开发者

python高阶函数functools模块的具体使用

开发者 https://www.devze.com 2023-03-28 09:16 出处:网络 作者: alwaysrun
目录functools模块reducepartial/partialmethodwraps/update_wrappersingledispatch/singledispatchmethodcmp_to_keytotaandroidl_orderingfunctools模块提供了一些常用的高阶函数(处理其他可调用对象/函数的特殊函
目录
  • functools模块
    • reduce
    • partial/partialmethod
    • wraps/update_wrapper
    • singledispatch/singledispatchmethod
    • cmp_to_key
    • totaandroidl_ordering

functools模块提供了一些常用的高阶函数(处理其他可调用对象/函数的特殊函数;以函数作为输入参数,返回也是函数)。

functools模块

functools模块中的高阶函数可基于已有函数定义新的函数:

  • cmp_to_key,
  • total_ordering,
  • reduce,
  • partial,
  • update_wrapper
  • wraps

reduce

reduce(function, iterable[, initializer])对一个可迭代数据集合中的所有数据进行累积。

  • function:接受两个参数的函数;
  • sequence:可迭代对象(tuple/list/dict/str);
  • initial:可选初始值;
# 累加
reduce(lambda x,y:x+y, [1,2,3,4]) # 10

# 逆序字符串
reduce(lambda x,y:y+x, 'abcdefg') # 'gfedcba'

partial/partialmethod

partial用于"冻结"函数的部分参数,返回一个参数更少、使用更简单的函数对象。使用时,只需传入未冻结的参数即可。partialmethod用于处理类方法。

functools.partial(func[, *args][, **keypythonwords])返回一个新的partial对象:

  • func:一个可调用的对象或函数;
  • args:要冻结的位置参数;
  • keywords:要冻结的关键字参数。
def add(a, b, note="add"):
  result = a + b
  print(f"{note} result: {result}")
  return result

add3 = functools.partial(add, 3)
add5 = functools.partial(add, 5, note="partia编程led")

print(add3(1)) # add result: 4
print(add3(2, note="partial3")) # partial3 result: 5
print(add5(3)) # partialed result: 8

partialmethod用于类中的方法

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 = functools.partialmethod(set_state, True)
  set_dead = functools.partialmethod(set_state, False)

c = Cell()
print(c.alive) # False

c.set_alive()
print(c.alive) # True

wraps/update_wrapper

functools.update_wrapper(wrapper, wrapped [, assigned] [, updated])更新一个包裹(wrapper)函数,使其看起来更像被包裹(wrapped)的函数(即把 被封装函数的__name__、__module__开发者_开发教程、__doc__和 __dict__都复制到封装函数去。wraps是通过partial与update_wrapper实现的。

通常,经由被装饰(decorator)的函数会表现为另外一个函数了(函数名、说明等都变为了装饰器的);通过wraps函数可以消除装饰器的这些副作用。

def wrapper_decorator(func):
  @functools.wraps(func) # 若是去掉此wraps,则被装饰的函数名称与说明都变为此函数的
  def wrapper(*args, **kwargs):
    """doc of decorator"""
    print('in wrapper_decorator...')
    return func(*args, **kwargs)

  return wrapper

@wrapper_decorator
def example():
  """doc of example"""
  print('in example function')

example()
# in wrapper_decorator...
# in example function
print(example.__name__, "; ", example.__doc__) # example ; doc of example

singledispatch/singledispatchmethod

singledispatch将普通函数转换为泛型函数,而singledispatchmethod(3.8引入)将类方法转换为泛型函数:

  • 泛型函数:是指由多个函数(针对不同类型的实现)组成的函数,调用时由分派算法决定使用哪个实现;
  • Single dispatch:一种泛型函数分派形式,基于第一个参数的类型来决定;

dispatch使用:

  • singledispatch装饰dispatch的基函数base_fun(即,注册object类型);
  • 注册后续分发函数使用装饰器@{base_fun}.register({type}),注册每种需要特殊处理的类型;
  • 分发函数名称无关紧要,_是个不错的选择;
  • 可以叠放多个register装饰器,让同一个函数支持多种类型;
# 缺省匹配类型,注册object类型(与后续注册类型都不匹配时使用)
@functools.singledispatch
def show_dispatch(obj):
  print(obj, type(obj), "dispatcher")

# 匹配str字符串
@show_dispatch.register(str)
def _(text):
  print(text, type(text), "str")

# 匹配int
@show_dispatch.register(int)
def _(n):
  print(n, type(n), "int")

# 匹配元祖或者字典
@show_dispatch.register(tuple)
@show_dispatch.register(dict)
def _(tup_dic):
  print(tup_dic, type(tup_dic), "tuple/dict")

### 打印注册的类型:
# dict_keys([<class 'object'>, <class 'str'>, <class 'int'>, <class 'dict'>, <class 'tuple'>])
print(show_dispatch.registry.keys())

show_dispatch(1)
show_dispatch("xx")
show_dispatch([1])
show_dispatch((1, 2, 3))
show_dispatch({"a": "b"})
# 1 <class 'int'> int
# xx <class 'str'> str
# [1] <class 'list'> dispatcher
# (1, 2,编程客栈 3) <class 'tuple'> tuple/dict
# {'a': 'b'} <class 'dict'> tuple/dict

cmp_to_key

cmp_to_key()用来自定义排序规则,可将比较函数(comparison function)转化为关键字函数(key function):

  • 比较函数:接受两个参数,比较这两个参数,并返回0、1或-1;
  • 关键字函数:接受一个参数,返回其对应的可比较对象;
test = [1, 3, 5, 2, 4]
test.sort(key=functools.cmp_to_key(lambda x, y: 1 if x < y else -1))
print(test) # [5, 4, 3, 2, 1]

total_ordering

是一个类装饰器,用于自动实现类的比较运算;类定义一个或者多个比较排序方法,类装饰器将会补充其余的比较方法。

被修饰的类必须至少定义 __lt__(), __le__(),__gt__(),__ge__()中的一个,以及__eq__()方法。

如,只需定义lt与eq方法,即可实现所有比较:

@functools.total_ordering
class Person:
  def __init__(self, name, age):
    self.name = name
    self.age = age

  def __lt__(self, other):
    if isinstance(other, Person):
      return self.age < other.age
    else:
      raise AttributeError("Incorrect attribute!")

  def __eq__(self, other):
    if isinstance(other, Person):
      return self.age == other.age
    else:
      raise AttributeError("Incorrect attribute!")

mike = Person("mike", 20)
tom = Person("tom", 10)

print(mike < tom)
print(mike <= tom)
print(mike > tom)
prinandroidt(mike >= tom)
print(mike == tom)

到此这篇关于python高阶函数functools模块的具体使用的文章就介绍到这了,更多相关python functools模块内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

0

精彩评论

暂无评论...
验证码 换一张
取 消

关注公众号