python中functools 起什么作用

在 Python 中，functools 是一个标准库模块，提供了一组实用工具，用于操作函数和可调用对象。它常用于装饰器、函数缓存、部分应用等，帮助开发者编写更简洁和高效的代码。

`functools` 的作用和常用功能

以下是 functools 模块中几个常见功能的介绍及用法：

1. `functools.partial`

用于创建一个部分函数（partial function），即“固定”原函数的一些参数，生成一个新的函数。这样，调用新的函数时，只需提供未固定的参数。

用法示例

python">import functoolsdef power(base, exponent):return base ** exponent# 固定 exponent=2
square = functools.partial(power, exponent=2)
print(square(4))  # 相当于 power(4, 2)，输出 16# 固定 base=2
cube = functools.partial(power, base=2)
print(cube(3))  # 相当于 power(2, 3)，输出 8

2. `functools.lru_cache`

用于缓存函数的计算结果，以提升函数的性能，特别是对于需要重复调用的纯函数（即没有副作用的函数）。

用法示例

python">import functools@functools.lru_cache(maxsize=128)  # 缓存最多 128 个结果
def fib(n):if n < 2:return nreturn fib(n-1) + fib(n-2)print(fib(10))  # 第一次计算需要时间
print(fib(10))  # 第二次直接从缓存中获取，速度很快

参数说明：
- maxsize：缓存的最大条目数，设置为 None 表示无限缓存。
- typed：如果为 True，会区分相同值的不同类型（如 1 和 1.0）。

3. `functools.reduce`

用于迭代地对序列的元素应用某个函数，并将结果累积到一个值。

用法示例

python">import functoolsnumbers = [1, 2, 3, 4]
result = functools.reduce(lambda x, y: x * y, numbers)
print(result)  # 相当于 (((1*2)*3)*4)，输出 24

4. `functools.singledispatch`

实现单分派泛型函数（single-dispatch generic function），可以根据第一个参数的类型调用不同的实现。

用法示例

python">import functools@functools.singledispatch
def process(value):print(f"Default processing for {value}")@process.register(int)
def _(value: int):print(f"Processing an integer: {value}")@process.register(str)
def _(value: str):print(f"Processing a string: {value}")process(42)         # 调用 int 版本
process("hello")    # 调用 str 版本
process(3.14)       # 调用默认版本

5. `functools.wraps`

用于编写装饰器时保留被装饰函数的元信息（如函数名 __name__ 和文档字符串 __doc__）。

问题背景

不使用 functools.wraps 的话，装饰器会使原函数的元信息丢失。

用法示例

python">import functoolsdef my_decorator(func):@functools.wraps(func)  # 保留原函数的元信息def wrapper(*args, **kwargs):print("Calling decorated function")return func(*args, **kwargs)return wrapper@my_decorator
def say_hello():"""This function says hello."""print("Hello!")say_hello()
print(say_hello.__name__)  # 输出 "say_hello"，而不是 "wrapper"
print(say_hello.__doc__)   # 输出 "This function says hello."

6. `functools.total_ordering`

简化实现比较运算符。只需要实现 __eq__ 和一个其他比较方法（如 __lt__），total_ordering 会自动生成其他方法（如 __le__、__gt__ 和 __ge__）。

用法示例

python">import functools@functools.total_ordering
class Person:def __init__(self, name, age):self.name = nameself.age = agedef __eq__(self, other):return self.age == other.agedef __lt__(self, other):return self.age < other.agep1 = Person("Alice", 30)
p2 = Person("Bob", 25)
print(p1 > p2)  # True
print(p1 <= p2) # False

7. `functools.cache`

从 Python 3.9 开始，cache 是一种更简单的 lru_cache 变体，没有 maxsize 限制，适用于缓存无限结果。

用法示例

python">import functools@functools.cache
def factorial(n):return n * factorial(n-1) if n else 1print(factorial(5))  # 第一次计算
print(factorial(5))  # 第二次从缓存中读取

总结

functools 模块是编写高效、优雅 Python 代码的强大工具箱，涵盖了函数缓存、部分函数、泛型函数、装饰器辅助工具等功能。熟练掌握这些功能，可以帮助你提升代码的可读性和性能。