functools 作用于函数的函数
functools 模块提供用于调整或扩展函数和其他可调用对象的工具，而无需完全重写它们。
装饰器
partial 类是 functools 模块提供的主要工具, 它可以用来“包装”一个可调用的对象的默认参数。它产生的对象本身是可调用的，可以看作是原生函数。它所有的参数都与原来的相同，并且可以使用额外的位置参数或命名参数来调用。使用 partial 代替 lambda 来为函数提供默认参数，同时保留那些未指定的参数。
Partial 对象
下面列子是对 myfunc 方法的两个 partial 对象，show_details() 用于输出partial对象的 func 、 args 和 keywords 属性：
import functools
def myfunc(a, b=2):
"""Docstring for myfunc()."""
print(' 传入参数:', (a, b))
def show_details(name, f, is_partial=False):
"""Show details of a callable object."""
print('{}:'.format(name))
print(' object:', f)
if not is_partial:
print(' __name__:', f.__name__)
if is_partial:
print(' func:', f.func)
print(' args:', f.args)
print(' keywords:', f.keywords)
return
show_details('myfunc', myfunc)
myfunc('a', 3)
print()
# # 给'b'重新设置一个不同的默认参数
# # 调用时仍需提供参数'a'
p1 = functools.partial(myfunc, b=4)
show_details('partial 修改关键字参数', p1, True)
p1('传入 a')
p1('重写 b', b=5)
print()
#
# # 给 'a' 和 'b' 都设置默认参数.
p2 = functools.partial(myfunc, '默认 a', b=99)
show_details('partial 设置默认参数', p2, True)
p2()
p2(b='重写 b')
print()
print('参数缺失时:')
p1()
示例中最后调用第一个 partial 对象而没有传递 a 的值，导致异常。
myfunc:
object: <function myfunc at 0x00000180005077B8>
__name__: myfunc
传入参数: ('a', 3)
partial 修改关键字参数:
object: functools.partial(<function myfunc at 0x00000180005077B8>, b=4)
func: <function myfunc at 0x00000180005077B8>
args: ()
keywords: {'b': 4}
传入参数: ('传入 a', 4)
传入参数: ('重写 b', 5)
partial 设置默认参数:
object: functools.partial(<function myfunc at 0x00000180005077B8>, '默认 a', b=99)
func: <function myfunc at 0x00000180005077B8>
args: ('默认 a',)
keywords: {'b': 99}
传入参数: ('默认 a', 99)
传入参数: ('默认 a', '重写 b')
参数缺失时:
Traceback (most recent call last):
File "functools_partial.py", line 51, in <module>
p1()
TypeError: myfunc() missing 1 required positional argument: 'a'
获取函数属性
默认情况下, partial 对象没有 __name__ 和 __doc__ 属性。 这样不利于被装饰的函数进行调试。可以使用 update_wrapper() 从原函数复制或新增属性到 partial 对象。
import functools
def myfunc(a, b=2):
"""Docstring for myfunc()."""
print(' 传入参数:', (a, b))
def show_details(name, f):
"""Show details of a callable object."""
print('{}:'.format(name))
print(' object:', f)
print(' __name__:', end=' ')
try:
print(f.__name__)
except AttributeError:
print('(no __name__)')
print(' __doc__', repr(f.__doc__))
print()
show_details('myfunc', myfunc)
p1 = functools.partial(myfunc, b=4)
show_details('raw wrapper', p1)
print('Updating wrapper:')
print(' assign:', functools.WRAPPER_ASSIGNMENTS)
print(' update:', functools.WRAPPER_UPDATES)
print()
functools.update_wrapper(p1, myfunc)
show_details('updated wrapper', p1)
添加到装饰器的属性在 WRAPPER_ASSIGNMENTS 中定义，而 WRAPPER_UPDATES 列出要修改的值。
myfunc:
object: <function myfunc at 0x000002315C123E18>
__name__: myfunc
__doc__ 'Docstring for myfunc().'
raw wrapper:
object: functools.partial(<function myfunc at 0x000002315C123E18>, b=4)
__name__: (no __name__)
__doc__ 'partial(func, *args, **keywords) - new function with partial application
of the given arguments and keywords.
'
Updating wrapper:
assign: ('__module__', '__name__', '__qualname__', '__doc__', '__annotations__')
update: ('__dict__',)
updated wrapper:
object: functools.partial(<function myfunc at 0x000002315C123E18>, b=4)
__name__: myfunc
__doc__ 'Docstring for myfunc().'
其他调用对象
partial适用于所有可调用可对象，并不是仅可用于独立函数。
import functools
class MyClass:
"""Demonstration class for functools"""
def __call__(self, e, f=6):
"Docstring for MyClass.__call__"
print(' called object with:', (self, e, f))
def show_details(name, f):
""""Show details of a callable object."""
print('{}:'.format(name))
print(' object:', f)
print(' __name__:', end=' ')
try:
print(f.__name__)
except AttributeError:
print('(no __name__)')
print(' __doc__', repr(f.__doc__))
return
o = MyClass()
show_details('instance', o)
o('e goes here')
print()
p = functools.partial(o, e='default for e', f=8)
functools.update_wrapper(p, o)
show_details('instance wrapper', p)
p()
上面例子使用 MyClass 类的实例的 __call__() 方法创建了partial对象。照样正常工作:
instance:
object: <__main__.MyClass object at 0x000002DE7C2CD2E8>
__name__: (no __name__)
__doc__ 'Demonstration class for functools'
called object with: (<__main__.MyClass object at 0x000002DE7C2CD2E8>, 'e goes here', 6)
instance wrapper:
object: functools.partial(<__main__.MyClass object at 0x000002DE7C2CD2E8>, e='default for e', f=8)
__name__: (no __name__)
__doc__ 'Demonstration class for functools'
called object with: (<__main__.MyClass object at 0x000002DE7C2CD2E8>, 'default for e', 8)
方法和函数
partial() 返回一个可以直接调用的对象， partialmethod() 返回一个可调用的为某个对象准备的未绑定的方法。再下面例子中，同一个独立函数被两次添加到类 MyClass 属性。使用 partialmethod() 生成 method1（）, partial() 生成 method2():
import functools
def standalone(self, a=1, b=2):
"""独立函数"""
print(' called standalone with:', (self, a, b))
if self is not None:
print(' self.attr =', self.attr)
class MyClass:
""""functools 示例类"""
def __init__(self):
self.attr = 'instance attribute'
method1 = functools.partialmethod(standalone)
method2 = functools.partial(standalone)
o = MyClass()
print('standalone')
standalone(None)
print()
print('method1 as partialmethod')
o.method1()
print()
print('method2 as partial')
try:
o.method2()
except TypeError as err:
print('ERROR: {}'.format(err))
method1() 可以被 MyClass 实例调用，和普通类方法一样，实例作为第一个参数传入。method2() 没有被成功绑定为类方法。因此其 self 参数必须显式传入，所以此例抛出 TypeError 异常:
standalone
called standalone with: (None, 1, 2)
method1 as partialmethod
called standalone with: (<__main__.MyClass object at 0x00000214B4459B70>, 1, 2)
self.attr = instance attribute
method2 as partial
ERROR: standalone() missing 1 required positional argument: 'self'
在装饰器中使用
使用装饰器时保持函数的属性信息有时非常有用。但是使用装饰器时难免会损失一些原本的功能信息。所以functools提供了 wraps() 装饰器可以通过 update_wrapper() 将原函数对象的指定属性复制给包装函数对象。
from functools import wraps
def logged1(func):
def with_login(*args, **kwargs):
print(func.__name__ + "was called")
return func(*args, **kwargs)
return with_login
@logged1
def f1(x):
""" function doc"""
return x + x * 1
def logged2(func):
@wraps(func)
def with_login(*args, **kwargs):
print(func.__name__ + "was called")
return func(*args, **kwargs)
return with_login
@logged2
def f2(x):
""" function doc """
return x + x * 1
print("不使用functools.wraps时:")
print("__name__: " + f1.__name__)
print("__doc__: ", end=" ")
print(f1.__doc__)
print()
print("使用functools.wraps时:")
print("__name__: " + f2.__name__)
print("__doc__: ", end=" ")
print(f2.__doc__)
不使用functools.wraps时:
__name__: with_login
__doc__: None
使用functools.wraps时:
__name__: f2
__doc__: function doc
比较
在Python2之前,类中可以定义 __cmp__() 方法，该方法根据对象是否小于、d等于或大于被比较项返回-1、0或1。Python2.1开始引入了 富比较 方法API(__lt__(), __le()__, __eq__(), __ne__(), __gt__() 和 __ge__())，用于执行比较操作返回一个布尔值。Python3中 __cmp__() 放弃支持这些新方法，由 functools 提供工具，以便于编写符合Python3中新的比较需求的类。
富比较
富比较API旨在允许具有复杂比较的类以最有效的方式实现每种计算。但是，对于比较相对简单的类，手动创建每种富比较方法没有意义。total_ordering() 类装饰器可以使被装饰的类只需要定义 __lt__(),__le__().__gt__()和__ge__() 中的其中一个和 __eq__(), 剩下的由该装饰器自动提供。这简化了定义所有富比较操作的工作量。
import functools
import inspect
from pprint import pprint
@functools.total_ordering
class MyObject:
def __init__(self, val):
self.val = val
def __eq__(self, other):
print(' testing __eq__({}, {})'.format(
self.val, other.val))
return self.val == other.val
def __gt__(self, other):
print(' testing __gt__({}, {})'.format(
self.val, other.val))
return self.val > other.val
print("MyObject's Methods:
")
pprint(inspect.getmembers(MyObject, inspect.isfunction))
a = MyObject(1)
b = MyObject(2)
print('
Comparisons:')
for expr in ['a < b', 'a <= b', 'a == b', 'a >= b', 'a > b']:
print('
{:<6}:'.format(expr))
result = eval(expr)
print(' result of {}: {}'.format(expr, result))
MyObject's Methods:
[('__eq__', <function MyObject.__eq__ at 0x0000021DE4DB4048>),
('__ge__', <function _ge_from_gt at 0x0000021DDDE5D268>),
('__gt__', <function MyObject.__gt__ at 0x0000021DE4DB40D0>),
('__init__', <function MyObject.__init__ at 0x0000021DDDE877B8>),
('__le__', <function _le_from_gt at 0x0000021DDDE5D2F0>),
('__lt__', <function _lt_from_gt at 0x0000021DDDE5D1E0>)]
Comparisons:
a < b :
testing __gt__(1, 2)
testing __eq__(1, 2)
result of a < b: True
a <= b:
testing __gt__(1, 2)
result of a <= b: True
a == b:
testing __eq__(1, 2)
result of a == b: False
a >= b:
testing __gt__(1, 2)
testing __eq__(1, 2)
result of a >= b: False
a > b :
testing __gt__(1, 2)
result of a > b: False
虽然该装饰器能很容易的创建完全有序类型，但衍生出的比较函数执行的可能会更慢，以及产生更复杂的堆栈跟踪。如果性能基准测试表明这是程序的瓶颈，则实现所有六个富比较函数可能会提高速度。
排序规则
在Python3中已经废弃了旧时的比较(cmp)函数，因此例如 sorted(),min(),max()等方法不在支持 cmp参数， 但仍然支持key函数。functools提供了 cmp_to_key() 用于将cmp函数转换成key函数。
例如给定一个正整数列表，输出用这些正整数能够拼接成的最大整数。如果是Python2的程序可以是这样:
L = [97, 13, 4, 246]
def my_cmp(a, b):
""" 将比较的两个数字拼接成整数, 比较数值大小"""
return int(str(b) + str(a)) - int(str(a) + str(b))
L.sort(cmp=my_cmp)
print(''.join(map(str, L)))
# 输出 97424613
但Python3的 sort 函数已废弃 cmp 参数，可以使用 cmp_to_key 将cmp函数转换成key函数:
from functools import cmp_to_key
L = [97, 13, 4, 246]
def my_cmp(a, b):
""" 将比较的两个数字拼接成整数, 比较数值大小"""
return int(str(b) + str(a)) - int(str(a) + str(b))
L.sort(key=cmp_to_key(my_cmp))
print(''.join(map(str, L)))
# 输出 97424613
cmp 函数接收两个参数，比较它们，如果小于返回负数，相等返回0，大于返回正数。 key 函数接收一个参数，返回用于排序的键。
缓存
lru_cache() 装饰器是 缓存淘汰算法(最近最少使用)的一种实现。其使用函数的参数作为key结果作为value缓存在hash结构中(因此函数的参数必须是hashable)，如果后续使用相同参数再次调用将从hash从返回结果。同时装饰器还添加了检查缓存转态方法(cache_info())和清空缓存方法(cache_clear())给函数。
import functools
@functools.lru_cache()
def demo(a):
print('called demo with {}'.format(a))
return a ^ 2
MAX = 2
print('初次调用:')
for i in range(MAX):
demo(i)
print(demo.cache_info())
print('
第二次调用:')
for i in range(MAX + 1):
demo(i)
print(demo.cache_info())
print('
清空缓存后:')
demo.cache_clear()
print(demo.cache_info())
print('
再次调用:')
for i in range(MAX):
demo(i)
print(demo.cache_info())
代码中多次调用 demo() 方法。首次调用后结果存在缓存中。cache_info() 返回一个命名元组，包括 hits,misses,maxsize 和 currsize 。当第二次调用时命中缓存的调用将直接返回缓存内容，cache_clear() 用于清空当前缓存。
初次调用:
called demo with 0
called demo with 1
CacheInfo(hits=0, misses=2, maxsize=128, currsize=2)
第二次调用:
called demo with 2
CacheInfo(hits=2, misses=3, maxsize=128, currsize=3)
清空缓存后:
CacheInfo(hits=0, misses=0, maxsize=128, currsize=0)
再次调用:
called demo with 0
called demo with 1
CacheInfo(hits=0, misses=2, maxsize=128, currsize=2)
为了防止缓存在长时间运行的流程中无限制地增长，特别设置了 maxsize 参数, 默认是128，设置为None时，则禁用LRU功能,缓存可以无限增长。同时还提供了 typed 参数，用于设置是否区别参数类型，默认为Fals。如果设置为True，那么类似如 demo(1) 和 demo(1.0) 将被视为不同的值不同的调用。
Reduce方法
Python3中取消了全局命名空间中的 reduce() 函数，将 reduced() 放到了 functools 模块中，要使用 reduce() 的话，要先从 functools 中加载。
from functools import reduce
print(reduce(lambda a, b: a + b, range(11)))
# 计算1加到10 结果 55
函数重载
在动态类型的语言(如Python)中，如果需要根据参数的类型执行不同的操作，简单直接的方法就是检查参数的类型。但在行为差异明显的情况下需要分离成单独的函数。 functools 提供 singledispatch() 装饰器注册一组通用函数基于函数的第一个参数的类型自动切换,类似于强类型语言中的函数重载。
import functools
@functools.singledispatch
def myfunc(arg):
print('default myfunc({!r})'.format(arg))
@myfunc.register(int)
def myfunc_int(arg):
print('myfunc_int({})'.format(arg))
@myfunc.register(list)
def myfunc_list(arg):
print('myfunc_list({})'.format(' '.join(arg)))
myfunc('string argument')
myfunc(1)
myfunc(2.3)
myfunc(['a', 'b', 'c'])
被 singledispatch() 装饰的函数是默认实现， 使用其 register() 属性装饰接收其他类型参数的函数。调用时会根据 register() 中注册的类型自动选择实现函数。没有则使用默认实现。
default myfunc('string argument')
myfunc_int(1)
default myfunc(2.3)
myfunc_list(a b c)
另外再有继承的情况下，当类型没有精确匹配时，将根据继承顺序，选择最接近的类型。
import functools
class A:
pass
class B(A):
pass
class C(A):
pass
class D(B):
pass
class E(C, D):
pass
@functools.singledispatch
def myfunc(arg):
print('default myfunc({})'.format(arg.__class__.__name__))
@myfunc.register(A)
def myfunc_A(arg):
print('myfunc_A({})'.format(arg.__class__.__name__))
@myfunc.register(B)
def myfunc_B(arg):
print('myfunc_B({})'.format(arg.__class__.__name__))
@myfunc.register(C)
def myfunc_C(arg):
print('myfunc_C({})'.format(arg.__class__.__name__))
myfunc(A())
myfunc(B())
myfunc(C())
myfunc(D())
myfunc(E())
myfunc_A(A)
myfunc_B(B)
myfunc_C(C)
myfunc_B(D)
myfunc_C(E)
在上面代码中，类D和E没有与任何已注册的泛型函数匹配，所以根据其类的继承顺序进行选择。