http://blog.csdn.net/pipisorry/article/details/26863141
functools模块介绍
functools用于高阶函数:指那些作用于函数或者返回其他函数的函数。通常情况下,只要是可以被当做函数调用的对象就是这个模块的目标。(The functools module is for higher-order functions: functions that act on or return other functions. In general, any callable object can be treated as a function for the purposes of this module.)
偏函数-functools.partial()
functools.
partial
(func[,*args][, **keywords])¶
partial是针对函数起作用的,并且是部分的;而装饰器是对函数进行包装,算是对函数的整体进行处理(其实是对输入和输出)。部分的话其实只有对参数进行部分处理了。
函数的大致意思就是提前给函数绑定几个参数。即functools.partial
的作用是把一个函数的某些参数给固定住(也就是设置默认值),返回一个新的函数,调用这个新函数会更简单。
使用示例
示例1:
有这样的函数:get_useragent(request) 用来获取用户浏览器的ua信息,但是这个函数又不是在主体函数(执行页面渲染的函数)get时调用的,只在模板中的一个filter中调用的(可以理解是在模板渲染时调用的),而filter在执行的时候是不能添加参数的,要怎么处理。
def get(self, request, *args, **kwargs):
context = {
'ua_filter': functools.partial(get_useragent, **{"request": request})
}
self.render('index.html', context)
/* 对应的大致页面代码如下 */
user-agent: {% ua_filter %}
示例2:
示例3:
在tensorflow.map_fn对data中每条数据处理时,arg_value是个值,data是数据流,这时使用偏函数解决其它参数如arg问题。
def logit2labels(data, arg):
...
在tensorflow.map_fn(partial(python_func, arg=arg_value), data)
示例3.1:
def cal(x, arg1, args2):
try:
x[old_col] = args1...args2...x[old_col]
except:
print("x[old_col]:", x[old_col])
df.loc[:, new_col] = df.apply(functools.partial(cal, args1=args1, args2=args2), axis=1)
示例4:
def say(name, age):
print(name, age)
func = functools.partial(say, age=5)
func('the5fire')
# 结果是: the5fire 5
from:http://blog.csdn.net/pipisorry/article/details/26863141