functools 是 Python 中很簡單但也很重要的模塊，主要是一些 Python 高階函數(shù)相關(guān)的函數(shù)。 該模塊的內(nèi)容并不多袁滥，看 官方文檔 也就知道了。
說到高階函數(shù)，這是函數(shù)式編程范式中很重要的一個(gè)概念自晰，簡單地說， 就是一個(gè)可以接受函數(shù)作為參數(shù)或者以函數(shù)作為返回值的函數(shù)稍坯，因?yàn)?Python 中函數(shù)是一類對象酬荞， 因此很容易支持這樣的函數(shù)式特性。
functools 模塊中函數(shù)只有 cmp_to_key瞧哟、partial混巧、reduce、total_ordering勤揩、update_wrapper咧党、wraps、lru_cache 這幾個(gè)：
被發(fā)配邊疆的 reduce
這個(gè) functools.reduce 就是 Python 2 內(nèi)建庫中的 reduce陨亡，它之所以出現(xiàn)在這里就是因?yàn)?Guido 的獨(dú)裁傍衡，他并不喜歡函數(shù)式編程中的“map-reduce”概念，因此打算將 map 和 reduce 兩個(gè)函數(shù)移出內(nèi)建函數(shù)庫数苫，最后在社區(qū)的強(qiáng)烈反對中將 map 函數(shù)保留在了內(nèi)建庫中聪舒， 但是 Python 3 內(nèi)建的 map 函數(shù)返回的是一個(gè)迭代器對象，而 Python 2 中會(huì) eagerly 生成一個(gè) list虐急，使用時(shí)要多加注意箱残。
該函數(shù)的作用是將一個(gè)序列歸納為一個(gè)輸出，其原型如下：
reduce(function, sequence, startValue)
使用示例：
>>> def foo(x, y):
... return x + y
...
>>> l = range(1, 10)
>>> reduce(foo, l)
45
>>> reduce(foo, l, 10)
55
偏函數(shù) partial 和 partialmethod
用于創(chuàng)建一個(gè)偏函數(shù)止吁，它用一些默認(rèn)參數(shù)包裝一個(gè)可調(diào)用對象被辑，返回結(jié)果是可調(diào)用對象，并且可以像原始對象一樣對待敬惦，這樣可以簡化函數(shù)調(diào)用盼理。
一個(gè)簡單的使用示例：
from functools import partial
def add(x, y):
return x + y
add_y = partial(add, 3) # add_y 是一個(gè)新的函數(shù)
add_y(4) # 7
一個(gè)很實(shí)用的例子：
def json_serial_fallback(obj):
"""
JSON serializer for objects not serializable by default json code
"""
if isinstance(obj, (datetime.datetime, datetime.date)):
return str(obj)
if isinstance(obj, bytes):
return obj.decode("utf-8")
raise TypeError ("%s is not JSON serializable" % obj)
json_dumps = partial(json.dumps, default=json_serial_fallback)
可以在 json_serial_fallback 函數(shù)中添加類型判斷來指定如何 json 序列化一個(gè) Python 對象
partialmethod 是 Python 3.4 中新引入的裝飾器，作用基本類似于 partial俄删， 不過僅作用于方法宏怔。舉個(gè)例子就很容易明白：
class Cell(object):
def __init__(self):
self._alive = False
@property
def alive(self):
return self._alive
def set_state(self, state):
self._alive = bool(state)
set_alive = partialmethod(set_state, True)
set_dead = partialmethod(set_state, False)
c = Cell()
c.alive # False
c.set_alive()
c.alive # True
在 Python 2 中使用 partialmethod 可以這樣定義：
# Code from https://gist.github.com/carymrobbins/8940382
from functools import partial
class partialmethod(partial):
def __get__(self, instance, owner):
if instance is None:
return self
return partial(self.func, instance,
*(self.args or ()), **(self.keywords or {}))
裝飾器相關(guān)
說到“接受函數(shù)為參數(shù)奏路，以函數(shù)為返回值”，在 Python 中最常用的當(dāng)屬裝飾器了臊诊。 functools 庫中裝飾器相關(guān)的函數(shù)是 update_wrapper鸽粉、wraps，還搭配 WRAPPER_ASSIGNMENTS 和 WRAPPER_UPDATES 兩個(gè)常量使用抓艳，作用就是消除 Python 裝飾器的一些負(fù)面作用触机。
wraps
例：
def decorator(func):
def wrapper(*args, **kwargs):
return func(*args, **kwargs)
return wrapper
@decorator
def add(x, y):
return x + y
add # <function __main__.wrapper>
可以看到被裝飾的函數(shù)的名稱，也就是函數(shù)的 __name__ 屬性變成了 wrapper玷或， 這就是裝飾器帶來的副作用儡首，實(shí)際上add 函數(shù)整個(gè)變成了 decorator(add)，而 wraps 裝飾器能消除這些副作用：
def decorator(func):
@wraps(func)
def wrapper(*args, **kwargs):
return func(*args, **kwargs)
return wrapper
@decorator
def add(x, y):
return x + y
add # <function __main__.add>
更正的屬性定義在 WRAPPER_ASSIGNMENTS 中：
>>> functools.WRAPPER_ASSIGNMENTS
('__module__', '__name__', '__doc__')
>>> functools.WRAPPER_UPDATES
('__dict__',)
update_wrapper
update_wrapper 的作用與 wraps 類似偏友，不過功能更加強(qiáng)大蔬胯，換句話說，wraps 其實(shí)是 update_wrapper 的特殊化约谈，實(shí)際上 wraps(wrapped) 相當(dāng)于 partial(update_wrapper, wrapped=wrapped, **kwargs)笔宿。
因此，上面的代碼可以用 update_wrapper 重寫如下：
def decorator(func):
def wrapper(*args, **kwargs):
return func(*args, **kwargs)
return update_wrapper(wrapper, func)
用于比較的 cmp_to_key 和 total_ordering
cmp_to_key
在 list.sort 和 內(nèi)建函數(shù) sorted 中都有一個(gè) key 參數(shù)棱诱，這個(gè)參數(shù)用來指定取元素的什么值進(jìn)行比較，例如按字符串元素的長度進(jìn)行比較：
>>> x = ['hello','abc','iplaypython.com']
>>> x.sort(key=len)
>>> x
['abc', 'hello', 'iplaypython.com']
也就是說排序時(shí)會(huì)先對每個(gè)元素調(diào)用 key 所指定的函數(shù)涝动，然后再排序迈勋。同時(shí)，sorted 和 list.sort 還提供了 cmp 參數(shù)來指定如何比較兩個(gè)元素醋粟，但是在 Python 3 中該參數(shù)被去掉了靡菇。
cmp_to_key 是 Python 2.7 中新增的函數(shù)，用于將比較函數(shù)轉(zhuǎn)換為 key 函數(shù)米愿， 這樣就可以應(yīng)用在接受 key 函數(shù)為參數(shù)的函數(shù)中厦凤。比如 sorted()、min()育苟、 max()较鼓、 heapq.nlargest()、 itertools.groupby() 等违柏。
sorted(range(5), key=cmp_to_key(lambda x, y: y-x)) # [4, 3, 2, 1, 0]
total_ordering
total_ordering 同樣是 Python 2.7 中新增函數(shù)博烂，用于簡化比較函數(shù)的寫法。如果你已經(jīng)定義了__eq__ 方法漱竖，以及 __lt__禽篱、__le__、__gt__ 或者 __ge__() 其中之一馍惹， 即可自動(dòng)生成其它比較方法躺率。官方示例：
@total_ordering
class Student:
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()))
dir(Student) # ['__doc__', '__eq__', '__ge__', '__gt__', '__le__', '__lt__', '__module__']
再看一個(gè)示例：
from functools import total_ordering
@total_ordering
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()))
print dir(Student)
stu = Student("Huoty", "Kong")
stu2 = Student("Huoty", "Kong")
stu3 = Student("Qing", "Lu")
print stu == stu2
print stu > stu3
輸出結(jié)果：
['__doc__', '__eq__', '__ge__', '__gt__', '__init__', '__le__', '__lt__', '__module__']
True
False
用于緩存的lru_cache
這個(gè)裝飾器是在 Python3 中新加的玛界，在 Python2 中如果想要使用可以安裝第三方庫 functools32。該裝飾器用于緩存函數(shù)的調(diào)用結(jié)果悼吱，對于需要多次調(diào)用的函數(shù)脚仔，而且每次調(diào)用參數(shù)都相同，則可以用該裝飾器緩存調(diào)用結(jié)果舆绎，從而加快程序運(yùn)行鲤脏。示例：
from functools import lru_cache
@lru_cache(None)
def add(x, y):
print("calculating: %s + %s" % (x, y))
return x + y
print(add(1, 2))
print(add(1, 2)) # 直接返回緩存信息
print(add(2, 3))
輸出結(jié)果：
calculating: 1 + 2
3
3
calculating: 2 + 3
5
由于該裝飾器會(huì)將不同的調(diào)用結(jié)果緩存在內(nèi)存中，因此需要注意內(nèi)存占用問題吕朵，避免占用過多內(nèi)存猎醇，從而影響系統(tǒng)性能。
相關(guān)文檔：
blog.windrunner.me/python/func…
