Python模块之functools

前言

这几年一直在it行业里摸爬滚打，一路走来，不少总结了一些python行业里的高频面试，看到大部分初入行的新鲜血液，还在为各样的面试题答案或收录有各种困难问题

于是乎，我自己开发了一款面试宝典，希望能帮到大家，也希望有更多的Python新人真正加入从事到这个行业里，让python火不只是停留在广告上。

微信小程序搜索：Python面试宝典

或可关注原创个人博客：https://lienze.tech

也可关注微信公众号，不定时发送各类有趣猎奇的技术文章：Python编程学习

functools模块

作用于或返回其他函数的函数，一般来说，任何可调用对象都可以作为这个模块的用途来处理

lru_cache

functools.lru_cache(maxsize=128, typed=False)

functools.lru_cache的作用主要是用来做缓存，他能把相对耗时的函数结果进行保存，避免传入相同的参数重复计算

同时，缓存并不会无限增长，不用的缓存会被释放

Least Recently Used

maxsize: 代表缓存的内存占用值，超过这个值之后，就的结果就会被释放，然后将新的计算结果进行缓存,其值应当设为2的幂
typed: 若为True，则会把不同的参数类型得到的结果分开保存

被 lru_cache 装饰的函数会有 cache_clear 和 cache_info 两个方法，分别用于清除缓存和查看缓存信息

from functools import lru_cache

@lru_cache(None)
def add(x, y):
    print("运算结果: %s + %s = " % (x, y),end="")
    return x + y

print(add(1, 2))
print(add(1, 2))
print(add(2, 3))

---

partial

functools.partial(func, *args, **keywords)

partial也称作偏函数，可以将某个函数的参数从左向右依次给予默认值，并返回一个新的函数对象

class partial(builtins.object)
	partial(func, *args, **keywords) - new function with partial application
	of the given arguments and keywords.

from functools import partial
def func(x,y):
    print('x:',x)
    print('y:',y)
    return x + y 
new_ = partial(func,1,2)
new_()
-------效果-------
x: 1
y: 2
3

可以简化函数调用过程，将固定参数直接通过partial方法进行绑定

reduce

reduce(function, sequence[, initial]) -> value

进行累计运算

reduce(lambda x,y : x + y, range(5))

wraps

functools.wraps旨在消除装饰器对原函数造成的影响，即对原函数的相关属性进行拷贝，已达到装饰器不修改原函数的目的

• 传统的装饰器装饰结束之后会导致被装饰函数属性发生改变

import functools
def decorator(f):
    @functools.wraps(f)
    def wapper(*args,**kwargs):
        return f(*args,**kwargs)
    return wapper

@decorator
def f(a,b):
    return a + b
f.__name__ 

• 结果

'wapper'

可以通过wraps进行这样影响的消除

import functools
def decorator(f):
    @functools.wraps(f) # 消除被装饰函数f的属性影响
    def wapper(*args,**kwargs):
        return f(*args,**kwargs)
    return wapper

@decorator
def f(a,b):
    return a + b
f.__name__
# f