17370845950

functools模块提供高阶函数工具，增强函数行为。1. functools.wraps保留装饰器中函数元信息；2. lru_cache通过LRU算法缓存函数结果，优化重复计算，如斐波那契数列；3. partial固定参数生成新函数，简化调用；4. cmp_to_key将比较函数转为排序key；5. total_ordering自动补全比较方法；6. singledispatch实现基于参数类型的函数重载。这些功能提升代码复用性与性能。

Python中的functools模块是一个用于高阶函数的工具集合，主要处理可调用对象（如函数），提供对函数进行装饰、缓存、部分应用等功能。它不直接执行任务，而是增强或修改函数的行为。

functools.wraps：保留函数元信息

在写装饰器时，常会覆盖原函数的名称、文档等信息。使用wraps可以保持原函数的元数据。

例如：

• 定义一个记录函数调用时间的装饰器
• 用@wraps(func)包装内层函数，确保被装饰函数仍显示原始名字和帮助文档

functools.lru_cache：函数结果缓存

通过LRU（最近最少使用）算法缓存函数的返回值，适合有重复计算的场景，比如递归函数。

• 加上@lru_cache(maxsize=128)即可开启缓存
• 典型用途是优化斐波那契数列计算，避免重复子问题
• 可调用.cache_clear()清空缓存

functools.partial：固定函数参数

创建一个新的函数，预先设定部分参数，简化后续调用。

• 比如有一个函数power(base, exponent)，可用partial生成平方函数：square = partial(power, exponent=2)
• 常用于回调函数或配置默认行为

其他实用功能

functools还包含一些进阶工具：

• cmp_to_key：将旧式的比较函数转为key函数，适配sorted中使用
• total_ordering：只需实现部分比较方法（如__eq__和__lt__），自动补全其他比较操作
• singledispatch：实现函数重载，根据第一个参数类型选择不同实现

基本上就这些。functools让函数式编程更灵活，尤其在写通用装饰器、性能优化和接口适配时非常有用。