(i+1) for i in range(35)])

---

lru_cache 装饰器应用

• 适用前提
  • 同样的函数参数一定得到同样的结果
  • 函数执行时间很长，且要多次执行
• 本质是函数调用的参数==》返回值
• 缺点
  • 不支持缓存过期，key无法过期、失效
  • 不支持清除操作
  • 不支持分布式，是一个单机的缓存
• 适用场景，单机上需要空间换时间的地方，可以用缓存来将计算变成快速的查询