---

functools 是 Python 标准库中用于 函数式编程 的工具集合，提供了高阶函数与装饰器，方便实现缓存、偏函数、比较规则、装饰器开发等功能。

---

1. functools.partial —— 偏函数

用于 固定部分参数，生成一个新的函数，减少重复传参。

from functools import partial

def power(base, exp):
    return base ** exp

square = partial(power, exp=2)
cube = partial(power, exp=3)

print(square(5))  # 25
print(cube(2))    # 8

使用场景：

• 频繁调用某函数但参数固定。
• GUI 绑定回调函数，传递固定参数。

---

2. functools.wraps —— 编写优雅装饰器

装饰器会改变被装饰函数的 __name__、__doc__，wraps 可保持原函数信息。

from functools import wraps

def logger(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        print(f"调用 {func.__name__}()")
        return func(*args, **kwargs)
    return wrapper

@logger
def greet(name):
    """问候函数"""
    print(f"Hello, {name}")

greet("Alice")
print(greet.__name__)  # greet
print(greet.__doc__)   # 问候函数

---

3. functools.lru_cache —— 缓存函数结果

Least Recently Used Cache，提升重复调用的性能。

from functools import lru_cache
import time

@lru_cache(maxsize=128)
def slow_add(a, b):
    time.sleep(1)
    return a + b

print(slow_add(1, 2))  # 第一次 1s
print(slow_add(1, 2))  # 缓存命中，瞬间返回

注意：缓存依赖 参数可哈希性。

---

4. functools.reduce —— 累积运算

对序列做 二元累积操作。

from functools import reduce

nums = [1, 2, 3, 4]
product = reduce(lambda x, y: x * y, nums)
print(product)  # 24

替代方案：多数情况可用 sum()、math.prod() 或循环代替，但 reduce 适用于复杂累积逻辑。

---

5. functools.cmp_to_key —— 自定义排序

Python 3 移除了 cmp 参数，改用 key。此函数可将比较函数转换为 key。

from functools import cmp_to_key

def compare(a, b):
    return len(a) - len(b)

words = ["pear", "apple", "banana"]
words.sort(key=cmp_to_key(compare))
print(words)  # ['pear', 'apple', 'banana']

---

6. functools.singledispatch —— 单分派泛型函数

实现“函数重载”，根据第一个参数类型自动选择实现。

from functools import singledispatch

@singledispatch
def process(data):
    print("默认处理：", data)

@process.register
def _(data: int):
    print("处理整数：", data)

@process.register
def _(data: list):
    print("处理列表：", data)

process(10)       # 处理整数
process([1, 2])   # 处理列表
process("abc")    # 默认处理

---

7. 其他实用函数

• functools.total_ordering：简化比较方法的编写，自动补全 __lt__、__eq__。
• functools.cache：Python 3.9+，与 lru_cache(maxsize=None) 等效，简单无限缓存。
• functools.update_wrapper：装饰器内部保持元信息（wraps 的底层实现）。

---

8. 学习小结

• 函数式编程：偏函数(partial)、累积(reduce)。
• 性能优化：缓存(lru_cache, cache)。
• 装饰器开发：wraps, update_wrapper。
• 扩展功能：泛型函数(singledispatch)、排序(cmp_to_key)、类比较(total_ordering)。

functools 提供的这些工具非常适合 提高代码可读性、减少重复、提升性能。

---

Views: 0