1. partial(func, /, *args, **kwargs)
- 封装原函数并返回一个
partial object对象, 可直接调用 - 固定原函数的部分参数, 相当于为原函数添加了固定的默认值
相当于如下代码:
def partial(func, /, *args, **kwargs):
def newfunc(*fargs, **fkwargs):
newkwargs = {**kwargs, **fkwargs}
return func(*args, *fargs, **newkwargs)
newfunc.func = func
newfunc.args = args
newfunc.kwargs = kwargs
return newfunc
例如, 需要一个默认转换二进制的int()函数:
>>> from functools import partial
>>> basetwo = partial(int, base=2)
>>> basetwo.__doc__ = 'Convert base 2 string to an int.'
>>> basetwo('10010')
18
2. partialmethod(func, /, *args, **kwargs)
- 与
partial用法相同, 专门用于类定义中(由于类定义中第一个参数默认需要self/cls, 所以partial不适用) - 在类中, 不论普通方法,
staticmethod,classmethod还是abstractmethod都适用
例如:
class Cell:
def __init__(self):
self._alive = False
@property
def alive(self):
return self._alive
def set_alive(self, state):
self._alive = bool(state)
set_alive = partialmethod(set_state, True)
set_dead = partialmethod(set_state, False)
>>> c = Cell()
>>> c.alive
False
>>> c.set_alive()
>>> c.alive
True
3. update_wrapper(wrapper, warpped, assigned=WRAPPER_ASSIGNMEDTS, updated=WRAPPER_UPDATES)
- 更新装饰函数(wrapper), 使其看起来更像被装饰函数(wrapped)
- 主要用在装饰器中, 包裹被装饰函数, 并返回一个更新后的装饰函数. 如果装饰函数没有更新, 那么返回的函数的元数据将来自装饰器, 而不是原始函数
- 两个可选参数用来指定原始函数的哪些属性直接赋值给装饰函数, 哪些属性需要装饰函数做相应的更新. 默认值是模块级常量
WRAPPER_ASSIGNMENTS(赋值装饰函数的__module__,__name__,__qualname__,__annotations__和__doc__属性)和WRAPPER_UpDATED(更新装饰函数的__dict__属性)
4. wraps(wrapped, assigned=WRAPPER_ASSIGNMENTS, updasted=WRAPPER_UPDATES)
- 简化调用
update_wrapper的过程, 作为装饰器使用 - 相当于
partial(update_wrapper, wrapped=wrapped, assigned=assigned, updated=updated)
例如:
def my_decorator(f):
@wraps(f)
def wrapper(*args, **kwargs):
print('Calling decorated function')
return f(*args, **kwargs)
return wrapper
@my_decorator
def example():
"""Docstring"""
print('Called example function')
>>> example()
Calling decorated function
Called example function
>>> example.__name__
'example'
>>> example.__doc__
'Docstring'
如果没有使用wraps, 那么被装饰函数的名字将会是wrapper, 而且原始函数example的文档字符串将会丢失.
5. singledispatch(func)
- 作为装饰器使用, 将被装饰函数转换为一个泛函数(generic function)
- 根据第一个参数的类型分派执行不同的操作
例如:
@singledispatch
def fun(arg, verbose=False):
if verbose:
print('Let me just say,', end='')
print(arg)
@fun.register(int)
def _(arg, verbose=False):
if verbose:
print('Strength in numbers, eh?', end='')
print(arg)
@fun.register(list)
def _(arg, verbose=False)
if verbose:
print('Enumerate this: ')
for i, elem in enumerate(arg):
print(i, elem)
>>> fun('Hello World')
Hello World
>>> fun('test', verbose=True)
Let me just say, test
>>> fun(123, verbose=True)
Strength in numbers, eh? 123
>>> fun(['Issac', 'Chaplin', 'Mr Bean'], verbose=True)
Enumerate this:
0 Issac
1 Chaplin
2 Mr Bean
可以使用"函数类型注释"替代上面显式指定类型
@fun.register def _(arg: int, verbose=False): pass
6. singledispatchmethod(func)
- 将方法装饰为泛函数
- 根据第一个非
self或非cls参数的类型分派执行不同的操作 - 可以与其他装饰器嵌套使用, 但
singledispatchmethod,dispatcher.register必须在最外层 - 其他用法与
singledispatch相同
例如:
class Negator:
@singledispatchmethod
@classmethod
def neg(cls, arg):
raise NotImplementedError("Cannot negate a")
@neg.register
@classmethod
def _(cls, arg: int):
return -arg
@neg.register
@classmethod
def _(cls, arg: bool):
return not arg
7. cached_property(func)
- 将方法转换为一个属性, 与
@property相似 - 被装饰的方法仅计算一次, 之后作为普通实例属性被缓存
- 要求实例拥有可变的
__dict__属性(在元类或声明的__slots__中未包含__dict__的类中不可用)
例如:
class DataSet:
def __init__(self, sequence_of_numbers):
self._data = sequence_of_numbers
@cached_property
def stdev(self):
return statistics.stdev(self._data)
@cached_property
def variance(self):
return statistics.variance(self._data)
cached_property的底层是一个非数据描述符, 在func第一次计算时, 将结果保存在实例的一个同名属性中(实例的__dict__中), 由于实例属性的优先级大于非数据描述符, 之后的所有调用只直接取实例属性而不会再次计算
8. lru_cache(user_function) / lru_cache(maxsize=128, typed=False)
- 缓存被装饰函数的最近
maxsize次的调用结果 -
maxsize如果设置为None, LRU缓存机制将不可用, 缓存会无限增长.maxsize的值最好是2的n次幂 - 由于底层使用字典缓存结果, 所以被装饰函数的参数必须可哈希.
- 不同的参数模式会分开缓存为不用的条目, 例如
f(a=1, b=2)和f(b=2, a=1)就会作为两次缓存 - 如果
typed设置为True, 不同类型的函数参数将会被分开缓存, 例如f(3)和f(3.0)
例如:
@lru_cache(maxsize=None)
def fib(n):
if n < 2:
return n
return fib(n-1) + fib(n-2)
>>> [fib(n) for n in range(16)]
[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610]
>>> fib.cache_info()
CacheInfo(hits=28, misses=16, maxsize=None, currsize=16)
