Python Functools模块

代码：

#coding=utf-8import functools
from functools import cache
from functools import cached_property, lru_cache
from functools import partial, partialmethod
from functools import singledispatch, singledispatchmethod
from functools import update_wrapper, wraps
from functools import reduce#################################################################
'''
@cache装饰器
它的主要作用是提高函数的执行效率，特别是在函数被多次调用且输入参数相同的情况下，避免重复计算，
如果一个函数在相同的输入参数下被多次调用，cache 会记住第一次调用的结果，并在后续调用中直接返
回缓存的结果，而不是重新计算。它是线程安全的，因此可以在多个线程中使用。
'''
def func_test_no_cache(n):print("执行no-cache")return n@cache
def func_test_cache(n):print("执行cache")return ndef test_cache():print("[test_cache:]")for i in range(3):func_test_no_cache(10)func_test_cache(10)print()#################################################################
'''
@cached_property装饰器
用于将一个类的无参方法转换为缓存属性，意味着该方法在第一次调用时会被计算并缓存结果，
后续调用时直接返回缓存的结果。缓存的结果是实例级别的，即每个实例都有自己的缓存。即使
后续改变了方法内部涉及的类参数，输出也结果不会发生改变。
'''
class CircleCache:def __init__(self, radius):self.radius = radius@cached_propertydef area(self):'''
        如果类本身存在area属性，则此方法不生效。也就是本身属性读取和写入优先于 cached_property 方法'''
        print("计算面积")return 3.14159 * self.radius ** 2def test_cached_property():print("[test_cached_property:]")# 创建 Circle 对象circle = CircleCache(5)# 第一次访问 area 属性时会计算并缓存结果print(circle.radius, circle.area)del circle.radiuscircle.radius = 60'''
    第二次访问 area 属性时直接返回缓存的结果,即使是中途改变了圆的半径或者是删除了参与计算的参数。'''
    print(circle.radius, circle.area)print()#################################################################
'''
@lru_cache装饰器
lru_cache相较于cached_property，它装饰的方法是可以带参数的。
'''
class CircleLru:def __init__(self, radius):self.radius = radius@lru_cache(maxsize=128)  # 缓存最大容量def area(self, precision):'''
        如果类本身存在area属性，则此方法不生效。也就是本身属性读取和写入优先于 cached_property 方法'''
        print("计算面积")return 3.14159 * self.radius ** precisiondef test_lru_cached():print("[test_lru_cached:]")# 创建 Circle 对象circle = CircleLru(5)# 第一次访问会计算并缓存结果print(circle.radius, circle.area(precision=2))'''
    第二次访问如果输入参数相同，则直接返回缓存的结果，如果输入参数不同，则重新计算并缓存。'''
    print(circle.radius, circle.area(precision=3))print(circle.radius, circle.area(precision=3))print(circle.radius, circle.area(precision=2))print()#################################################################
class TestProperty:@propertydef test(self):print("TestProperty.test执行了")return 1def test_property():print("[test_property:]")testProperty = TestProperty()print("TestProperty.test=%s" % testProperty.test)print()#################################################################
'''
partial函数
它允许你固定一个或多个参数，从而创建一个新的函数，这个新函数在调用时只需要提供剩余的参数。
'''
# 计算一个数的幂
def power1(base, exponent1):return base ** exponent1def power2(base, exponent1, exponent2):return base ** exponent1 + exponent2def test_partial():print("[test_partial:]")square = partial(power1, exponent1=2)print(square(3))  # 输出: 9print(square(4))  # 输出: 16square = partial(power2, exponent1=2, exponent2=3)print(square(3))  # 输出: 12print(square(4))  # 输出: 19print()#################################################################
'''
partialmethod函数
它与 partial 类似，但更适合用于类方法，因为它会正确处理 self 参数。
'''
class Demo1:def __init__(self, value):self.value = valuedef get_something(self, name, age):return (self.value, name, age)# 使用 partialmethod 定义一个部分应用的方法get_something_with_default = partialmethod(get_something, name="长期", age=16)def test_partialmethod():print("[test_partialmethod:]")demo1 = Demo1(value=1)print(demo1.get_something(name=1, age=2))print(demo1.get_something_with_default())print()#################################################################
'''
@singledispatch装饰器
它用于实现函数的多态性，即根据函数的第一个参数的类型来决定调用哪个具体的实现。singledispatch 允许
你为一个函数定义多个实现，每个实现对应不同的参数类型。
'''
# 定义一个通用的函数
@singledispatch
def process(arg):return f"Processing generic argument: {arg}"# 为 int 类型定义一个特定的实现
@process.register
def _(arg: int):return f"Processing integer: {arg}"# 为 str 类型定义一个特定的实现
@process.register(str)
def _(arg):return f"Processing string1: {arg}"'''
@process.register
def _(arg: str):return f"Processing string2: {arg}"
'''
# 为 list 类型定义一个特定的实现
@process.register
def _(arg: list):return f"Processing list: {arg}"def test_singledispatch():# 调用不同类型的参数print("[test_singledispatch:]")print(process(10))  # 输出: Processing integer: 10print(process("hello"))  # 输出: Processing string: helloprint(process([1, 2, 3]))  # 输出: Processing list: [1, 2, 3]print(process(3.14))  # 输出: Processing generic argument: 3.14print()#################################################################
'''
@singledispatchmethod装饰器
它与 singledispatch 类似，但专门用于类方法（class methods）
'''
class Demo2:@singledispatchmethoddef process(self, arg):return f"Processing generic argument: {arg}"@process.registerdef _(self, arg: int):return f"Processing integer: {arg}"@process.registerdef _(self, arg: str):return f"Processing string2: {arg}"@process.register(str)def _(self, arg):return f"Processing string1: {arg}"@process.registerdef _(self, arg: list):return f"Processing list: {arg}"def test_singledispatchmethod():print("[test_singledispatchmethod:]")# 创建类的实例demo = Demo2()# 调用不同类型的参数print(demo.process(10))  # 输出: Processing integer: 10print(demo.process("hello"))  # 输出: Processing string: helloprint(demo.process([1, 2, 3]))  # 输出: Processing list: [1, 2, 3]print(demo.process(3.14))  # 输出: Processing generic argument: 3.14print()#################################################################
def my_decorator1(func):def wrapper(*args, **kwargs):print("Before function call")result = func(*args, **kwargs)print("After function call")return result# 使用 update_wrapper 更新 wrapper 的元数据update_wrapper(wrapper, func)return wrapper@my_decorator1
def my_function1():"""函数内注释内容111"""print("Inside my function")def test_update_wrapper():print("[test_update_wrapper:]")# 调用被装饰的函数my_function1()print()# 检查被装饰函数的元数据print(my_function1.__name__)  # 输出: my_functionprint(my_function1.__doc__)  # 输出: This is my function.print()#################################################################
'''
为了简化代码，functools 模块还提供了一个 wraps 装饰器，它实际上是 update_wrapper 的快捷方式。
你可以使用 wraps 装饰器来代替手动调用 update_wrapper。
'''
def my_decorator2(func):@wraps(func)def wrapper(*args, **kwargs):print("Before function call")result = func(*args, **kwargs)print("After function call")return resultreturn wrapper@my_decorator2
def my_function2():"""函数内注释内容222"""print("Inside my function")def test_wraps():print("[test_wraps:]")# 调用被装饰的函数my_function2()print()# 检查被装饰函数的元数据print(my_function2.__name__)  # 输出: my_functionprint(my_function2.__doc__)  # 输出: This is my function.print()#################################################################
'''
Functools.reduce的应用
functools.reduce函数用于对可迭代对象中的元素进行累积操作。它将一个二元函数（接受两个参数的函数）
应用于序列的所有元素，以便从左到右累积它们。
'''
def test_reduce():print("[test_reduce:]")# 使用functools.reduce计算阶乘xs = [i for i in range(1, 6)]print(xs)factorial1 = reduce(lambda x, y: x * y, xs)factorial2 = reduce(lambda x, y: x + y, xs)# 输出120，即5的阶乘print(factorial1)print(factorial2)print()#################################################################
'''
函数过滤：Functools.filterfalse的妙用
'''
def test_filterfalse():print("[test_filterfalse:]")# 使用functools.filterfalse筛选出奇数is_even = lambda x: x % 2 == 0even_numbers = []try:even_numbers = list(functools.filterfalse(is_even, range(10)))# 输出[1, 3, 5, 7, 9]，即奇数print(even_numbers)except Exception as e:print(e)print()#################################################################
'''
自定义排序：Functools.cmp_to_key的魔力
functools.cmp_to_key函数用于将比较函数（接受两个参数并返回负数、零或正数
的函数）转换为关键函数，以便用于排序操作
'''
# 自定义比较函数，按长度排序
def compare_length(s1, s2):return len(s2) - len(s1)def test_cmp_to_key():print("[test_cmp_to_key:]")words = ["apple", "banana", "cherry", "date"]sorted_words = sorted(words, key=functools.cmp_to_key(compare_length))# 输出按长度排序的单词列表print(sorted_words)print()#################################################################
'''
函数调用计数：Functools.total_ordering的精妙之处
functools.total_ordering是一个装饰器，它为类定义了一些特殊方法，以便使用比较操作符（如<、<=、>、>=）进行
对象比较。可以定义自定义类，支持完整的比较操作。
'''
@functools.total_ordering
class Person:def __init__(self, name, age):self.name = nameself.age = agedef __eq__(self, other):return self.age == other.agedef __lt__(self, other):return self.age < other.agedef test_total_ordering():print("[test_total_ordering:]")# 创建两个Person对象person1 = Person("Alice", 30)person2 = Person("Bob", 25)# 使用比较操作符进行对象比较print(person1 < person2)  # 输出Falseprint(person1 > person2)  # 输出Trueprint()if __name__ == '__main__':test_cache()test_cached_property()test_lru_cached()test_property()test_partial()test_partialmethod()test_singledispatch()test_singledispatchmethod()test_update_wrapper()test_wraps()test_reduce()test_filterfalse()test_cmp_to_key()test_total_ordering()pass

 

输出：

[test_cache:]
执行no-cache
执行cache
执行no-cache
执行no-cache[test_cached_property:]
计算面积
5 78.53975
60 78.53975[test_lru_cached:]
计算面积
5 78.53975
计算面积
5 392.69874999999996
5 392.69874999999996
5 78.53975[test_property:]
TestProperty.test执行了
TestProperty.test=1[test_partial:]
9
16
12
19[test_partialmethod:]
(1, 1, 2)
(1, '长期', 16)[test_singledispatch:]
Processing integer: 10
Processing string1: hello
Processing list: [1, 2, 3]
Processing generic argument: 3.14[test_singledispatchmethod:]
Processing integer: 10
Processing string1: hello
Processing list: [1, 2, 3]
Processing generic argument: 3.14[test_update_wrapper:]
Before function call
Inside my function
After function callmy_function1
函数内注释内容111[test_wraps:]
Before function call
Inside my function
After function callmy_function2
函数内注释内容222[test_reduce:]
[1, 2, 3, 4, 5]
120
15[test_filterfalse:]
module 'functools' has no attribute 'filterfalse'[test_cmp_to_key:]
['banana', 'cherry', 'apple', 'date'][test_total_ordering:]
False
True