Python全栈-magedu-2018-笔记23

第十六章 - Python之functools

functools模块

• 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

functools模块

• 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=6))

import inspect
print(inspect.signature(newadd))

functools模块

• partial方法举例

import functools

def add(x, y, *args) -> int:
  print(args)
  return x + y

newadd = functools.partial(add, 1,3,6,5)

print(newadd(7))
print(newadd(7, 10))
print(newadd(9, 10, y=20, x=26)) #
print(newadd())

import inspect
print(inspect.signature(newadd))

functools模块

• partial函数本质

def partial(func, *args, **keywords):
  def newfunc(*fargs, **fkeywords): # 包装函数
   newkeywords = keywords.copy()
   newkeywords.update(fkeywords)
   return func(*(args + fargs), **newkeywords)
  newfunc.func = func # 保留原函数
  newfunc.args = args # 保留原函数的位置参数
  newfunc.keywords = keywords # 保留原函数的关键字参数参数
  return newfunc

def add(x,y):
  return x+y

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

functools模块

• @functools.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

functools模块

• 举例

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

add(4, 5)
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)
思考：缓存的机制是什么？

functools模块

• 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？分析代码看看
    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(tuple(),{'z':3,'x':4,'y':6}, True)

functools模块

• lru_cache装饰器
  • 斐波那契数列递归方法的改造
    import functools

    @functools.lru_cache() # maxsize=None
    def fib(n):
      if n < 3:
       return n
      return fib(n-1) + fib(n-2)

    print([fib(x) for x in range(35)])

functools模块

• lru_cache装饰器应用
  • 使用前提
    • 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

装饰器应用练习

• 一、实现一个cache装饰器，实现可过期被清除的功能
  • 简化设计，函数的形参定义不包含可变位置参数、可变关键词参数和keyword-only参数
  • 可以不考虑缓存满了之后的换出问题
• 二、写一个命令分发器
  • 程序员可以方便的注册函数到某一个命令，用户输入命令时，路由到注册的函数
  • 如果此命令没有对应的注册函数，执行默认函数
  • 用户输入用input(">>")

最后

本文的另外链接是：https://herodanny.github.io/python-magedu-2018-notes23.html

转载于:https://www.cnblogs.com/yindanny/p/10875397.html