Python作为一种支持多范式的编程语言，除了在“一切皆对象”的理念支持下的，函数对象也是一等公民、各种高阶函数的自然实现、lambda表达式快速编写纯函数之外。还有一个内置的模块functools，能够更好地支持我们在Python中应用函数式编程。

本文的主要内容有：

1、functools模块概览

2、偏函数

3、自定义排序

4、属性缓存

5、其他已经介绍过的功能

functools模块是Python标准库中的一部分，提供了一系列高阶函数和操作函数的工具，涵盖了偏函数、聚合操作、性能优化、多态处理、装饰器开发、自定义排序和属性缓存等多种功能。

通过理解和使用这些工具，可以大大提高代码的灵活性、性能和可维护性。无论是函数式编程，还是面向对象编程等，在日常的开发任务中，functools都是一个不可或缺的利器。

functools模块有很多重要的功能，其中一个就是偏函数（Partial function）。

需要注意的是，这里的偏函数与数学意义上的偏函数（偏导数）是不一样的。

Python中的偏函数是用于对函数固定参数的函数，作用就是把一个函数中的某些参数固定住，类似于设置默认值的逻辑，返回一个新的函数，从而使得多元函数的调用变得更加简单，从而对使用者更加友好。

先看下定义：

然后以实际代码看一下partial的使用：

执行结果：

需要说明的是，偏函数虽然与柯里化比较相似，但是，两者在使用上还是有所区别的。偏函数是固定部分参数，直接生成新的函数。而柯里化，是逐步进行函数参数的传递，嵌套函数，每个函数只接收一个参数。在调用上，偏函数是一次性传递所有剩余参数，柯里化是逐层传递每一个参数。

functools模块提供了一个total_ordering的装饰器，用于自动生成缺失的排序方法。

首先看下定义：

只要定义比较方法，比如<、>、<=、>=中的一个方法，该装饰器可以帮助自动推导出另外几个方法。

还是直接看代码：

执行结果：

可以看到，我们在代码中只定义了__lt__方法，total_ordering装饰器自动根据该方法实现了另外3个用于比较的方法。

需要说明的是，==、!=还是自行定义__eq__方法来实现。

在面向对象中，我们介绍过property属性装饰器，有些计算的属性，如果比较消耗性能，还可以使用functools中提供的cached_property来实现计算结果的缓存。

直接以代码为例：

执行结果：

可以看到，第二次调用时，并没有执行area()方法的调用。

functools中还有其他功能，我们在前面的文章中都已经介绍过了，这里就不展开详细说明了，只是简单列举回顾一下：

1、functools.reduce：用于将一个二元操作函数应用于序列，实现累计地将序列元素计算合并为一个结果。

2、functools.lru_cache：装饰器，用于缓存函数的计算结果，从而提高性能，lru是Least Recently Used的缩写，表示缓存采用的最近最少使用的缓存置换策略。

3、functools.singledispatch：装饰器，用于实现单分派泛函数，允许根据第一个参数的类型调用不同的函数实现，近似实现其他语言中的函数重载。

4、functolls.wraps：装饰器，主要用于确保装饰器不修改被装饰函数的元数据。

本文详细介绍了functools中的各个核心功能的使用，包括偏函数、自定义排序、缓存属性等。functools模块，不仅可以用于函数式编程，面向对象编程中，也可以发挥巨大的作用。

感谢您的拨冗阅读，希望对您有所帮助。