在本文中，我们来看看functools 标准库模块以及您可以用它做的 6 件很酷的事情
1. 缓存
可以使用@cache装饰器（以前称为@lru_cache）作为“简单的轻量级无界函数缓存”。
典型的例子是计算斐波那契数列，其中缓存中间结果，显着加快计算速度：
from functools import cache
@cache
def fibonacci(n: int) -> int:
if n <= 1:
return n
return fibonacci(n - 1) + fibonacci(n - 2)
for i in range(40):
print(fibonacci(i))
|
由于所有重复计算，它需要 28.30 秒 ，使用@cache后，只需要 0.02 秒
可以使用 @cached_property来对属性执行相同的操作
2.编写更少的注释方法
使用 @total_ordering 装饰器，您可以编写 __eq__() 和 __lt__()、__le__()、__gt__() 或 __ge__()中的一个，因此只需两个，而且它会自动为您提供其他方法。代码少，自动化程度高。
根据文档，它的代价是更慢的执行速度和更复杂的堆栈跟踪。此外，该装饰器不会覆盖类或其超类中已声明的方法。
"dunder "一词来源于 "双下划线"。在 Python 中，"dunder 方法 "也被称为 "魔法方法 "或 "特殊方法"，是一组预定义的方法，其名称的开头和结尾都带有双下划线 (如 __init__, __str__) 。
3.冻结函数
partial() 可以对现有函数进行基本封装，这样就可以在没有默认值的地方设置默认值。
例如，如果我想让 print() 函数总是以逗号而不是换行符结束，我可以使用 partial() 如下：
from functools import partial
print_no_newline = partial(print, end=', ')
# Normal print() behavior:
for _ in range(3): print('test')
test
test
test
# My new frozen print() one:
for _ in range(3): print_no_newline('test')
test, test, test,
|
另一个例子是通过将 exp 参数固定为 2，将 pow() 内建函数冻结为总是平方：
from functools import partial
# Using partial with the built-in pow function
square = partial(pow, exp=2)
# Testing the new function
print(square(4)) # Outputs: 16
print(square(5)) # Outputs: 25
|
另外一个例子：
from functools import partial
def power(base, exponent):
return base ** exponent
square = partial(power, exponent=2)
cube = partial(power, exponent=3)
print(square(4)) # 16
print(cube(4)) # 64
|
通过使用 partial()，可以简化重复调用，提高代码清晰度，并创建具有预设配置的可重用组件。
还有 partialmethod()，其行为类似 partial()，但旨在用作方法定义而非直接调用。
4.使用泛型函数
随着 PEP 443的引入，Python 增加了对 "单调度泛型函数 "的支持。
这些函数允许您为一个主函数定义一组函数（变体），其中每个变体处理不同类型的参数。
@singledispatch 装饰器协调了这种行为，使函数能够根据参数的类型改变其行为。
from functools import singledispatch
@singledispatch
def process(data):
"""Default behavior for unrecognized types."""
print(f"Received data: {data}")
@process.register(str)
def _(data):
"""Handle string objects."""
print(f"Processing a string: {data}")
@process.register(int)
def _(data):
"""Handle integer objects."""
print(f"Processing an integer: {data}")
@process.register(list)
def _(data):
"""Handle list objects."""
print(f"Processing a list of length: {len(data)}")
# Testing the generic function
process(42) # Outputs: Processing an integer: 42
process("hello") # Outputs: Processing a string: hello
process([1, 2, 3]) # Outputs: Processing a list of length: 3
process(2.5) # Outputs: Received data: 2.5
|
在上面的示例中，当我们调用流程函数时，会根据传递的参数类型调用相应的注册函数。
对于没有注册函数的数据类型，则使用默认行为（在主 @singledispatch 装饰函数下定义）。
这样的设计可以使代码更有条理、更清晰，尤其是当一个函数需要以不同方式处理各种数据类型时。
5.帮助编写更好的装饰器
在创建装饰器时，使用 functools.wraps 保留原始函数的元数据（如名称和 docstring）是一种很好的做法。这样可以确保被装饰的函数保持其特性。
在 Python 中编写装饰器时，最好使用 functools.wraps() 以避免丢失所装饰函数的 docstring 和其他元数据：
from functools import wraps
def mydecorator(func):
@wraps(func)
def wrapped(*args, **kwargs):
result = func(*args, **kwargs)
return result
return wrapped
@mydecorator
def hello(name: str):
"""Print a salute message"""
print(f"Hello {name}")
多亏了 functools，封装元数据才得以保留：
print(hello.__doc__) # 'Print a salute message'
print(hello.__annotations__) # {'name': <class 'str'>}
# 如果没有 functools.wraps 就会打印：
print(hello.__doc__) # None
print(hello.__annotations__) # {}
|
这样保留装饰函数的元数据，开发人员就更容易理解函数的目的和用法。
6.汇总数据或累积转换
functools.reduce(func, iterable) 是一个函数，它通过对可迭代元素从左到右依次应用一个函数来累加结果。
注意 reduce() 在 Python 3 中被移到了 functools 模块中，而在 Python 2 中 reduce() 是一个内置函数。
这在各种需要汇总数据或以累积方式转换数据的场景中都很有用。
下面是一个例子，我用它来聚合对数字列表的运算符模块操作：
from functools import reduce
import operator
numbers = list(range(1, 11)) # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
print(operator.add(1, 2)) # 3
print(reduce(operator.add, numbers)) # 55
print(reduce(operator.sub, numbers)) # -53
print(reduce(operator.mul, numbers)) # 3628800
print(reduce(operator.truediv, numbers)) # 2.7557319223985893e-07
|
7、使用 functools.timeout 为函数执行超时：
您可以使用 functools.timeout 为函数设置最长执行时间。如果函数没有在指定时间内执行完毕，则会引发超时错误（TimeoutError）。
from functools import timeout
@timeout(5)
def slow_function():
# Some time-consuming operations
import time
time.sleep(10)
return "Function completed successfully"
try:
result = slow_function()
print(result)
except TimeoutError:
print("Function took too long to execute")
|
8、使用 functools.singleton 创建单例 (Python 3.11+)：
从 Python 3.11 开始，functools 模块包含了 singleton，它是一个装饰器，可以确保一个类只有一个实例。
from functools import singleton
@singleton
class MySingletonClass:
def __init__(self):
print("Creating instance")
obj1 = MySingletonClass()
obj2 = MySingletonClass()
print(obj1 is obj2) # Output: True
|
这些示例只是 Python 中 functools 模块众多功能中的一小部分。它是函数式编程的强大工具，可以简化代码的设计和维护。