Python Academy · Pelajaran

functools: partial dan reduce

Cipta fungsi khusus dengan partial dan lipat jujukan menggunakan reduce.

Pelajaran 3 daripada 413 langkah

functools: partial dan reduce ialah pelajaran Python Academy percuma di CoddyKit. Ini ialah pelajaran 3 daripada 4. Anda boleh membaca keseluruhan pelajaran di bawah secara percuma — kemudian berlatih secara praktikal dalam pelayar menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Python Academy, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Python Academy merangkumi sejumlah 4 pelajaran.

Gambaran Keseluruhan functools

functools ialah modul pustaka standard yang mengandungi fungsi peringkat tinggi yang beroperasi pada fungsi lain atau mengembalikan fungsi lain.

import functools

# partial, reduce, lru_cache, wraps, cached_property ...
print(dir(functools))

partial()

functools.partial(func, *args, **kw) mencipta objek boleh panggil baharu dengan beberapa argumen yang telah diisi terlebih dahulu.

import functools

def power(base, exp):
    return base ** exp

square = functools.partial(power, exp=2)
cube   = functools.partial(power, exp=3)

print(square(4))  # 16
print(cube(3))    # 27

partial dengan Kaedah

Gunakan partial untuk menyesuaikan kaedah dengan parameter tetap supaya boleh digunakan sebagai panggil balik atau pengendali acara.

import functools, logging

logger = logging.getLogger("app")
log_error = functools.partial(logger.log, logging.ERROR)

log_error("Something went wrong")

partial berbanding lambda

partial lebih sesuai daripada lambda untuk mengisi argumen terlebih dahulu kerana ia boleh disiri, mempunyai perwakilan yang baik dan mengekalkan rentetan dokumentasi.

import functools

mul = lambda x, y: x * y

double_lambda = lambda x: mul(x, 2)            # lambda approach
double_partial = functools.partial(mul, y=2)   # partial approach

print(double_partial(5))   # 10

reduce()

functools.reduce(func, iterable, initial) melipat objek yang boleh diulang dari kiri ke kanan menggunakan fungsi perduaan.

import functools, operator

total = functools.reduce(operator.add, [1,2,3,4,5])
print(total)   # 15

product = functools.reduce(operator.mul, [1,2,3,4,5], 1)
print(product) # 120

Membina max() dengan reduce

Tunjukkan cara reduce berfungsi dengan melaksanakan semula max():

import functools

def my_max(seq):
    return functools.reduce(lambda a, b: a if a > b else b, seq)

print(my_max([3, 1, 4, 1, 5, 9]))  # 9

Meratakan Senarai Bersarang

Gunakan reduce dengan operator.iconcat untuk meratakan satu tahap sarang.

import functools, operator

nested = [[1,2],[3,4],[5]]
flat = functools.reduce(operator.iconcat, nested, [])
print(flat)  # [1, 2, 3, 4, 5]

partial untuk Membina URL

Pola praktikal partial: tetapkan URL asas dan cipta pembantu permintaan khusus.

import functools, urllib.request

def fetch(base, path):
    url = base.rstrip("/") + "/" + path.lstrip("/")
    with urllib.request.urlopen(url) as r:
        return r.read()

github = functools.partial(fetch, "https://api.github.com")
# github("/users/octocat")

wraps(): Mengekalkan Metadat

Semasa menulis penghias, gunakan @functools.wraps(wrapped) supaya pembalut mengekalkan nama dan rentetan dokumentasi fungsi asal.

import functools

def decorator(func):
    @functools.wraps(func)
    def wrapper(*args, **kw):
        return func(*args, **kw)
    return wrapper

@decorator
def greet(name):
    """Say hello."""
    return f"Hello, {name}"

print(greet.__name__)  # greet
print(greet.__doc__)   # Say hello.

total_ordering

@functools.total_ordering mengisi kaedah perbandingan yang hilang apabila anda mentakrifkan __eq__ dan salah satu daripada __lt__/__le__/__gt__/__ge__.

import functools

@functools.total_ordering
class Version:
    def __init__(self, major, minor):
        self.v = (major, minor)
    def __eq__(self, o): return self.v == o.v
    def __lt__(self, o): return self.v < o.v

print(Version(1,2) >= Version(1,1))  # True

singledispatch

@functools.singledispatch mencipta fungsi yang memilih pelaksanaan berbeza berdasarkan jenis argumen pertama.

import functools

@functools.singledispatch
def process(arg):
    raise NotImplementedError(type(arg))

@process.register(int)
def _(n): return n * 2

@process.register(str)
def _(s): return s.upper()

print(process(5))     # 10
print(process("hi"))  # HI

Semakan Pantas

Apakah yang dihasilkan oleh functools.partial(pow, 2)?

Jawab dalam pelajaran interaktif

Rumusan

partial mengisi argumen fungsi terlebih dahulu; reduce melipat jujukan dengan fungsi perduaan; wraps mengekalkan metadat penghias; total_ordering mengisi kaedah perbandingan; singledispatch memilih pelaksanaan berdasarkan jenis.

Percuma untuk bermula

Pelajari Python dengan tutor kecerdasan buatan — percuma

Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.

Kursus: 76
Pelajaran: 320

Mula belajar secara percuma Lihat kursus penuh

Soalan Lazim

Adakah pelajaran “functools: partial dan reduce” percuma?

Ya — teks penuh “functools: partial dan reduce” boleh dibaca secara percuma di web ini. Untuk berlatih secara interaktif menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7, serta membuka kunci baki kursus Python Academy, tingkat taraf kepada CoddyKit PRO. Kursus Python Academy merangkumi sejumlah 4 pelajaran.

Apakah yang akan saya pelajari dalam “functools: partial dan reduce”?

Cipta fungsi khusus dengan partial dan lipat jujukan menggunakan reduce. Anda berlatih Python Academy menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.

Adakah saya memerlukan pengalaman untuk memulakan Python Academy?

Tiada pengalaman terdahulu diperlukan. Pembelajaran Python Academy di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 3 daripada 4.

Berapa lamakah pelajaran “functools: partial dan reduce” diambil?

Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.

Bolehkah saya menulis dan menjalankan kod dalam pelajaran Python Academy ini?

Ya. Setiap pelajaran Python Academy menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.

Semua pelajaran dalam kursus ini

itertools: Lelaran Tak Terhingga dan Terhingga
itertools: Kombinatorik
functools: partial dan reduce
functools: lru_cache dan cached_property

← Kembali ke Python Academy