深入理解 Python functools 模块（小白也能掌握的函数工具库实战指南）

什么是 functools？

functools 是 Python 标准库中的一个模块，主要用于高阶函数操作，即那些接收函数作为参数或返回函数的函数。它最著名的功能包括 @lru_cache、@wraps、partial 等。

1. 使用 @lru_cache 实现缓存（缓存装饰器）

当你有一个计算成本较高的函数，并且会多次用相同参数调用它时，可以使用 @lru_cache 装饰器来缓存结果，避免重复计算。这是 缓存装饰器 的典型应用。

from functools import lru_cache@lru_cache(maxsize=128)def fibonacci(n):    if n < 2:        return n    return fibonacci(n - 1) + fibonacci(n - 2)# 第一次调用会计算并缓存print(fibonacci(30))  # 输出：832040# 第二次调用直接从缓存读取，速度极快print(fibonacci(30))  # 输出：832040

maxsize 参数指定了缓存的最大条目数，当超过时会按照“最近最少使用”（LRU）策略自动清除旧数据。

2. 使用 @wraps 保留原函数信息

在编写自己的装饰器时，如果不加处理，被装饰的函数会丢失其原始元数据（如 __name__、__doc__ 等）。这时就需要 @wraps 来“包裹”内部函数，保持原函数信息不变。

from functools import wrapsdef my_logger(func):    @wraps(func)  # 关键！保留 func 的元数据    def wrapper(*args, **kwargs):        print(f"Calling function: {func.__name__}")        return func(*args, **kwargs)    return wrapper@my_loggerdef greet(name):    """Say hello to someone."""    return f"Hello, {name}!"print(greet("Alice"))        # 输出：Hello, Alice!print(greet.__name__)       # 输出：greet（而不是 wrapper）print(greet.__doc__)        # 输出：Say hello to someone.

3. 使用 partial 固定部分参数

functools.partial 可以创建一个新函数，该函数是原函数的“偏函数”，即预先填入一部分参数，后续只需传入剩余参数即可。

from functools import partialdef multiply(x, y):    return x * y# 创建一个新函数，固定第一个参数为 2double = partial(multiply, 2)print(double(5))   # 相当于 multiply(2, 5)，输出：10print(double(10))  # 输出：20

总结

通过本文，你已经掌握了 functools模块 的三大核心工具：@lru_cache（缓存装饰器）、@wraps（保留函数元信息）和 partial（参数固化）。这些工具不仅能提升代码性能，还能增强可维护性。

无论你是刚入门 Python 的新手，还是有一定经验的开发者，合理使用 Python functools 都能让你的代码更优雅、更高效。赶快在你的项目中试试吧！

SEO关键词提示：本文覆盖了 functools模块、Python functools、函数装饰器、缓存装饰器 等核心概念，适合搜索相关内容的开发者阅读。