类型注解

python类型注解：

python是动态语言，变量随时可以被赋值，且能赋值为不同的类型

python不是静态语言，变量类型在运行时才决定

 

动态语言弊端：

难发现，难使用；不做任何类型检查，只会在运行时才暴露出问题，函数的使用者看到时并不知道你的函数的设计，不知道该传入什么类型的数据

 

关于弊端解决的办法：

     1.增加文档，这是一个惯例，不是强制标准，需要注意的是，函数定义更新了，文档未必同步更新

     2.利用函数注解：

在3.5以后的版本才引入使用，

对函数的参数进行注解

对函数的返回值进行类型注解

支队函数参数做一个辅助的说明，并不对函数参数进行类型检查

提供第三方工具，做代码分析，发现隐藏的bug

函数注解的信息，保存在__annotations__

调用类方法：     函数.__annotations__

变量注解，在3.6后引入：      i: int = 3

 

业务应用：

函数类型检查

思路，

     函数参数的检查一定实在函数外

     检查函数（实际应用参数）：

               利用形参定义与实际应用参数的类型进行比较

     .__annotations__属性是一个字典，其中包括返回值类型的声明，几级啊折要做位置参数的判断，无法与字典中的声明对应，可使用inspect模块

 

inspect模块：

     提供获取对象新的函数，可以检查函数和类，类型检查

signature(callable) 获取签名，（函数签名包含了一个函数的信息，它包括函数名、他的参数类型、他所在的类和名称空间及其他信息）

import inspect
def add (x:int,y:int,*args,**kwargs)->int: #定义函数参数的注解
     return x+y
print(add.__annotations__) #查看add函数定义类型
sig=inspect.signature(add) #函数的定义（签名）
print(sig) #查看add函数的签名（声明）
print('params:',sig.parameters) #有序字典(有序的参数列表）
print('return:',sig.return_annotation) #查看返回值的定义类型
print(sig.parameters['y']) #查看参数y的参数注解
print(sig.parameters['x'].annotation) #查看参数y的定义类型
print(sig.parameters['args']) #查看参数args的参数注解
print(sig.parameters['args'].annotation) #查看参数args的参数定义类型
print(sig.parameters['kwargs']) #查看kwargs的参数注解
print(sig.parameters['kwargs'].annotation) #查看kwargs的参数定义类型

使用inspect模块对一个函数进行判断：
inspect.isfunction(func)：是否是函数
inspect.ismethod(func)：是否是类的方法
inspect.isgenerator(func)：是否是生成器对象
inspect.isgeneratorfunction(func)：是否是生成器函数
inspect.isclass(func) ：是否是类
inspect.ismodule(模块)：是否是模块
inspect.isbuiltin(print)：是否是内建对象
is函数可通过查阅iinspect模块查看更多使用帮助

Parameter对象：（有序字典）

     保存在元组中，是只读的

 

     name，参数的名字
     annotation，参数的注解，可能未定义
     default，      参数的缺省值，可能未定义
     empty ，      特殊的类，用来标记default属性或者注释annotation属性的空值
     kind             实参如何绑定到形参，就是形参的类型
POSITIONAL_ONLY,值必须是位置参数提供（python未实现）
POSITIONAL_OR_KEYWORD，值可以作为关键字或者位置参数提供
VAR_POSITIONAL 可变位置参数，对应*args
KEYWORD-ONLY keyword-only参数，对应*或者*args之后的出现非可变关键之参数
VAR_KEYWORD，可变关键字参数，对应**kwargs

partial

偏函数，把函数部分的参数固定下来，相当于为部分的参数添加了一个固定的默认值，形成了一个新的函数并返回

从partial生成的新函数，是对原函数的封装

 

lru_cache(maxsize=128,typed=Flase)

least-recently-used装饰器，lru,最近最少使用，cache缓存

如果maxsize设置为None，则禁用LRU功能，并且缓存可以无限制增长，当max是二的幂时，LRU功能执行的最好

如果typed设置为True，则不同类型的函数参数将单独缓存，例如f(3)，f(3.0)将被视为具有不同结果的不同调用

 

lru_cache装饰器作用

使用前提：

     同样的函数参数一定得到同样的结果

     函数执行时间很长，且要执行多次执行

本质是函数调用的参数=>返回值

缺点：

不支持缓存过期，key无法过期，失效

不支持清除操作

不支持分布式，是一个单机的缓存

使用场景，单机上需要空间换时间的地方，可以用缓存来将计算编程快速的查询