python中的functools模块（python缓存自动过期）

本文目录

• python缓存自动过期
• python中 functools是什么意思
• python中map函数的使用
• Python使用functools实现注解同步方法
• python中[:50]什么意思
• Python安装第三方库的3种方法

python缓存自动过期

Python缓存自动过期可以通过使用Python内置的`functools`模块中的`lru_cache`装饰器实现。`lru_cache`装饰器实现了一个带有自动过期机制的 Least Recently Used（LRU）缓存，可以设置缓存的最大数量以及过期时间。
示例代码如下：
```python
import functools
import time
@*****_cache(maxsize=128, typed=False)
def my_func(x):
# some expensive computation here
*****(1)
return x
# 调用函数
result = my_func(1)
```
在上述示例中，`lru_cache`装饰器被应用到了`my_func`函数上，缓存的最大数量被设置为128。每次调用`my_func`函数时，如果缓存中已经存在对应的结果，则直接返回缓存中的结果，否则会执行函数的计算逻辑，并将结果加入缓存中。
当缓存的数量超过最大数量时，会按照 LRU 策略淘汰最近最少使用的缓存。同时，如果缓存的过期时间超过了设置的过期时间，也会被淘汰。
需要注意的是，`lru_cache`装饰器的默认过期时间是无限制的，如果需要设置过期时间，可以在函数中自行实现。

python中 functools是什么意思

functools，用于高阶函数：指那些作用于函数或者返回其它函数的函数。
通常只要是可以被当做函数调用的对象就是这个模块的目标。
里面包含如偏函数 partial 等。

python中map函数的使用

1、第一个参数function以参数序列中的每一个元素调用function函数，返回包含每次function函数返回值的新列表。

2、对可迭代函数iterable中的每一个元素应用‘function’方法，将结果作为list返回。

3、map函数有两个参数，第一个参数要求传递一个函数对象，第二个参数要求传递一个可迭代序列。直接看案例运行结果：reduce高阶函数reduce高阶函数位于functools模块中，使用前需要先进行导入。

4、在Python中，函数式编程主要由几个函数的使用构成：lambda()，map()，reduce()，filter()等。lambda函数lambda函数，又成为匿名函数。lambda函数只能有一个表达式，而不需要写return来返回函数的值。

5、map函数是Python中的内置函数之一，它的作用是将一个可迭代对象中的每个元素都应用同一个函数进行处理，返回一个map对象，也就是说，map函数的返回值是一个可迭代的对象。

6、Python函数编程中的map()函数是将func作用于seq中的每一个元素，并将所有的调用的结果作为一个list返回。如果func为None，作用同zip()。当seq只有一个时，将函数func作用于这个seq的每个元素上，并得到一个新的seq。

Python使用functools实现注解同步方法

在 Python 中没有类似 Java 中使用的 synchronized 关键字来同步方法，因此在 Python 中要实现同步方法，通常我们是使用 *****() 来实现。在进入函数的地方获取锁，出函数的时候释放锁，这样实现代码看起好非常不好看。另外网上也有人给出了其它几种实现方式，但看起来都不美气。
今天我在做项目的时候突然想到是不是可以通过 functools 来实现通过注解来标注方法为同步方法。
首先要求自己的类中有一个锁对象并且在类初始化的时候初始化这个锁对象，比如：
?
1
234
5
class
MyWorker(object):
def
__init__(self):
self
.lock
=
*****()
...
...
然后创建一个 synchronized 函数，这个函数装饰具体对象的具体方法，将方法放到获取/释放锁之间来运行，如下
?
123456
def
synchronized(func):
@functools
.wraps(func)
def
wrapper(self
,
*
args,
*

python中[:50]什么意思

计算50的阶乘。
Python在递归中没有像别的语言对递归进行优化，所以他的每一次调用都会基于上一次的调用进行，并且他设置了最大的递归数量防止递归外溢。
利用functools模块处理，在循环中计算50的阶乘x=1，通过递归方式计算deffunc(n)。

Python安装第三方库的3种方法

这篇文章主要介绍了Python的装饰器模式与面向切面编程详解,概括的讲,装饰器的作用就是为已经存在的对象添加额外的功能,本文详细了装饰器模式的方方面面,然后引出面向切面编程知识,需要的朋友可以参考下
今天来讨论一下装饰器。装饰器是一个很著名的设计模式，经常被用于有切面需求的场景，较为经典的有插入日志、性能测试、事务处理等。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离出大量函数中与函数功能本身无关的雷同代码并继续重用。概括的讲，装饰器的作用就是为已经存在的对象添加额外的功能。
1. 装饰器入门
***. 需求是怎么来的?
装饰器的定义很是抽象，我们来看一个小例子。
代码如下:
def foo():
print in foo()
foo()
这是一个很无聊的函数没错。但是突然有一个更无聊的人，我们称呼他为B君，说我想看看执行这个函数用了多长时间，好吧，那么我们可以这样做：
代码如下:
import time
def foo():
start = *****()
print in foo()
end = *****()
print used:, end - start
foo()
很好，功能看起来无懈可击。可是蛋疼的B君此刻突然不想看这个函数了，他对另一个叫foo2的函数产生了更浓厚的兴趣。
怎么办呢?如果把以上新增加的代码复制到foo2里，这就犯了大忌了~复制什么的难道不是最讨厌了么!而且，如果B君继续看了其他的函数呢?
***. 以不变应万变，是变也
还记得吗，函数在Python中是一等公民，那么我们可以考虑重新定义一个函数timeit，将foo的引用传递给他，然后在timeit中调用foo并进行计时，这样，我们就达到了不改动foo定义的目的，而且，不论B君看了多少个函数，我们都不用去修改函数定义了!
代码如下:
import time
def foo():
print in foo()
def timeit(func):
start = *****()
func()
end =*****()
print used:, end - start
timeit(foo)
看起来逻辑上并没有问题，一切都很美好并且运作正常!等等，我们似乎修改了调用部分的代码。原本我们是这样调用的：foo()，修改以后变成了：timeit(foo)。这样的话，如果foo在N处都被调用了，你就不得不去修改这N处的代码。或者更极端的，考虑其中某处调用的代码无法修改这个情况，比如：这个函数是你交给别人使用的。
***. 最大限度地少改动!
既然如此，我们就来想想办法不修改调用的代码;如果不修改调用代码，也就意味着调用foo()需要产生调用timeit(foo)的效果。我们可以想到将timeit赋值给foo，但是timeit似乎带有一个参数想办法把参数统一吧!如果timeit(foo)不是直接产生调用效果，而是返回一个与foo参数列表一致的函数的话就很好办了，将timeit(foo)的返回值赋值给foo，然后，调用foo()的代码完全不用修改!
代码如下:
#-*- coding: UTF-8 -*-
import time
def foo():
print in foo()
# 定义一个计时器，传入一个，并返回另一个附加了计时功能的方法
def timeit(func):
# 定义一个内嵌的包装函数，给传入的函数加上计时功能的包装
def wrapper():
start = *****()
func()
end =*****()
print used:, end - start
# 将包装后的函数返回
return wrapper
foo = timeit(foo)
foo()
这样，一个简易的计时器就做好了!我们只需要在定义foo以后调用foo之前，加上foo = timeit(foo)，就可以达到计时的目的，这也就是装饰器的概念，看起来像是foo被timeit装饰了。在在这个例子中，函数进入和退出时需要计时，这被称为一个横切面(Aspect)，这种编程方式被称为面向切面的编程(Aspect-Oriented Programming)。与传统编程习惯的从上往下执行方式相比较而言，像是在函数执行的流程中横向地插入了一段逻辑。在特定的业务领域里，能减少大量重复代码。面向切面编程还有相当多的术语，这里就不多做介绍，感兴趣的话可以去找找相关的资料。
这个例子仅用于演示，并没有考虑foo带有参数和有返回值的情况，完善它的重任就交给你了 ：)
2. Python的额外支持
***. 语法糖
上面这段代码看起来似乎已经不能再精简了，Python于是提供了一个语法糖来降低字符输入量。
代码如下:
import time
def timeit(func):
def wrapper():
start = *****()
func()
end =*****()
print used:, end - start
return wrapper
@timeit
def foo():
print in foo()
foo()
重点关注第11行的@timeit，在定义上加上这一行与另外写foo = timeit(foo)完全等价，千万不要以为@有另外的魔力。除了字符输入少了一些，还有一个额外的好处：这样看上去更有装饰器的感觉。
***. 内置的装饰器
内置的装饰器有三个，分别是staticmethod、clas**ethod和property，作用分别是把类中定义的实例方法变成静态方法、类方法和类属性。由于模块里可以定义函数，所以静态方法和类方法的用处并不是太多，除非你想要完全的面向对象编程。而属性也不是不可或缺的，Java没有属性也一样活得很滋润。从我个人的Python经验来看，我没有使用过property，使用staticmethod和clas**ethod的频率也非常低。
代码如下:
class Rabbit(object):
def __init__(self, name):
self._name = name
@staticmethod
def newRabbit(name):
return Rabbit(name)
@clas**ethod
def newRabbit2(cls):
return Rabbit()
@property
def name(self):
return self._name
这里定义的属性是一个只读属性，如果需要可写，则需要再定义一个setter：
代码如下:
@*****
def name(self, name):
self._name = name
***. functools模块
functools模块提供了两个装饰器。这个模块是Python ***后新增的，一般来说大家用的应该都高于这个版本。但我平时的工作环境是*** T-T
*****. wraps(wrapped):
这是一个很有用的装饰器。看过前一篇反射的朋友应该知道，函数是有几个特殊属性比如函数名，在被装饰后，上例中的函数名foo会变成包装函数的名字wrapper，如果你希望使用反射，可能会导致意外的结果。这个装饰器可以解决这个问题，它能将装饰过的函数的特殊属性保留。
代码如下:
import time
import functools
def timeit(func):
@*****(func)
def wrapper():
start = *****()
func()
end =*****()
print used:, end - start
return wrapper
@timeit
def foo():
print in foo()
foo()
print foo.__name__
首先注意第5行，如果注释这一行，foo.__name__将是wrapper。另外相信你也注意到了，这个装饰器竟然带有一个参数。实际上，他还有另外两个可选的参数，assigned中的属性名将使用赋值的方式替换，而updated中的属性名将使用update的方式合并，你可以通过查看functools的源代码获得它们的默认值。对于这个装饰器，相当于wrapper = *****(func)(wrapper)。
*****. total_ordering(cls):
这个装饰器在特定的场合有一定用处，但是它是在Python ***后新增的。它的作用是为实现了至少__lt__、__le__、__gt__、__ge__其中一个的类加上其他的比较方法，这是一个类装饰器。如果觉得不好理解，不妨仔细看看这个装饰器的源代码：
代码如下:
def total_ordering(cls):
Class decorator that fills in missing ordering methods
convert = {
__lt__: [(__gt__, lambda self, other: other
self),
(__le__, lambda self, other: not other
self),
(__ge__, lambda self, other: not self
other)],
__le__: [(__ge__, lambda self, other: other = self),
(__lt__, lambda self, other: not other = self),
(__gt__, lambda self, other: not self = other)],
__gt__: [(__lt__, lambda self, other: other
self),
(__ge__, lambda self, other: not other
self),
(__le__, lambda self, other: not self
other)],
__ge__: [(__le__, lambda self, other: other = self),
(__gt__, lambda self, other: not other = self),
(__lt__, lambda self, other: not self = other)]
}
roots = set(dir(cls))
set(convert)
if not roots:
raise ValueError(must define at least one ordering operation:
= =)
root = max(roots) # prefer __lt__ to __le__ to __gt__ to __ge__
for opname, opfunc in convert:
if opname not in roots:
opfunc.__name__ = opname
opfunc.__doc__ = getattr(int, opname).__doc__
setattr(cls, opname, opfunc)
return cls
本文到这里就全部结束了，有空的话我会整理一个用于检查参数类型的装饰器的源代码放上来，算是一个应用吧 ：)