Python入门篇-functools

　　　　　　　　　　　　　　Python入门篇-functools

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　作者：尹正杰

版权声明：原创作品，谢绝转载！否则将追究法律责任。

一.reduce方法

　　reduce方法，顾名思义就是减少

　　reduce(function,sequence[,initial])->value

　　可迭代对象不能位空；初始值没提供就在可迭代对象中取一个元素

#！/usr/bin/env python
#_*_conding:utf-8_*_
#@author :yinzhengjie
#blog:http://www.cnblogs.com/yinzhengjie


from functools import  reduce


print(reduce(lambda x,y:x*y,range(1,6)))          #我们可以用来计算5的阶乘
print(reduce(lambda x,y:x*y,range(1,6),100))      #当然，我们也可以指定函数的起始值，这个起始值会直接赋值给x变量，如果没有指定则会使用序列的第一个数字来赋初值。

nums = [6,9,4,2,4,10,5,9,6,9]
print(nums)
print(sum(nums))
print(reduce(lambda x,y:x+y,nums))



#以上代码输出结果如下:
120
12000
[6, 9, 4, 2, 4, 10, 5, 9, 6, 9]
64
64

二.partial方法

1>.partial概述

　　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

2>.partial方法举例

#！/usr/bin/env python
#_*_coding:utf-8_*_
#@author :yinzhengjie
#blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
#EMAIL:y1053419035@qq.com


import functools,inspect

def add(x, y, *args) -> int:
    print("add args：{}".format(args))
    return x + y

newadd = functools.partial(add, y=5)

print(inspect.signature(add))
print(newadd(7))
print(newadd(10, y=20))
print(newadd(y=10, x=6))
print(inspect.signature(newadd))



#以上代码执行结果如下：
(x, y, *args) -> int
add args：()
12
add args：()
30
add args：()
16
(x, *, y=5) -> int

#！/usr/bin/env python
#_*_coding:utf-8_*_
#@author :yinzhengjie
#blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
#EMAIL:y1053419035@qq.com


import functools,inspect

def add(x, y, *args) -> int:
    print("add args：{}".format(args))
    return x + y

newadd = functools.partial(add, 1,3,6,5)
print(newadd(7))
print(newadd(7, 10))
print(newadd())
print(inspect.signature(add))
print(inspect.signature(newadd))



#以上代码执行结果如下：
add args：(6, 5, 7)
4
add args：(6, 5, 7, 10)
4
add args：(6, 5)
4
(x, y, *args) -> int
(*args) -> int

3>.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)

二.lru_cache方法

1>.lru_cache概述

@functools.lru_cache(maxsize=128, typed=False)
　　Least-recently-used装饰器。lru，最近最少使用。cache缓存
　　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

2>. lru_cache举例

#！/usr/bin/env python
#_*_coding:utf-8_*_
#@author :yinzhengjie
#blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
#EMAIL:y1053419035@qq.com


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(3, 2))
print(add(2, y=3))
print(add(x=40, y=60))
print(add(y=60, x=40))

3>.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)
　　　　functools._make_key((4,6,3),{},False)
　　　　functools._make_key(tuple(),{'z':3,'x':4,'y':6},False)
　　　　functools._make_key(tuple(),{'z':3,'x':4,'y':6}, True)

#！/usr/bin/env python
#_*_coding:utf-8_*_
#@author :yinzhengjie
#blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
#EMAIL:y1053419035@qq.com


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)])




#以上代码执行结果如下:
[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]

4>.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

三.装饰器应用练习

1>.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

2>.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(">>")