Python中惊人的functools模块！！！

使用functools优雅杀掉Messenger代码

functools.partial

部分函数是允许函数的部分应用到高阶函数的。假设有一个函数带有很多的参数，但是每次只需要改一个或两个参数就可以使用该函数时，就可以使用部分函数 。使用偏函数，您可以为一个函数赋予任何参数值来固定它的参数数目，从而减少了创建另一个参数的必要。结果，您得到的就是优雅且易于阅读的代码了。

上面的logger函数采用2个参数 -log_level和message。

问题陈述—显然只是让所有消息都记录在相同的 ‘DEBUG’ 级别，但是不幸的是，每次用logger方法对函数进行调用时，我们都被迫传递出值为 ‘DEBUG’ 的参数 log_level。

解决方案—使用部分函数，​我们将 log_level的值固定为“ DEBUG”，并为其创建了一个更加方便的函数 debug_logger，该函数现在将message作为唯一参数，并返回相同的结果。

functools.lru_cache

我们现在要讨论的功能无疑是我的最爱之一。试想一下，借助 **“lru_cache”**装饰器，您几乎可以解决40％到50％的动态编程问题。 LRU代表“最近最少使用”，它会将上次函数执行出来的结果保存在内存中，并且在必须再次执行该函数时，首先进行检查高速缓存，如果找到，它将返回结果，否则将继续执行该函数。

当我们需要通过函数执行计算量大或受约束的操作时， “ lru_cache” 可以为我们节省大量时间。

让我们通过一个例子来理解以上概念→

只需在函数上应用 “lru_cache” 装饰器，即可使用上述算法快速执行，请 在下次解决问题时尝试使用这种方法，并亲自见证其真正的威力。

functools.singledispatch

“ singledispatch” 使您可以实现函数重载 。它将您的函数转换为泛型函数，根据第一个参数的类型， 泛型 函数可能具有不同的行为。

在默认实现上使用 “singledispatch” 装饰器，然后在需要重载的函数上简单添加 “@ .register（）”。

让我们看看在行动中实现上述概念的代码→

如果不是为了 “单次派发”， 则仅为了实现上述代码，否则就需要多个条件。并且将来每次出现处理新类型的要求时，我们都不得不将对 doubleTheValue 函数进行更改，从而违反了 Open close原则。

functools.reduce

Reduce还是高阶函数，主要用于在传递的序列上进行迭代时累积数据→

reduce(function, sequence, start)

缩小功能的工作→

1. 在第一次迭代中，将提供的函数应用于序列的第一个元素和起始值，然后将结果返回到下一个迭代。

2. 在第二次迭代中，将相同的函数应用于先前计算的结果和序列的下一个元素，然后使用新计算的值更新结果。

3. 在所有后续迭代中，重复执行步骤2，直到序列用尽为止，然后返回最终结果。

Reduce始终返回单个值。

让我们看看减少动作→

结论

在本文中，我们了解了functools模块，并了解它如何使我们的代码更具可读性，更优雅，更快速。我希望您在阅读本文并熟悉其功能后，可以更舒适地使用functools模块。

最后多说一句，大家可以多多关注主编，每天更新有关的Python学习的各种经验和有趣的小代码。

下面还有还有一个小编创的 学习交流群 ，有兴趣的小伙伴可以加一下。