Python 中如何使用 functools 模块中的高阶函数（如：partial, reduce, lru_cache）？

推荐答案

// www.javascriptcn.com code example
from functools import partial, reduce, lru_cache

# 使用 partial 创建新函数
def multiply(x, y):
    return x * y

double = partial(multiply, 2)
print(double(4))  # 输出: 8

# 使用 reduce 进行累积计算
numbers = [1, 2, 3, 4]
product = reduce(lambda x, y: x * y, numbers)
print(product)  # 输出: 24

# 使用 lru_cache 进行函数结果缓存
@lru_cache(maxsize=None)
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

print(fibonacci(10))  # 输出: 55

本题详细解读

partial 函数

partial 是 functools 模块中的一个高阶函数，用于部分应用一个函数。它允许你固定函数的一部分参数，从而创建一个新的函数。这在需要重复调用某个函数但部分参数固定的情况下非常有用。

• 示例：

  from functools import partial
  
  def multiply(x, y):
      return x * y
  
  double = partial(multiply, 2)
  print(double(4))  # 输出: 8

  在这个例子中，partial 固定了 multiply 函数的第一个参数为 2，创建了一个新的函数 double，它只需要一个参数 y。

reduce 函数

reduce 是 functools 模块中的另一个高阶函数，用于对序列中的元素进行累积计算。它接受一个二元函数和一个序列，并将序列中的元素依次传递给二元函数进行累积计算。

• 示例：

  from functools import reduce
  
  numbers = [1, 2, 3, 4]
  product = reduce(lambda x, y: x * y, numbers)
  print(product)  # 输出: 24

  在这个例子中，reduce 使用 lambda 函数对 numbers 列表中的元素进行累积乘法计算，最终得到 24。

lru_cache 装饰器

lru_cache 是 functools 模块中的一个装饰器，用于缓存函数的结果。它通过最近最少使用（LRU）策略来管理缓存，从而避免重复计算，提高函数执行效率。

• 示例：

  // www.javascriptcn.com code example
  from functools import lru_cache
  
  @lru_cache(maxsize=None)
  def fibonacci(n):
      if n < 2:
          return n
      return fibonacci(n-1) + fibonacci(n-2)
  
  print(fibonacci(10))  # 输出: 55

  在这个例子中，lru_cache 装饰器缓存了 fibonacci 函数的结果，避免了重复计算，显著提高了计算斐波那契数列的效率。