python的functools模块常用方法介绍

functools模块中有两个方法是从_functools引入的，分别是partial和reduce函数。
functools模块是python2.5版本新增的模块。

1.偏函数partial
python中的偏函数与数学的偏函数意义不同，python中的partial函数用于当某个函数的参数值为固定时使用。参数可以为位置参数args，也可以为keyword参数kargs
(1) 不带默认参数的加法函数
例如，当我们要求三个数的加法时，我们可以定义一个函数如下：

from functools import partial
def add(a, b, c):
    return a + b + c
print add(1, 2, 3)

输出：

6

(2) 带默认参数的加法函数
如果参数a为固定值100，则我们可以利用partial函数改写如下：

def add(a, b, c):
    return a + b + c
print "add", add(1, 2, 3)
add_plus = partial(add, 100)
print "partial(add, 100)", add_plus(5, 6)
add_plus = partial(add, 100, 200)
print "partial(add, 100, 200)", add_plus(5)

输出结果为：

add 6
partial(add, 100) 111
partial(add, 100, 200) 305

当函数中某些参数有默认值时，partial函数也能为默认参数匹配正确的位置。
定义一个含有默认参数的函数：

def add(a, b=333, c):
    return a + b + c
print "add", add(1, 2)

输出结果：

  File "E:\python_program\leetcode\python_knowledge\functools_test.py", line 10
    def add(a, b=333, c):
SyntaxError: non-default argument follows default argument

抛出SyntaxError异常，原来python函数的设置有默认值的参数必须放在函数参数的最后。
重新定义：

def add(a, b=333, c=6):
    print "a,b,c的值分别为：",a,b,c
    return a + b + c
print "add", add(1, 2)
add_plus = partial(add, 100)
print "partial(add, 100)", add_plus(5, 7)
add_plus = partial(add, 100, 200)
print "partial(add, 100, 200)", add_plus(5)

输出结果：

add 
a,b,c的值分别为： 1 2 6
9
partial(add, 100) 
a,b,c的值分别为： 100 5 7
112
partial(add, 100, 200) 
a,b,c的值分别为： 100 200 5
305

从返回结果可以看出，
当定义偏函数为partial(add, 100)时，其将100按add方法的顺序赋值给了参数a,因此调用add_plus(5, 7)时，5赋值给了b,7赋值给了c,因此相加的结果为112。
当定义偏函数为partial(add, 100, 200)时，其将100给了默认参数a,200给了默认函数b，因此调用add_plus(5)时，5赋值给了c，因此相加的结果为305。
注意：调用add_plus方法的参数个数=add方法的参数个数-partial的默认参数个数。
(3) 带位置参数和keyword参数的函数

def add(*args, **kargs):
    print "args的值为：",args
    print "kargs的值为：",kargs

print "add", add(1, 2)
new_add = partial(add,1,2,3,a=100,b=200,c=300)
print "new_add", new_add(4,5,e=400,f=500)

输出结果：

add args的值为： (1, 2)
kargs的值为： {}
None
new_add args的值为： (1, 2, 3, 4, 5)
kargs的值为： {'a': 100, 'c': 300, 'b': 200, 'e': 400, 'f': 500}
None

从结果可以看出，函数可以传递任何形式的参数，位置参数会追加到args中，keyword参数会追加到kargs。

2.reduce
collections中的reduce函数与python内置的reduce()函数功能相同，在该模块中设置该函数的目的是为了与python3兼容。

3.update_wrapper

4.wraps
functools.wraps(wrapped[, assigned][, updated])
This is a convenience function for invoking partial(update_wrapper, wrapped=wrapped, assigned=assigned, updated=updated) as a function decorator when defining a wrapper function.

例如(python2.7.2官方文档中的例子):

>>> from functools import wraps
>>> def my_decorator(f):
...     @wraps(f)
...     def wrapper(*args, **kwds):
...         print 'Calling decorated function'
...         return f(*args, **kwds)
...     return wrapper
...
>>> @my_decorator
... def example():
...     """Docstring"""
...     print 'Called example function'
...
>>> example()
Calling decorated function
Called example function
>>> example.__name__
'example'
>>> example.__doc__
'Docstring'

结果说明：
example函数被装饰器my_decorator修饰，装饰器的内部函数被wraps函数修饰，需要注意的是，被wraps修饰后，example函数的名字和说明文档与example函数一致，但是去掉@wraps(f)修饰后，输出的example函数名称为wrapper，说明文档为None。

5.total_ordering(2.7版本新增功能)
total_ordering是实现更多比较排序方法类的装饰器。简化了比较操作。该类必须定义一下方法中的一种 lt(), le(), gt(), or ge()，另外必须定义 eq() 方法。
例子：

class Student:
    def __init__(self, firstname, lastname):
        self.firstname = firstname
        self.lastname = lastname

    def __eq__(self, other):
        return ((self.lastname.lower(), self.firstname.lower()) ==
                (other.lastname.lower(), other.firstname.lower()))
    def __lt__(self, other):
        return ((self.lastname.lower(), self.firstname.lower()) <
                (other.lastname.lower(), other.firstname.lower()))

a = Student("ab", "cd")
b = Student("ac", "cd")

print "a<b", a<b
print "a", a
print "b", b
print "sorted([a,b])", sorted([a,b])

输出：

a<b True
a <__main__.Student instance at 0x0000000002A46288>
b <__main__.Student instance at 0x0000000002A462C8>
sorted([a,b]) [<__main__.Student instance at 0x0000000002A46288>, <__main__.Student instance at 0x0000000002A462C8>]

注意：python的list、dict、int、string 都是可以比较大小的。

6.cmp_to_key(2.7版本新增功能)
functools.cmp_to_key(func)
该功能主要是为了解决python版本，函数不兼容的问题，比如sorted(), min(), max(), heapq.nlargest(), heapq.nsmallest(), itertools.groupby()等函数。

拿sorted()函数举例
在python2.x版本中，sorted函数的格式为sorted(iterable[, cmp[, key[, reverse]]])
，在python3.x版本中，sorted函数的格式为sorted(iterable[, key][, reverse]) 。所以当我们需要将python2.x的程序移植到python3.x的环境中时，我们需要把原来cmp参数位置的函数，转变为可以传递给参数key函数，此时我们就需要用到collections模块下的cmp_to_key方法。
cmp_to_key函数的源码如下：

def cmp_to_key(mycmp):
    """Convert a cmp= function into a key= function"""
    class K(object):
        __slots__ = ['obj']
        def __init__(self, obj, *args):
            self.obj = obj
        def __lt__(self, other):
            return mycmp(self.obj, other.obj) < 0
        def __gt__(self, other):
            return mycmp(self.obj, other.obj) > 0
        def __eq__(self, other):
            return mycmp(self.obj, other.obj) == 0
        def __le__(self, other):
            return mycmp(self.obj, other.obj) <= 0
        def __ge__(self, other):
            return mycmp(self.obj, other.obj) >= 0
        def __ne__(self, other):
            return mycmp(self.obj, other.obj) != 0
        def __hash__(self):
            raise TypeError('hash not implemented')
    return K

比较函数是任何的可以接受两个参数，并且在函数中比较他们的函数。如果第一个参数小于第二个参数，则返回一个负数；如果相等，则返回0；如果大于返回正数。
key函数接受一个参数，并按照返回的值排列顺序。
sorted(iterable[, cmp[, key[, reverse]]]) 中的cmp参数形如cmp=lambda x,y: cmp(x.lower(), y.lower()).
cmp_to_key()函数使用实例：

from functools import cmp_to_key
s = [{"key":3},{"key":1},{"key":5}]
key = cmp_to_key(lambda x,y: x["key"] - y["key"])
b = sorted(s,key=key,reverse=True)
print b

输出结果：

[{'key': 5}, {'key': 3}, {'key': 1}]