partial函数(偏函数)

本文介绍了Python中functools模块的partial函数和wraps装饰器的应用。通过示例展示了如何使用partial函数预设参数,并利用wraps装饰器保留原始函数的元信息,避免装饰器带来的副作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

import functools

def showarg(*args, **kw):
    print(args)
    print(kw)

p1=functools.partial(showarg, 1,2,3)
p1()
p1(4,5,6)
p1(a='python', b='haha')

p2=functools.partial(showarg, a=3,b='linux')
p2()
p2(1,2)
p2(a='python', b='haha')

wraps函数

使用装饰器时,有一些细节需要被注意。例如,被装饰后的函数其实已经是另外一个函数了(函数名等函数属性会发生改变)。

添加后由于函数名和函数的doc发生了改变,对测试结果有一些影响,例如:

def note(func):
    "note function"
    def wrapper():
        "wrapper function"
        print('note something')
        return func()
    return wrapper

@note
def test():
    "test function"
    print('I am test')

test()
print(test.__doc__)

 

所以,Python的functools包中提供了一个叫wraps的装饰器来消除这样的副作用。例如:

import functools
def note(func):
    "note function"
    @functools.wraps(func)
    def wrapper():
        "wrapper function"
        print('note something')
        return func()
    return wrapper

@note
def test():
    "test function"
    print('I am test')

test()
print(test.__doc__)
### Python 中 `functools.partial` 的概念与用法 #### 什么是偏函数? 在编程领域,偏函数是一种通过预先设定某些参数来创建新函数的技术。这种技术允许开发者基于现有的函数生成新的函数版本,在这些新版本中,部分输入参数已经被提前绑定。 Python 提供了一个内置模块 `functools` 来支持这一功能,其中的关键组件是 `partial` 函数[^1]。它能够帮助我们定义一个带有默认参数的新函数,从而减少重复代码并提升程序的可读性和灵活性[^2]。 --- #### 如何使用 `functools.partial` 以下是关于如何利用 `functools.partial` 创建偏函数的具体说明: ##### 基本语法 ```python from functools import partial new_function = partial(original_function, arg1=value1, arg2=value2...) ``` 在此结构中: - `original_function`: 是要被封装的基础函数。 - `arg1`, `arg2...`: 表示传递给基础函数的部分或全部参数。 当调用 `new_function` 时,未固定的参数会被追加到已经设置好的参数之后一起传入原始函数执行[^3]。 --- ##### 实际案例分析 下面展示几个具体的例子以便更好地理解其工作原理: ###### 示例一:简单数值运算 假设有一个计算两数乘积的方法如下所示: ```python def multiply(x, y): return x * y ``` 如果经常需要用到某个特定倍率(比如三倍),可以借助 `partial` 构建专用版方法: ```python triple = partial(multiply, y=3) print(triple(7)) # 结果为 21 ``` 这里我们将第二个变量固定为了常量 '3' ,因此每次只需提供第一个操作数即可完成整个过程[^4]。 ###### 示例二:字符串拼接处理 考虑这样一个场景——频繁向某条消息前缀附加额外信息: ```python def add_prefix(prefix, message): return f"{prefix}: {message}" info_logger = partial(add_prefix, prefix="INFO") print(info_logger("System started")) # 输出 "INFO: System started" ``` 上述片段展示了怎样快速定制日志记录器的行为模式而无需每次都手动指定相同的上下文数据[^5]。 --- #### 属性访问 除了基本的功能外,`partial` 还暴露了一些有用的内部细节供外部查询或者进一步修改用途。例如可以通过 `.func` 获取底层关联的真实实现;以及依靠 `.args/.keywords` 查看当前存储的状态配置情况等: ```python t_fn = partial(test_func2, 1, 2) res = t_fn(3) print(t_fn.func) # 显示原生目标函数对象本身 print(t_fn.args) # 列举所有已知的位置型实参列表 ``` --- ### 总结 综上所述,`functools.partial` 不仅简化了复杂逻辑表达方式还增强了现有工具链之间的互操作能力。合理运用它可以显著改善项目质量同时降低维护成本。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值