欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。
作者：草yang年华
个人公众号：机器学习与python集中营
01
声明
functools, itertools, operator是Python标准库为我们提供的支持函数式编程的三大模块，合理的使用这三个模块，我们可以写出更加简洁可读的Pythonic代码，本次的系列文章将介绍并使用这些python自带的标准模块，系列文章分篇连载，此为第二篇，有兴趣的小伙伴后面记得关注学习哦！
Python标准库之functools
目录
1 partial函数
2 partialmethod函数
3 reduce函数
4 wraps函数
5 update_wrapper函数
6 singledispatch函数
7 total_ordering函数
8 namedtuple函数
鉴于篇幅较长，functools模块将分为三篇进行说明，
上篇：partial、partialmethod
中篇：reduce、wraps、update_wrapper
下篇：singledispatch、total_ordering
前面的python标准库系列教程(二)——functools (上篇)中已经详细讲解了partial函数和partialmethod函数的使用，本文为系列文章的中篇，将详细分析reduce、wraps、upgrade_wrapper三个函数的使用方法，特别是wraps、upgrade_wrapper，都是从源码进行剖析哦，认真看完的小伙伴一定会大有所获的。后续还有下篇，请持续关注！
03
reduce函数
reduce函数的前身是来自于python2.x版本的内置函数reduce，但是在python3中该内置函数被取消了，但是由于该函数提供的功能又非常便捷，所以将其放到了functools模块里面了。
首先我们从它的定义开始看起：
reduce(function, sequence[, initial]) -> value
Apply a function of two arguments cumulatively to the items of a sequence,
fromleft to right, soasto reduce the sequence to a single value.
For example, reduce(lambdax, y: x+y, [1,2,3,4,5]) calculates
((((1+2)+3)+4)+5). If initialispresent, itisplaced before the items
of the sequenceinthe calculation,andservesasa default when the
sequenceisempty.
从上面的定义可以看出，该函数有两个必选参数
function，而且要求这个函数必须要有接收两个参数,当然可以使lambda表达式；
sequence，要处理的序列
initial，可选参数，如果没给出这个可选参数
则第一次调用传递sequence的两个元素,
如果给出initial, 则第一次传递initial和sequence的第一个元素给function.
那reduce函数到底是干什么的，有什么用呢？
其实用传给reduce中的函数 func()（必须是一个二元操作函数）先对集合中的第1，2个数据进行func()操作，得到的结果再与第3个数据用func()函数运算，依次下去最后得到一个结果。
注意：对于一些常见的“累乘”、“累加”操作，使用该方法非常快捷；
最后返回的是一个结果（一个数），而不是一个序列哦！
实例一：reduce实现累加
fromfunctoolsimportreduce
a=[1,2,3,4,5]
b=reduce(lambdax,y:x+y,a) #使用的lambda表达式
c=reduce(lambdax,y:x+y,a,10)
print(b)
print(c)
运行结果为：
15
25
实例二：reduce实现累乘
fromfunctoolsimportreduce
a=[1,2,3,4,5]
b=reduce(lambdax,y:x*y,a)
c=reduce(lambdax,y:x*y,a,10)
print(b)
print(c)
运行结果为：
120
1200
04
wraps函数
使用装饰器时，有一些细节需要被注意。例如，被装饰后的函数其实已经是另外一个函数了（函数名等函数属性会发生改变）。
为什么会发生这样的改变呢？参见前面的系列文章：
Python高级编程——装饰器Decorator超详细讲解(中篇)
Python高级编程——装饰器Decorator超详细讲解(补充篇——嵌套装饰器)
添加后由于函数名和函数的doc发生了改变，对测试结果有一些影响，例如:
deftest():
'i am test'
print('一个简单的实验')
test()
print(test.__doc__)
print(test.__name__)
运行结果为：
一个简单的实验
i am test
test
如果使用了一个普通的装饰器之后，代码如下
defdecorator(function):
'i am decorator'
defwrapper():
'i am wrapper'
print('添加额外功能')
function()
print('添加完毕')
returnwrapper
@decorator
deftest():
'i am test'
print('一个简单的实验')
test()
print(test.__doc__)
print(test.__name__)
运行结果为：
添加额外功能
一个简单的实验
添加完毕
i am wrapper
wrapper
我们发现，test函数的名称__name_
_变成了wrapper，说明文档__doc__也变成了wrapper的说明文档，这是为什么？想知道具体原因的小伙伴请参见我的前面的系列文章：
Python高级编程——装饰器Decorator超详细讲解(中篇)
Python高级编程——装饰器Decorator超详细讲解(补充篇——嵌套装饰器)
换句话说，此时的test早已经不是当初的test了，虽然使用装饰器达到了添加额外功能的作用，但是也产生了一些副作用，即装饰器会遗失被装饰函数的__name__和__doc__等属性。所以，Python的functools包中提供了一个叫wraps的装饰器来消除这样的副作用，例如：
importfunctools
defdecorator(function):
'i am decorator'
@functools.wraps(function)#就是在wrapper上面再添加这样一个装饰器
defwrapper():
'i am wrapper'
print('添加额外功能')
function()
print('添加完毕')
returnwrapper
@decorator
deftest():
'i am test'
print('一个简单的实验')
test()
print(test.__doc__)
print(test.__name__)
运行结果为：
添加额外功能
一个简单的实验
添加完毕
i am test
test
我们发现，就是在wrapper上面再添加一个
@functools.wraps(function)
就不会再改变test本身的__doc__和__name__属性了
——————————————————————
那么这个功能到底是怎么实现的，可以参考它的实现源代码，可以采用我前面讲解装饰器的时候的“逐步调试”，跟踪函数每一次的运行状态，来了解它的实现机制。
实际上wraps的内部是使用update_wrapper来实现的，这也是下面要讲的一个函数。
05
update_wrapper函数
前面已经说过，wraps函数内部是通过update_wrapper函数来实现的，我们可以查看一下它的定义：
defwraps(wrapped,assigned = WRAPPER_ASSIGNMENTS,updated = WRAPPER_UPDATES):
returnpartial(update_wrapper, wrapped=wrapped, assigned=assigned, updated=updated)
由此可见，wraps其实就是使用partial预先给upgrade_wrapper函数绑定了参数，至于这些参数wrapped、assigned、updated是什么？这就要去看upgrade_wrapper的函数定义了。
什么是updated_wrapper?
其实它和我们的wraps实现的是一样的功能，只不过它更加接近底层，它俩所要解决的问题都是：针对装饰器改变被装饰函数的函数名、函数说明的属性这一现象而提出来的。我们前面说过了，被装饰的函数实际上变成了内层函数wrapper，所以被装饰函数的一切属性都变得和wrapper一样了。
首先我们查看updated_wrapper的函数定义如下：（删除了注释部分，添加了自己的注解）
WRAPPER_ASSIGNMENTS = ('__module__','__name__','__qualname__','__doc__','__annotations__')
WRAPPER_UPDATES = ('__dict__',)
defupdate_wrapper(wrapper,
wrapped,
assigned = WRAPPER_ASSIGNMENTS,
updated = WRAPPER_UPDATES)
:
'''
wrapper：指的是装饰器的内层wrapper函数
wrapped:指的是被装饰的函数，比如前面例子中的test函数
assigned：指的是那些会因为装饰器而改变的属性
updated：指的是更新之后的字典属性
'''
forattrinassigned:#第一个循环，遍历那些会被改变的属性
try:
value = getattr(wrapped, attr)#得到被装饰函数的属性值
exceptAttributeError:
pass
else:
setattr(wrapper, attr, value)#将wrapper函数的这些属性，设置为被装饰函数的那些属性值
forattrinupdated:
getattr(wrapper, attr).update(getattr(wrapped, attr, {}))#更新wrapper的字典__dict__,把新设置的那些属性值更新进去
wrapper.__wrapped__ = wrapped#包装器函数wrapper都有一个__wrapped__属性。指向被包装的那个函数
returnwrapper#再返回那个wrapper包装器
相信有一定python基础的小伙伴看到这里已经恍然大悟了，原来就是这么一回事啊。
如果还是不懂，也没关系，我用尽量通俗的语言来表述，它的大致思想如下：
这里我假设被包装函数为test，test就是wrapped既然被包装函数test在被装饰器包装之后，它会变成wrapper，它的相关属性会变成wrapper的相关属性，那我们就这么解决吧，我把wrapper的那些属性重新赋值，赋值什么呢？就将test的那些属性值赋值给wrapper对应的那些属性，然后这些更新的属性使用wrapper的__dict__进行更新，这样一来，虽然我的test变成了wrapper，但是我访问它相关的属性还是得到我本身test的相关属性，因为我将wrapper的属性重新设置为了test的属性值，正式通过这样的方法，来保证了test即使被装饰器包装，依然不改变它的相关属性值。
基本结论总结：
（1）wraps和updated_wrapper的实现原理是一样的，wraps是后者进一步的包装；
（2）从前面的例子可以看出，wraps和updated_wrapper的作用对象都是内层包装器wrapper。这就是为什么前面讲wraps时为什么将@wraps放在wrapper上面的原因了。
（3）它们本质上是属于挂羊头卖狗肉的行为，因为test（wrapped）从本质上来说还是wrapper，我们之所一通过__name__、__doc__属性看不是这样子，只是因为我故意把wrapper的属性改成了wrapped的一样的了。
（4）这样做的好处是，对于我们调试来说非常有帮助，我们就知道函数的名称到底是哪一个，不会再弄混了。
（5）我们还可以自定义WRAPPER_ASSIGNMENTS里面的那些值，来约束test(wrapped)和wrapper的属性一样。
自己的实现同样的效果：
其实要保持test被装饰后的相关属性不改变，我们完全可以不用上面的wraps和upgrade_wrapper,我们知道它的设计原理之后，就可以自己实现了。如下：
importfunctools
defdecorator(function):
'i am decorator'
defwrapper():
'i am wrapper'
print('添加额外功能')
function()
print('添加完毕')
wrapper.__doc__=function.__doc__#是wrapper和test的__doc__属性保持一致
wrapper.__name__=function.__name__#是wrapper和test的__name__属性保持一致
returnwrapper
@decorator
deftest():
'i am test'
print('一个简单的实验')
test()
print(test.__doc__)
print(test.__name__)
运行结果为：
添加额外功能
一个简单的实验
添加完毕
i am test
test
由此可见，我自己只需要添加上面代码注释中的两句话可以达到同样的效果。
核心思想：保持wrapper和test的属性值一样
现在我们使用这两个特殊函数实现，代码如下：
importfunctools
defdecorator(function):
'i am decorator'
defwrapper():
'i am wrapper'
print('添加额外功能')
function()
print('添加完毕')
returnfunctools.update_wrapper(wrapper,function)
@decorator
deftest():
'i am test'
print('一个简单的实验')
test()
print(test.__doc__)
print(test.__name__)
运行的结果为：
添加额外功能
一个简单的实验
添加完毕
i am test
test
总结
upgrade_wrapper和wraps的实现原理完全一样，它们的一般模板如下所示：
（1）upgrade_wrapper模板
defdecorator(function):
'i am decorator'
defwrapper():
'i am wrapper'
'添加额外功能'
function()
'添加额外功能'
returnfunctools.update_wrapper(wrapper,function)
#因为upgrade_wrapper函数返回的就是wrapper
（2）wraps模板
defdecorator(function):
'i am decorator'
@functools.wraps(function)
defwrapper():
'i am wrapper'
'添加额外功能'
function()
'添加额外功能'
returnwrapper
上面的两者完全等价。
Python的爱好者社区历史文章大合集：
2018年Python爱好者社区历史文章合集（作者篇）
福利：文末扫码关注公众号，“Python爱好者社区”，开始学习Python课程：
关注后在公众号内回复“ 课程 ”即可获取：
小编的转行入职数据科学（数据分析挖掘/机器学习方向）【最新免费】
小编的Python的入门免费视频课程！
小编的Python的快速上手matplotlib可视化库！
崔老师爬虫实战案例免费学习视频。
陈老师数据分析报告扩展制作免费学习视频。
玩转大数据分析！Spark2.X + Python精华实战课程免费学习视频。