在 Python 的编程世界里，functools 模块提供了一系列用于处理函数的工具，助力实现函数式编程风格，让代码更加简洁、高效且易于维护。

偏函数（Partial Function）

　　functools.partial 允许我们固定函数的某些参数，从而创建一个新的函数。例如，我们有一个计算幂次方的函数 pow，可以使用 partial 固定底数，创建一个专门计算平方的函数：

　　import functoolsdef pow_num(base, exponent): return base ** exponentsquare = functools.partial(pow_num, 2)print(square(3))

　　这里，square 函数就是固定了 pow_num 函数的 base 参数为 2 的新函数，调用 square(3) 实际上就是计算 2 的 3 次方。

函数缓存（Function Caching）

　　functools.lru_cache 装饰器提供了函数缓存功能，它会记住函数的输入和输出。如果相同的输入再次出现，直接返回缓存的结果，而无需重新执行函数。这对于计算开销大且输入相同的情况下，能极大提升性能。例如：

　　import (maxsize = 128)def fibonacci(n): if n <= 1: return n return fibonacci(n - 1) + fibonacci(n - 2)print(fibonacci(30))

　　在计算斐波那契数列时，lru_cache 会缓存中间结果，避免重复计算，大大加快了计算速度。

函数组合（Function Composition）

　　虽然 functools 没有直接提供函数组合的工具，但可以通过自定义函数实现。函数组合是将多个函数按照顺序连接起来，一个函数的输出作为下一个函数的输入。例如：

　　def add(x): return x + 1def multiply(x): return x * 2def compose(*funcs): def inner(arg): for func in reversed(funcs): arg = func(arg) return arg return innernew_func = compose(add, multiply)print(new_func(3))

　　这里，compose 函数实现了函数组合，new_func 先对输入值 3 执行 add 函数，再对结果执行 multiply 函数。

应用场景
  1. 数据处理流水线：在数据处理中，偏函数可以固定一些通用的参数，使代码更简洁。例如，在数据清洗过程中，固定某些清洗规则的参数。
  2. 优化计算密集型任务：对于一些计算密集型且输入值重复可能性高的函数，使用 lru_cache 能显著提高性能，如复杂的数学计算或数据库查询。

　　每天坚持学习一点点，不求有回报，只愿可以丰富自己！！！