functools: partial i reduce
Proszę tworzyć wyspecjalizowane funkcje za pomocą partial oraz składać sekwencje za pomocą reduce.
functools: partial i reduce to bezpłatna lekcja Python Academy na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Python Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Python Academy zawiera 4 lekcji w sumie.
Przegląd functools
functools to moduł biblioteki standardowej zawierający funkcje wyższego rzędu, które działają na innych funkcjach lub je zwracają.
import functools
# partial, reduce, lru_cache, wraps, cached_property ...
print(dir(functools))partial()
functools.partial(func, *args, **kw) tworzy nowy obiekt wywoływalny z częściowo wypełnionymi argumentami.
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)) # 27partial z metodami
Należy użyć partial, aby dostosować metody ze stałymi parametrami do użycia jako funkcje zwrotne lub procedury obsługi zdarzeń.
import functools, logging
logger = logging.getLogger("app")
log_error = functools.partial(logger.log, logging.ERROR)
log_error("Something went wrong")partial a lambda
partial jest preferowane zamiast lambda do wstępnego wypełniania argumentów, ponieważ można je serializować za pomocą pickle, ma czytelną reprezentację repr i zachowuje docstring.
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)) # 10reduce()
functools.reduce(func, iterable, initial) agreguje elementy obiektu iterowalnego od lewej do prawej za pomocą funkcji dwuargumentowej.
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) # 120Budowanie max() za pomocą reduce
Funkcję reduce można zilustrować, implementując ponownie 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])) # 9Spłaszczanie zagnieżdżonych list
Należy użyć reduce wraz z operator.iconcat, aby spłaszczyć jeden poziom zagnieżdżenia.
import functools, operator
nested = [[1,2],[3,4],[5]]
flat = functools.reduce(operator.iconcat, nested, [])
print(flat) # [1, 2, 3, 4, 5]partial do tworzenia adresów URL
Praktyczny wzorzec użycia partial: ustalenie bazowego adresu URL i utworzenie wyspecjalizowanych pomocników do żądań.
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(): zachowywanie metadanych
Podczas pisania dekoratorów należy użyć @functools.wraps(wrapped), aby opakowująca funkcja zachowała nazwę i docstring oryginalnej funkcji.
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 uzupełnia brakujące metody porównywania, gdy zostaną zdefiniowane __eq__ oraz jedna z metod __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)) # Truesingledispatch
@functools.singledispatch tworzy funkcję, która wybiera różne implementacje na podstawie typu pierwszego argumentu.
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")) # HISzybkie sprawdzenie
Co tworzy functools.partial(pow, 2)?
Podsumowanie
partial wstępnie wypełnia argumenty funkcji; reduce agreguje sekwencję za pomocą funkcji dwuargumentowej; wraps zachowuje metadane dekoratora; total_ordering uzupełnia metody porównywania; singledispatch wybiera implementację na podstawie typu.
Często zadawane pytania
Czy lekcja „functools: partial i reduce” jest bezpłatna?
Tak — pełny tekst „functools: partial i reduce” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Python Academy, przejdź na CoddyKit PRO. Kurs Python Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „functools: partial i reduce”?
Proszę tworzyć wyspecjalizowane funkcje za pomocą partial oraz składać sekwencje za pomocą reduce. Ćwiczysz Python Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Python Academy?
Nie wymagamy żadnego doświadczenia. Python Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.
Ile czasu zajmuje lekcja „functools: partial i reduce”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Python Academy?
Tak. Każda lekcja Python Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- itertools: iteratory nieskończone i skończone
- itertools: kombinatoryka
- functools: partial i reduce
- functools: lru_cache i cached_property