Python函数如何用 functools 模块优化函数 Python函数 functools 工具的基础应用技巧​

functools

functools

lru_cache

partial

wraps

lru_cache

functools

lru_cache

@lru_cache()

lru_cache

lru_cache

import time
from functools import lru_cache

# 模拟一个耗时操作，比如网络请求或复杂计算
@lru_cache(maxsize=None) # maxsize=None 意味着缓存大小无限制，但通常建议设置一个上限
def fetch_data_from_remote(item_id: str) -> str:
    print(f"正在从远程获取数据 for {item_id}...")
    time.sleep(2) # 模拟网络延迟
    return f"数据 for {item_id} 已获取"

print(fetch_data_from_remote("user_profile_1")) # 第一次调用，会等待2秒
print(fetch_data_from_remote("user_profile_2")) # 第一次调用，会等待2秒
print(fetch_data_from_remote("user_profile_1")) # 第二次调用，直接从缓存返回，几乎瞬时
print(fetch_data_from_remote("user_profile_2")) # 第二次调用，直接从缓存返回，几乎瞬时

# 斐波那契数列的经典优化
@lru_cache(maxsize=128)
def fibonacci(n):
    if n <= 1:
        return n
    return fibonacci(n - 1) + fibonacci(n - 2)

print("\n计算斐波那契数列：")
print([fibonacci(n) for n in range(10)]) # 效率很高，因为重复计算被缓存了

functools.partial

send_notification(message, type, recipient)

send_notification("你好", "email", "user@example.com")

partial

send_email_notification

send_sms_notification

partial

lambda

partial

partial

__name__

__doc__

lambda

from functools import partial

def power(base, exponent):
    """计算 base 的 exponent 次幂。"""
    return base ** exponent

# 创建一个专门计算平方的函数
square = partial(power, exponent=2)
print(f"5 的平方是: {square(5)}")
print(f"10 的平方是: {square(10)}")

# 创建一个专门计算立方的函数
cube = partial(power, exponent=3)
print(f"5 的立方是: {cube(5)}")

# 另一个例子：日志记录
def log_message(level, message):
    """记录带有指定级别的消息。"""
    print(f"[{level.upper()}]: {message}")

# 创建特定级别的日志函数
log_info = partial(log_message, level="info")
log_warning = partial(log_message, level="warning")
log_error = partial(log_message, level="error")

log_info("用户登录成功")
log_warning("磁盘空间不足")
log_error("数据库连接失败")

# 结合高阶函数使用
numbers = [1, 2, 3, 4, 5]
# 过滤出大于等于3的数字
is_greater_than_or_equal_to_3 = partial(lambda x, threshold: x >= threshold, threshold=3)
filtered_numbers = list(filter(is_greater_than_or_equal_to_3, numbers))
print(f"大于等于3的数字: {filtered_numbers}")

functools.wraps

__name__

__doc__

functools.wraps

wraps

__name__

__doc__

__module__

__annotations__

functools.wraps

from functools import wraps

# 错误的装饰器实现，会丢失被装饰函数的元数据
def my_bad_decorator(func):
    def wrapper(*args, **kwargs):
        print("Something is happening before the function is called.")
        result = func(*args, **kwargs)
        print("Something is happening after the function is called.")
        return result
    return wrapper

@my_bad_decorator
def say_hello_bad(name):
    """一个简单的问候函数."""
    return f"Hello, {name}!"

print("--- 错误装饰器示例 ---")
print(f"函数名: {say_hello_bad.__name__}") # 打印 'wrapper'
print(f"文档字符串: {say_hello_bad.__doc__}") # 打印 None
say_hello_bad("Alice")

# 正确的装饰器实现，使用 @wraps 保持元数据
def my_good_decorator(func):
    @wraps(func) # 关键在这里！
    def wrapper(*args, **kwargs):
        print("Something good is happening before the function is called.")
        result = func(*args, **kwargs)
        print("Something good is happening after the function is called.")
        return result
    return wrapper

@my_good_decorator
def say_hello_good(name):
    """一个更好的问候函数."""
    return f"Hello, {name}!"

print("\n--- 正确装饰器示例 ---")
print(f"函数名: {say_hello_good.__name__}") # 打印 'say_hello_good'
print(f"文档字符串: {say_hello_good.__doc__}") # 打印 '一个更好的问候函数.'
say_hello_good("Bob")