python之functools

functools模块

partial方法

    偏函数，把函数部分的参数固定下来，相当于为了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举例

import functools

def add(x,y)-> int:

    return x + y

newadd = functools.partial(add,1)

print(newadd(7))

print(newadd(7,10))

print(newadd())

partial原理

def partial(func,*args,**kwwords):

    def newfunc(*fargs,**fkeywords):

        newkeywords = keywords.copy()

        newkeywords.update(fkeywords)

        return func(*(args + fargs),**newkeywords)

    newfunc.func = func

    newfunc.args = args

    newfunc.keywords = keywords

    return newfunc

def add(x,y):

    return x + y

foo = partial(add,4)

foo(5)

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

    Least-recently-used装饰器。lru，最近少使用。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功能执行的最好

    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

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

    使用场景，单机上需要空间换时间的地方，可以用缓存将计算变成快速的查询