【相关推荐：Python3视频教程 】
partial
用于创建一个偏函数，将默认参数包装一个可调用对象，返回结果也是可调用对象。
(相关资料图)
偏函数可以固定住原函数的部分参数，从而在调用时更简单。
from functools import partialint2 = partial(int, base=8)print(int2("123"))# 83update_wrapper
使用 partial 包装的函数是没有__name__和__doc__属性的。
update_wrapper 作用：将被包装函数的__name__等属性，拷贝到新的函数中去。
from functools import update_wrapperdef wrap2(func): def inner(*args): return func(*args) return update_wrapper(inner, func)@wrap2def demo(): print("hello world")print(demo.__name__)# demowraps
warps 函数是为了在装饰器拷贝被装饰函数的__name__。
就是在update_wrapper上进行一个包装
from functools import wrapsdef wrap1(func): @wraps(func) # 去掉就会返回inner def inner(*args): print(func.__name__) return func(*args) return inner@wrap1def demo(): print("hello world")print(demo.__name__)# demoreduce
在 Python2 中等同于内建函数 reduce
函数的作用是将一个序列归纳为一个输出
reduce(function, sequence, startValue)from functools import reducel = range(1,50)print(reduce(lambda x,y:x+y, l))# 1225
cmp_to_key
在 list.sort 和 内建函数 sorted 中都有一个 key 参数
x = ["hello","worl","ni"]x.sort(key=len)print(x)# ["ni", "worl", "hello"]
Python3 之前还提供了cmp参数来比较两个元素
cmp_to_key 函数就是用来将老式的比较函数转化为 key 函数
lru_cache
允许我们将一个函数的返回值快速地缓存或取消缓存。
该装饰器用于缓存函数的调用结果，对于需要多次调用的函数，而且每次调用参数都相同，则可以用该装饰器缓存调用结果，从而加快程序运行。
该装饰器会将不同的调用结果缓存在内存中，因此需要注意内存占用问题。
from functools import lru_cache@lru_cache(maxsize=30) # maxsize参数告诉lru_cache缓存最近多少个返回值def fib(n): if n < 2: return n return fib(n-1) + fib(n-2)print([fib(n) for n in range(10)])fib.cache_clear() # 清空缓存
singledispatch
单分发器， Python3.4新增，用于实现泛型函数。
根据单一参数的类型来判断调用哪个函数。
from functools import singledispatch@singledispatchdef fun(text): print("String：" + text)@fun.register(int)def _(text): print(text)@fun.register(list)def _(text): for k, v in enumerate(text): print(k, v)@fun.register(float)@fun.register(tuple)def _(text): print("float, tuple")fun("i am is hubo")fun(123)fun(["a","b","c"])fun(1.23)print(fun.registry) # 所有的泛型函数print(fun.registry[int]) # 获取int的泛型函数# String：i am is hubo# 123# 0 a# 1 b# 2 c# float, tuple# {: , : , : , : , : }# 【相关推荐：Python3视频教程 】
以上就是Python的functools模块使用总结的详细内容，更多请关注php中文网其它相关文章！
