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

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6
 7
 8 import functools,inspect
 9
10 def add(x, y, *args) -> int:
11     print("add args：{}".format(args))
12     return x + y
13
14 newadd = functools.partial(add, y=5)
15
16 print(inspect.signature(add))
17 print(newadd(7))
18 print(newadd(10, y=20))
19 print(newadd(y=10, x=6))
20 print(inspect.signature(newadd))
21
22
23
24 #以上代码执行结果如下：
25 (x, y, *args) -> int
26 add args：()
27 12
28 add args：()
29 30
30 add args：()
31 16
32 (x, *, y=5) -> int

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6
 7
 8 import functools,inspect
 9
10 def add(x, y, *args) -> int:
11     print("add args：{}".format(args))
12     return x + y
13
14 newadd = functools.partial(add, 1,3,6,5)
15 print(newadd(7))
16 print(newadd(7, 10))
17 print(newadd())
18 print(inspect.signature(add))
19 print(inspect.signature(newadd))
20
21
22
23 #以上代码执行结果如下：
24 add args：(6, 5, 7)
25 4
26 add args：(6, 5, 7, 10)
27 4
28 add args：(6, 5)
29 4
30 (x, y, *args) -> int
31 (*args) -> int

partial方法举例

def partial(func, *args, **keywords):def newfunc(*fargs, **fkeywords): # 包装函数newkeywords = keywords.copy()newkeywords.update(fkeywords)return func(*(args + fargs), **newkeywords)newfunc.func = func # 保留原函数newfunc.args = args # 保留原函数的位置参数newfunc.keywords = keywords # 保留原函数的关键字参数参数return newfunc

def add(x,y):return x+y
foo = partial(add,4)
foo(5)

@functools.lru_cache(maxsize=128, typed=False)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maxsize是二的幂时，LRU功能执行得最好如果typed设置为True，则不同类型的函数参数将单独缓存。例如，f(3)和f(3.0)将被视为具有不同结果的不同调用

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6
 7
 8 import functools
 9 import time
10
11 @functools.lru_cache()
12 def add(x, y, z=3):
13     time.sleep(z)
14     return x + y
15
16 print(add(4, 5))
17 print(add(4.0, 5))
18 print(add(4, 6))
19 print(add(4, 6, 3))
20 print(add(3, 2))
21 print(add(2, y=3))
22 print(add(x=40, y=60))
23 print(add(y=60, x=40))

　　通过一个字典缓存被装饰函数的调用和返回值key是什么？分析代码看看functools._make_key((4,6),{'z':3},False)functools._make_key((4,6,3),{},False)functools._make_key(tuple(),{'z':3,'x':4,'y':6},False)functools._make_key(tuple(),{'z':3,'x':4,'y':6}, True)

 1 #！/usr/bin/env python
 2 #_*_coding:utf-8_*_
 3 #@author :yinzhengjie
 4 #blog:http://www.cnblogs.com/yinzhengjie/tag/python%E8%87%AA%E5%8A%A8%E5%8C%96%E8%BF%90%E7%BB%B4%E4%B9%8B%E8%B7%AF/
 5 #EMAIL:y1053419035@qq.com
 6
 7
 8 import functools
 9
10 @functools.lru_cache() # maxsize=None
11 def fib(n):
12     if n < 3:
13         return n
14     return fib(n-1) + fib(n-2)
15
16 print([fib(x) for x in range(35)])
17
18
19
20
21 #以上代码执行结果如下:
22 [0, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584, 4181, 6765, 10946, 17711, 28657, 46368, 75025, 121393, 196418, 317811, 514229, 832040, 1346269, 2178309, 3524578, 5702887, 9227465]

斐波那契数列递归方法的改造

　　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　　适用场景，单机上需要空间换时间的地方，可以用缓存来将计算变成快速的查询

　　简化设计，函数的形参定义不包含可变位置参数、可变关键词参数和keyword-only参数　　可以不考虑缓存满了之后的换出问题

　　程序员可以方便的注册函数到某一个命令，用户输入命令时，路由到注册的函数如果此命令没有对应的注册函数，执行默认函数
　　用户输入用input(">>")