@wraps在裝飾器中使用時保留原始函數(shù)的元數(shù)據(jù)，以確保包裝器不會掩蓋函數(shù)的名稱和docstring。 2。部分通過預(yù)先填寫的參數(shù)創(chuàng)建新功能，簡化重復(fù)的呼叫或為API調(diào)整期望無參數(shù)可可的功能。 3。@lru_cache緩存昂貴的功能結(jié)果，可顯著加快重復(fù)的調(diào)用，尤其是在諸如fibonacci之類的遞歸功能中，并通過cache_info提供緩存統(tǒng)計信息。 4。@ToTal_Ordering自動生成缺少的比較方法時，定義了至少Eq和另一個EQ和另一個（例如，__lt__），從而減少了類比較中的樣板。 5。減少將二進制函數(shù)累積地應(yīng)用于序列以產(chǎn)生單個值，對于集合，雖然諸如sum之類的內(nèi)置通常更清晰。這些功能工具可以在功能編程模式中增強代碼可重復(fù)性，性能和清晰度。

Python中的functools模塊提供了用于使用高階功能的工具，這些功能將其他函數(shù)作為參數(shù)或返回它們。當(dāng)您想在不更改其實際代碼的情況下修改或增強功能行為時，它特別有用。這是如何有效地將functools用于通用高階功能模式的方法。

1。 functools.wraps - 編織 - 裝飾器中的函數(shù)元數(shù)據(jù)

創(chuàng)建裝飾器時，包裝器功能可能會丟失原始函數(shù)的元數(shù)據(jù)（例如名稱，docstring等）。 @wraps修復(fù)了此問題。

從函數(shù)引入包裝

def my_decorator（func）：
    @wraps（func）
    def包裝器（*args，** kwargs）：
        打?。ā昂瘮?shù)呼叫之前”）
        結(jié)果= func（*args，** kwargs）
        打?。ā昂瘮?shù)呼叫后”）
        返回結(jié)果
    返回包裝器

@My_Decorator
def問候（名稱）：
    “”“對一個人打招呼。”“”
    打?。╢“你好，{name}！”）

問候（“愛麗絲”）
打?。▎柡颉?打?。▎柡颉_doc__）＃輸出：向一個人打招呼。

沒有@wraps ， greet.__name__ "wrapper"

2。 functools.partial - 固定功能參數(shù)

partial允許您使用一些預(yù)先填寫的參數(shù)創(chuàng)建一個新功能。這對于簡化重復(fù)函數(shù)調(diào)用非常有用。

從函數(shù)引入部分導(dǎo)入

DEF電源（基礎(chǔ)，指數(shù)）：
    返回基地**指數(shù)

＃創(chuàng)建一個始終使數(shù)字平方的函數(shù)
square =部分（power，endendent = 2）
立方體=部分（電源，指數(shù)= 3）

打?。ㄕ叫危?））＃輸出：16
打印（Cube（3））＃輸出：27

當(dāng)將功能傳遞給API時，這很方便，這些函數(shù)期望沒有參數(shù)，例如回調(diào)。

functools.lru_cache - 紀(jì)念昂貴的功能調(diào)用

@lru_cache存儲昂貴的功能調(diào)用的結(jié)果，并在再次發(fā)生相同的輸入時返回緩存結(jié)果。

從函數(shù)引起的lru_cache

@lru_cache（maxsize = 128）
def fibonacci（n）：
    如果n <2：
        返回n
    返回fibonacci（n -1）fibonacci（n -2）

print（fibonacci（100））?？焖?，即使是由于緩存而引起的大n

這大大提高了遞歸功能的性能。您還可以檢查緩存統(tǒng)計信息：

打?。╢ibonacci.cache_info（））

4。functools.total_ordering functools.total_ordering簡化類比較

如果定義一種或幾種比較方法， @total_ordering會自動填寫其余的。

從函數(shù)引入ratter_ordering

@total_ordering
班級學(xué)生：
    def __init __（自我，等級）：
        self.grade =等級

    def __eq __（自我，其他）：
        返回self.grade ==其他。

    def __lt __（自我，其他）：
        返回self.grade <其他。

?，F(xiàn)在所有比較工作
S1 =學(xué)生（85）
S2 =學(xué)生（90）

打印（S1 <S2）＃true
打?。⊿1 <= S2）＃true
打印（S1> S2）＃false

您只需要定義__eq__和另一個豐富的比較即可。

5。functools.duce functools.reduce用功能匯總數(shù)據(jù)

雖然不是裝飾器， reduce是一個高階函數(shù)，該功能累積地應(yīng)用于序列。

從功能引入的進口減少

數(shù)字= [1，2，3，4，5]
product =降低（lambda x，y：x * y，數(shù)字）
打?。óa(chǎn)品）＃輸出：120

注意：對于簡單的案例，例如總和或產(chǎn)品，內(nèi)置功能（ sum ， math.prod ）更清晰并且首選。

關(guān)鍵工具的摘要

• @wraps ：在裝飾器中使用原始功能身份。
• partial ：凍結(jié)函數(shù)參數(shù)以創(chuàng)建更簡單的可可。
• @lru_cache ：加速使用緩存加快重復(fù)函數(shù)調(diào)用。
• @total_ordering ：在比較方法中減少樣板。
• reduce ：累積應(yīng)用功能（很少使用；循環(huán)通常更清晰）。

這些工具在使用功能作為一流對象時，有助于編寫清潔，更高效和更可維護的代碼?；旧希?functools為您提供了Python中功能風(fēng)格編程的超級大國。

以上是如何在Python中使用功能上的高階功能？的詳細內(nèi)容。更多信息請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！