我最近在阅读 Django 的源代码，我遇到了 @wraps 装饰器，这让我找到了 functools 文档，在那里我发现了一些很棒的 functools 特性。这一发现导致了这篇文章的创作。本文将教你如何使用一些很棒的 functools 方法让你的编码更简单。
什么是functools?
functools 是一个 Python 内置模块，包含可以与其他函数交互的高阶函数。可以在Python官方网站找到完整的 functools 文档。
网站链接：https://docs.python.org/3/library/functools.html
lru_缓存
当以相同的参数调用一个函数时，functools 模块中的这个装饰器将 n 次函数调用保存在缓存中，从而节省了大量时间。为了演示，假设我们有一个非常大的函数，需要很长时间才能执行。在此示例中，函数a_heavy_operation()需要 3 秒才能执行。
import time
start = time.time()
def a_heavy_operation():
time.sleep(3)
return 11 + 22
print(a_heavy_operation())
print(a_heavy_operation())
print(time.time() - start)
# 输出
# 33
#33
#6.024240255355835运行上述代码大约需要 6 秒。对于上述功能，我们将添加 lru 缓存。
import time
from functools import lru_cache
start = time.time()
@lru_cache()
def a_heavy_operation():
time.sleep(3)
return 11 + 22
print(a_heavy_operation())
print(a_heavy_operation())
print(time.time() - start)
# Output
# 33
# 33
# 3.0158064365386963看看使用 lru 缓存如何使我们的代码运行得更快。Python 保存函数的缓存并检索缓存值，减少了我们的执行时间。
Wraps
在 functools 中使用 Wraps 来保留函数的细节。当我们装饰一个函数时，函数的信息就没有了。我们在装饰器包装函数上使用 @wraps 装饰器来防止这种情况。
看看这段代码就明白我的意思了。
from functools import lru_cache
def my_decorator(func):
def log(*args, **kwargs):
print("Running ")
return func(*args, *kwargs)
return log
@my_decorator
def add(a, b):
"""my beautiful doc"""
return a + b使用 -i 模式运行上面的代码，python -i file.py
>>> add(1,2)
Running
3
>>> add(3,4)
Running
7
>>> add.__name__
log
>>> add.__doc__
>>>我们可以看到我们的装饰器在前面的示例中运行正常，因为它在每次运行时始终“运行”。但是，我们函数的信息已经丢失，无法返回名称或文档字符串。
我们有@wraps 来帮助我们解决这个问题。对代码进行以下更改。
from functools import wraps
def my_decorator(func):
@wraps(func)
def log(*args, **kwargs):
print("Running ")
return func(*args, *kwargs)
return log
@my_decorator
def add(a, b):
"""my beautiful doc"""
return a + b现在再次使用运行代码python -i file.py
>>> add(1,2)
Running
3
>>> add.__name__
'add'
>>> add.__doc__
'my beautiful doc'
>>>现在功能信息现在保存在我们的功能中。
singledispatch
要创建通用函数，可以使用 singledispatch。通用函数是那些对各种数据类型执行相同操作的函数。
假设我想创建一个函数，该函数从多种数据类型的可迭代对象中返回第一个值。
def return_first_element(data):
if isinstance(data, list):
print(data[0])
elif isinstance(data, str):
print(data.split()[0])
elif isinstance(data, dict):
print(list(data.values())[0] )
else:
print(print(data))现在运行python -i file.py以交互模式运行代码。
>>> return_first_element({"Age":20, "Height": 180})
20
>>> return_first_element("Hello Mr Python")
Hello
>>> return_first_element([12,432,563])
12
>>>我们的功能是有效的，但它并不干净。不建议在 Python 中使用 if/elif/else 语句来创建泛型函数。那么，解决方案是什么？singledispatch，当然。
让我们对代码做一些修改。
from functools import singledispatch
@singledispatch
def return_first_el(data):
return data
@return_first_el.register(list)
def _(data):
return data[0]
@return_first_el.register(dict)
def _(data):
return list(data.values())[0]
@return_first_el.register(str)
def _(data):
return data.split()[0]要检查结果，请使用python -i file.py在交互模式下再次运行代码。
>>> return_first_el({"Age":20, "Height": 180})
20
>>> return_first_el("Hello Mr Python")
'你好'
>>> return_first_el([124, 765, 897])
124
>> > return_first_el({12,31,1})
{1, 12, 31}看看return_first_el当没有数据类型与“set”匹配时，我们的函数如何充当回退函数。
看看我们的代码现在干净多了；singledispatch 使得添加更多数据类型变得更容易，并且每个数据类型现在都有自己的位置，我们可以在其中对数据执行进一步的操作。
total_ordering
total_ordering 装饰器在面向对象编程中节省了大量时间。考虑这个例子，下面的类声明了一个Man具有 name 和 age 属性以及 (=) __ eq__和 (<) __l t__ dunder 方法的类。
class Man:
def __init__(self, name, age):
self.name = name
self.age = age
def __eq__(self, o):
return self.age == o.age
def __lt__(self, o):
return self.age < o.age让我们看看如果我们运行代码会发生什么。
>>> obj = Man("Vivek", 20)
>>> obj2 = Man("Alex", 24)
>>> obj = obj
>>> obj == obj2
False
>>> obj < obj2
True
>>> obj >= obj2
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: '>=' not supported between instances of 'Man' and 'Man'我们的代码适用于 (==) 和 (<)，但当我们使用类中未定义的运算符时它不起作用。鉴于我们至少创建了一个运算符 dunder 方法和 __eq__ 方法，@total_ordering 为我们的类生成了、>、=、>= 和更多比较运算符。
让我们在类的正上方添加我们的装饰器。
from functools import total_ordering
@total_ordering
class Man:
def __init__(self, name, age):
self.name = name
self.age = age
def __eq__(self, o):
return self.age == o.age
def __lt__(self, o):
return self.age < o.age现在再次以交互模式运行代码以查看结果
>>> o = Man("Vivek", 20)
>>> b = Man("Alex", 24)
>>> o == b
False
>>> o >= b
False
>>> o <= b
True
