partial方法
偏函数,把函数部分的参数固定下来,相当于为部分的参数添加了一个固定的默认值,形成一个新的函数并返回。从partial生成的新函数,是对原函数的封装。
import functools def add(x, y) -> int: return x + y newadd = functools.partial(add, y=5) print(newadd(7)) print(newadd(7, y=6)) print(newadd(y=10, x=6)) import inspect print(inspect.signature(newadd)) 结果为: 12 13 16 (x, *, y=5) -> int
import functools def add(x, y, *args) -> int: print(args) return x + y newadd = functools.partial(add, 1,3,6,5) print(newadd(7)) print(newadd(7, 10)) print(newadd(9, 10, y=20, x=26)) # print(newadd()) import inspect print(inspect.signature(newadd)) 结果为: (6, 5, 7) 4 (6, 5, 7, 10) 4 --------------------------------------------------------------------------- TypeError Traceback (most recent call last) <ipython-input-148-942fbd3d1b1e> in <module> 9 print(newadd(7)) 10 print(newadd(7, 10)) ---> 11 print(newadd(9, 10, y=20, x=26)) # 12 print(newadd()) 13 TypeError: add() got multiple values for argument 'y'
partial函数本质
def partial(func, *args, **keywords): def newfunc(*fargs, **fkeywords): # 包装函数 newkeywords = keywords.copy() newkeywords.update(fkeywords) return func(*(args + fargs), **newkeywords) newfunc.func = func # 保留原函数 newfunc.args = args # 保留原函数的位置参数 newfunc.keywords = keywords # 保留原函数的关键字参数参数 return newfunc def add(x,y): return x+y foo = partial(add,4) foo(5) 结果为: 9
@functools.lru_cache(maxsize=128, typed=False)
Least-recently-used装饰器。lru——最近最少使用。cache缓存。缓冲和缓存是两回事。
如果maxsize设置为None,则禁用LRU功能,并且缓存可以无限制增长。当maxsize是二的幂时,LRU功能执行得最好。
如果typed设置为True,则不同类型的函数参数将单独缓存。例如,f(3)和f(3.0)将被视为具有不同结果的不同调用。
import functools import time @functools.lru_cache() def add(x, y, z=3): time.sleep(z) return x + y print(add(4, 5)) print(add(4.0, 5)) print(add(4, 6)) print(add(4, 6, 3)) print(add(6, 4)) print(add(4, y=6)) print(add(x=4, y=6)) print(add(y=6, x=4)) 结果为: 9 9 10 10 10 10 10 10
计算过的值可以很快的得到结果,缓存的机制是什么?
lru_cache装饰器
通过一个字典缓存被装饰函数的调用和返回值,key是什么?分析代码看看。
functools._make_key((4,6),{'z':3},False) 结果为: [4, 6, <object at 0x844718>, 'z', 3] functools._make_key((4,6,3),{},False) 结果为: [4, 6, 3] functools._make_key(tuple(),{'z':3,'x':4,'y':6},False) 结果为: [<object at 0x844718>, 'z', 3, 'x', 4, 'y', 6] functools._make_key(tuple(),{'z':3,'x':4,'y':6}, True) 结果为: [<object at 0x844718>, 'z', 3, 'x', 4, 'y', 6, int, int, int]
可以用lru_cache装饰器实现对斐波那契数列递归方法的改造
import functools @functools.lru_cache() # maxsize=None def fib(n): if n < 3: return n return fib(n-1) + fib(n-2) print([fib(x) for x in range(35)]) 结果为: [0, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584, 4181, 6765, 10946, 17711, 28657, 46368, 75025, 121393, 196418, 317811, 514229, 832040, 1346269, 2178309, 3524578, 5702887, 9227465]
lru_cache装饰器应用
使用前提:同样的函数参数一定得到同样的结果,函数执行时间很长,且要多次执行,本质是函数调用的参数=>返回值
缺点:不支持缓存过期,key无法过期、失效,不支持清除操作,不支持分布式,是一个单机的缓存。
适用场景,单机上需要空间换时间的地方,可以用缓存来将计算变成快速的查询。
装饰器应用练习
一、实现一个cache装饰器,实现可过期被清除的功能
简化设计,函数的形参定义不包含可变位置参数、可变关键词参数和keyword-only参数
可以不考虑缓存满了之后的换出问题
二、写一个命令分发器
程序员可以方便的注册函数到某一个命令,用户输入命令时,路由到注册的函数
如果此命令没有对应的注册函数,执行默认函数
用户输入用input(">>")