Python functools
首先看下functools包含的方法
一、partial函数
他可以重新绑定函数的可选参数,生成一个callable的partial对象
对于已知的函数参数若可以提前获知,可以减少更多的参数调用。
二、wraps
wraps主要是用来包装函数,使被包装含数更像原函数,它是对partial(update_wrapper, ...)的简单包装,partial主要是用来修改函数签名,使一些参数固化,以提供一个更简单的函数供以后调用
update_wrapper是wraps的主要功能提供者,它负责考贝原函数的属性,默认是:'__module__', '__name__', '__doc__', '__dict__'。
三、reduce
function的reduce与python内置的reduce是一样的
reduce()函数:reduce(func,seq[,init]),用二元函数func对序列seq中的元素进行处理,每次处理两个数据项(一个是前次处理的结果,一个是序列中的下一个元素),如此反复的递归处理,最后对整个序列求出一个单一的返回值。
参考资料:
http://docs.python.org/2/library/functools.html
http://www.cnblogs.com/huxi/archive/2011/03/01/1967600.html
http://blog.csdn.net/baizhiwen_2005/article/details/1181770
已有 0 人发表留言,猛击->>这里<<-参与讨论
ITeye推荐
Python 2.7.2 (default, Jun 20 2012, 16:23:33) [GCC 4.2.1 Compatible Apple Clang 4.0 (tags/Apple/clang-418.0.60)] on darwin Type "help", "copyright", "credits" or "license" for more information. >>> import functools >>> dir(functools) ['WRAPPER_ASSIGNMENTS', 'WRAPPER_UPDATES', '__builtins__', '__doc__', '__file__', '__name__', '__package__', 'cmp_to_key', 'partial', 'reduce', 'total_ordering', 'update_wrapper', 'wraps']
一、partial函数
他可以重新绑定函数的可选参数,生成一个callable的partial对象
对于已知的函数参数若可以提前获知,可以减少更多的参数调用。
In [16]: from functools import partial In [17]: int2 = partial(int, base=2) In [18]: int2('10') Out[18]: 2
二、wraps
wraps主要是用来包装函数,使被包装含数更像原函数,它是对partial(update_wrapper, ...)的简单包装,partial主要是用来修改函数签名,使一些参数固化,以提供一个更简单的函数供以后调用
update_wrapper是wraps的主要功能提供者,它负责考贝原函数的属性,默认是:'__module__', '__name__', '__doc__', '__dict__'。
>>> from functools import wraps >>> def my_decorator(f): ... @wraps(f) ... def wrapper(*args, **kwds): ... print 'Calling decorated function' ... return f(*args, **kwds) ... return wrapper ... >>> @my_decorator ... def example(): ... """Docstring""" ... print 'Called example function' ... >>> example() Calling decorated function Called example function >>> example.__name__ 'example' >>> example.__doc__ 'Docstring'
三、reduce
function的reduce与python内置的reduce是一样的
reduce()函数:reduce(func,seq[,init]),用二元函数func对序列seq中的元素进行处理,每次处理两个数据项(一个是前次处理的结果,一个是序列中的下一个元素),如此反复的递归处理,最后对整个序列求出一个单一的返回值。
>>> l=[1,2,3,4,5,6] >>> reduce((lambda x,y:x+y),l) 21 >>> import functools >>> functools.reduce((lambda x,y:x+y),l) 21
参考资料:
http://docs.python.org/2/library/functools.html
http://www.cnblogs.com/huxi/archive/2011/03/01/1967600.html
http://blog.csdn.net/baizhiwen_2005/article/details/1181770
已有 0 人发表留言,猛击->>这里<<-参与讨论
ITeye推荐