Python学习之 ---functools+reduce方法+ partial偏函数+lru_cache缓存复用

之前在将装饰器时使用到了functool里的wpapsfunctool 里还有几个很重要的部分值得深入学习 .

• 包括:
  • reduce方法
  • partial偏函数
  • lrc _cache_

接下来将对这些方法进行详细的叙说:

• 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；初始值没提供就在可迭代对象中取一个元素

from functools import reduce 
print(reduce(lambda x,y:x+y, range(5)))#先传入0,和1,相加得到的1 ,此时x赋值为1,后传入2,与x=1 相加,而后在次赋值给x,在传入一个数3,依次往后直到结束.
print(sum(range(5),10))  # sum函数的带初始值相加
print(reduce(lambda x,y:x*y,range(1,5),10)) # reduce 函数带初始值的相乘
>>> 
10
20
240
# reduce  的函数定义
# def reduce(function, iterable, initializer=None):
    it = iter(iterable)
    if initializer is None:
        value = next(it)
    else:
        value = initializer
    for element in it:
        value = function(value, element)
    return value

• 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方法举例一

  import functools
  def add(x, y) -> int: 
      return x + y
  newadd = functools.partial(add, y=5)  #偏函数返回的是新函数  
  print(newadd(7))
  print(newadd(7, y=6))
  print(newadd(y=10, x=6))
  import inspect
  print(inspect.signature(newadd))
  >>>
  12
  13
  16
  (x, *, y=5) -> int   
  

partial方法举例二: