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