functools模块

functools模块是为了高阶函数（该高阶函数的定义为作用于或返回其它函数的函数）而设置的。一般来说，任何可调用的对象在该模块中都可被当做函数而处理。

这是在关于functools模块的功能总结，但很是晦涩，
换句话说，functools模块支持函数式编程，即将自定义的函数引用作为参数传递给functools模块下某一个功能函数，得到一个可执行的函数对象。

partial

functool.partial返回一个调用的partial对象，使用方法按照partial(func, *args, **kwargs)调用。

其发挥的作用在于固定部分参数，从而减少可调用对象的参数个数

from functools import partialdef spam(a, b, c, d):print(a, b, c, d)s1 = partial(spam, 1)  # a = 1
s1(1, 2, 3)  #  1, 1, 2, 3s2 = partial(spam, 1, 2, d=12)
s2(1)  # 1, 2, 1, 12

可以看出 partial() 固定某些参数并返回一个新的callable对象。这个新的callable接受未赋值的参数， 然后跟之前已经赋值过的参数合并起来，最后将所有参数传递给原始函数。

例子1：根据一个基点来排序点列表集[^乱序]

# coding: utf-8
from functools import partial
from operator import itemgetter
import mathorigin = (0, 1)  # 基点
points = [(7, 1), (6, 3), (3, 3)]  # 待排序点集def distance(p1, p2):"""return the distance between p1 and p2"""x1, y1 = p1x2, y2 = p2return math.hypot(x1-x2, y1-y2)sorted_points = sorted(points, key=partial(distance, origin))print(sorted_points)  # [(3, 3), (6, 3), (7, 1)]

其实，我们是可以通过sorted(points, key=lambda x: distance(x, origin))来实现同样的功能

partial专注于设计模式，从而提高代码的健壮性。

例子2：如下代码使用 multiprocessing.apply_async() 来异步计算一个结果值， 然后这个值被传递给一个接受一个result值和一个可选logging参数的回调函数，通过partial固定了log对象。

from functools import partial
from multiprocessing import Pool
import loggingdef output_result(result, logger=None):"""output result"""if logger is not None:logger.debug("%d", result)def add(x, y):return x+yif __name__ == '__main__':args = (1, 2)logging.basicConfig(level=logging.DEBUG)logger = logging.getLogger(__name__)p = Pool()  # 工作进程的数量默认使用os.cpu_count()返回的数量p.apply_async(add, args, callback=partial(output_result, logger=logger))  # 异步执行p.close()p.join()  # 主进程需等待所有子进程执行完毕才关闭

例子3：用socketserver模块编写一个易用的网络服务器，实现echo功能

from socketserver import TCPServer, StreamRequestHandlerclass TCPEchoHandler(StreamRequestHandler):"""c/s下实现echo请求"""def __init__(self, prefix, *args, **kwargs):self.prefix = prefixsuper(TCPEchoHandler).__init__(self, *args, **kwargs)def handle(self):"""请求处理"""# rfile带有缓冲区, 支持分行读取for line in self.rfile:response = 'server get :{data}'.format(data=line.encode('utf-8'))self.wfile.write(response)if __name__ == '__main__':addr = ('localhost', 10030)server = TCPServer(addr, TCPEchoHandler)server.serve_forever()

假设此时，我们需要额外的为TCPEchoHandler增加一个属性，按照常识我们可能会这么做：

那如何使得server对象中接收这一属性呢？partial就派上用场了

server = TCPServer(addr, partial(TCPEchoHandler, prefix=b"TCPEchoHandler: \t"))

*特别说明：

• 大部分的partial实现的高阶函数引用是能够采用lambda表达式来替换的(针对于运行时有产出值的情况， 例如排序用到的sorted函数的参数key);
• partial与lambda相比较拥有较高的性能;
• lambda语义相对较模糊，可读性不高。

源码分析

在分析源码前，我们必须知道

Python中函数也是对象，意味着可以为函数对象动态添加属性

>>> def test(key1, key2):pass
>>> type(test)
<class 'function'>
>>> test.kwargs = {'key2': 1}
>>> getattr(test, kwargs)
Traceback (most recent call last):File "<pyshell#45>", line 1, in <module>getattr(test, kwargs)
NameError: name 'kwargs' is not defined
>>> getattr(test, 'kwargs')
{'key2': 1}

通过以上推导可知，将固定参数[^(不定参数或关键字参数)]重载到原函数即可实现partial

这时我们再来查看partial的源码：

def partial(func, *args, **keywords):"""New function with partial application of the given argumentsand keywords."""if hasattr(func, 'func'):args = func.args + argstmpkw = func.keywords.copy()tmpkw.update(keywords)keywords = tmpkwdel tmpkwfunc = func.funcdef newfunc(*fargs, **fkeywords):newkeywords = keywords.copy()newkeywords.update(fkeywords)return func(*(args + fargs), **newkeywords)newfunc.func = funcnewfunc.args = argsnewfunc.keywords = keywordsreturn newfunc

def add(m, n):return m*nif __name__ == '__main__':p = partial(add, n=10)print(p(1))

newfunc[^函数对象]将func、固定的不定参数args、固定的关键字参数keywords封装为自己的属性，利用闭包将固定参数与非固定参数(fargs, fkeywords)进行拼接，然后返回该新构造的func对象的调用。