Python中的函数式编程工具：functools模块详解

1. 模块概述

functools是Python标准库中用于高阶函数（操作或返回其他函数的函数）的模块，提供了一系列增强函数功能的工具。常见应用场景包括函数缓存、部分参数应用、函数包装等。下面我们逐步解析核心功能。

2. 核心工具详解

2.1 functools.partial：部分参数应用

• 作用：固定函数的部分参数，生成一个新函数，减少重复传参。
• 示例：

  from functools import partial
  
  def multiply(x, y):
      return x * y
  
  # 固定第一个参数x=2，生成新函数double
  double = partial(multiply, 2)
  print(double(5))  # 输出10（等价于multiply(2, 5)）
  

• 原理：partial内部通过闭包保存原函数和已固定的参数，调用时合并新参数与固定参数。

2.2 functools.lru_cache：函数缓存

• 作用：通过LRU（最近最少使用）算法缓存函数结果，避免重复计算。
• 参数：
  • maxsize：缓存大小（默认128，设为None表示无限制）。
  • typed：是否区分参数类型（如3和3.0视为不同键）。
• 示例：

  from functools import lru_cache
  
  @lru_cache(maxsize=32)
  def fib(n):
      if n < 2:
          return n
      return fib(n-1) + fib(n-2)
  
  print(fib(10))  # 第1次计算，结果被缓存
  print(fib(10))  # 直接返回缓存结果
  

• 注意：缓存的函数参数必须是可哈希的（如不可变类型）。

2.3 functools.wraps：保留函数元信息

• 问题背景：使用装饰器时，原函数的__name__、__doc__等元信息会被装饰器覆盖。
• 解决方案：用wraps装饰器保留原函数的属性。
• 示例：

  from functools import wraps
  
  def my_decorator(func):
      @wraps(func)  # 将func的元信息复制到wrapper函数
      def wrapper(*args, **kwargs):
          print("函数被调用")
          return func(*args, **kwargs)
      return wrapper
  
  @my_decorator
  def example():
      """示例函数"""
      pass
  
  print(example.__name__)  # 输出"example"（而非"wrapper"）
  print(example.__doc__)   # 输出"示例函数"
  

2.4 functools.singledispatch：单分派泛型函数

• 作用：根据第一个参数的类型选择不同的函数实现（类似重载）。
• 示例：

  from functools import singledispatch
  
  @singledispatch
  def process(arg):
      print(f"默认处理: {arg}")
  
  @process.register
  def _(arg: int):
      print(f"处理整数: {arg}")
  
  @process.register
  def _(arg: list):
      print(f"处理列表: {arg}")
  
  process(10)     # 输出"处理整数: 10"
  process([1,2])  # 输出"处理列表: [1, 2]"
  process("hi")   # 输出"默认处理: hi"
  

2.5 functools.reduce：累积计算

• 作用：对序列中的元素依次应用函数，逐步合并结果。
• 示例：

  from functools import reduce
  
  numbers = [1, 2, 3, 4]
  result = reduce(lambda x, y: x * y, numbers)  # 1*2*3*4=24
  print(result)  # 输出24
  

• 扩展：可提供初始值（如reduce(lambda x,y: x+y, [1,2], 10)结果为13）。

3. 进阶工具

3.1 functools.cached_property（Python 3.8+）

• 作用：将方法转换为属性，结果计算一次后缓存。
• 示例：

  from functools import cached_property
  
  class Data:
      def __init__(self, n):
          self.n = n
  
      @cached_property
      def expensive_computation(self):
          print("计算中...")
          return self.n * 2
  
  d = Data(10)
  print(d.expensive_computation)  # 输出"计算中..."后返回20
  print(d.expensive_computation)  # 直接返回缓存值20
  

3.2 functools.total_ordering（Python 3.2+）

• 作用：自动生成缺失的比较方法（如<, >=），只需定义__eq__和__lt__等至少一个方法。
• 示例：

  from functools import total_ordering
  
  @total_ordering
  class Student:
      def __init__(self, score):
          self.score = score
  
      def __eq__(self, other):
          return self.score == other.score
  
      def __lt__(self, other):
          return self.score < other.score
  
  # 自动生成__le__、__gt__等方法
  s1, s2 = Student(80), Student(90)
  print(s1 <= s2)  # True（即使未明确定义__le__）
  

4. 总结

• partial：减少参数重复传递。
• lru_cache：优化递归或计算密集型函数。
• wraps：保留装饰函数的元信息。
• singledispatch：实现类型驱动的函数重载。
• reduce：替代循环进行累积操作。
• 其他工具如cached_property、total_ordering等进一步简化代码。

通过灵活组合这些工具，可以写出更简洁、高效且可维护的函数式代码。