Python：为什么需要functools.partial？
部分应用是很酷的。 functools.partial提供哪些function，您无法通过lambdas获得？
>>> sum = lambda x, y : x + y >>> sum(1, 2) 3 >>> incr = lambda y : sum(1, y) >>> incr(2) 3 >>> def sum2(x, y): return x + y >>> incr2 = functools.partial(sum2, 1) >>> incr2(4) 5
functools不知何故更有效率，或可读？
functools.partial提供哪些function，您无法通过lambdas获得？
在额外的function方面没有太多的function （但是，见后面的内容），并且可读性在旁观者的眼中。
大多数熟悉函数式编程语言的人（尤其是Lisp / Scheme系列中的人）似乎很喜欢lambda – 我说的是“最”，绝对不是全部，因为Guido和我确实是那些“熟悉的” （等），但认为lambda作为Python的眼睛exception…
他已经悔过自己已经接受了Python，而计划将其从Python 3中删除，作为“Python的毛病”之一。
我完全支持他。 （我喜欢Scheme中的 lambda ，虽然它在Python中的局限性，以及它不适合于其他语言的奇怪的方式，使我的皮肤爬行）。
然而，对于那些对lambda爱好者来说并不是这样的人，他们在Python历史上曾经发生过一次叛乱事件，但是直到Guido退后，才决定离开lambda 。
对functools （使函数返回常量，标识等）的几个可能的补充没有发生（为了避免显式地重复更多的lambda的function），虽然partial当然保留（这不是完全重复，也不是一个眼睛）。
请记住， lambda的身体被限制为一个expression式 ，所以它是有限制的。 例如…：
>>> import functools >>> f = functools.partial(int, base=2) >>> f.args () >>> f.func <type 'int'> >>> f.keywords {'base': 2} >>>
functools.partial的返回函数装饰了内省的有用属性 – 它包装的函数，以及它修复的位置和名称参数。 此外，命名的参数可以被重写（“固定”在某种意义上就是默认设置）：
>>> f('23', base=10) 23
所以，正如你所看到的，它不像lambda s: int(s, base=2)那样简单lambda s: int(s, base=2) ！ – ）
是的，你可以扭曲你的lambda给你一些这样的 – 例如，关键字覆盖，
>>> f = lambda s, **k: int(s, **dict({'base': 2}, **k))
但我非常希望即使是最热心的lambda -lover也不会认为这个恐怖比partial调用更可读！）。 “属性设置”部分更加困难，因为Python的lambda的“主体的单一expression”限制（再加上赋值永远不能成为Pythonexpression式的一部分的事实）……最后，“伪装expression式中的赋值“通过扩展列表理解超出其devise限制…：
>>> f = [f for f in (lambda f: int(s, base=2),) if setattr(f, 'keywords', {'base': 2}) is None][0]
现在，将命名参数的可重写性和三个属性的设置组合成一个expression式，并告诉我这将是多么可读……！ – ）
那么，这是一个显示不同的例子：
In [132]: sum = lambda x, y: x + y In [133]: n = 5 In [134]: incr = lambda y: sum(n, y) In [135]: incr2 = partial(sum, n) In [136]: print incr(3), incr2(3) 8 8 In [137]: n = 9 In [138]: print incr(3), incr2(3) 12 8
Ivan Moore的这些post扩展了“lambda的限制”和python中的闭包：
- Python中的闭包（第2部分）
- Python中的闭包（第3部分）
在最新版本的Python（> = 2.7）中，可以使用partial而不是lambda ：
>>> pickle.dumps(partial(int)) 'cfunctools\npartial\np0\n(c__builtin__\nint\np1\ntp2\nRp3\n(g1\n(tNNtp4\nb.' >>> pickle.dumps(lambda x: int(x)) Traceback (most recent call last): File "<ipython-input-11-e32d5a050739>", line 1, in <module> pickle.dumps(lambda x: int(x)) File "/usr/lib/python2.7/pickle.py", line 1374, in dumps Pickler(file, protocol).dump(obj) File "/usr/lib/python2.7/pickle.py", line 224, in dump self.save(obj) File "/usr/lib/python2.7/pickle.py", line 286, in save f(self, obj) # Call unbound method with explicit self File "/usr/lib/python2.7/pickle.py", line 748, in save_global (obj, module, name)) PicklingError: Can't pickle <function <lambda> at 0x1729aa0>: it's not found as __main__.<lambda>
functools不知何故更有效率..？
作为对此的部分回答，我决定testing性能。 这是我的例子：
from functools import partial import time, math def make_lambda(): x = 1.3 return lambda: math.sin(x) def make_partial(): x = 1.3 return partial(math.sin, x) Iter = 10**7 start = time.clock() for i in range(0, Iter): l = make_lambda() stop = time.clock() print('lambda creation time {}'.format(stop - start)) start = time.clock() for i in range(0, Iter): l() stop = time.clock() print('lambda execution time {}'.format(stop - start)) start = time.clock() for i in range(0, Iter): p = make_partial() stop = time.clock() print('partial creation time {}'.format(stop - start)) start = time.clock() for i in range(0, Iter): p() stop = time.clock() print('partial execution time {}'.format(stop - start))
在Python 3.3中，它给出了：
lambda creation time 3.1743163756961392 lambda execution time 3.040552701787919 partial creation time 3.514482823352731 partial execution time 1.7113973411608114
这意味着部分创build需要更多的时间，但执行的时间要less得多。 这很可能是早期和晚期结合的效果，这些结果是在答复中讨论的。
除了Alex提到的额外function之外，functools.partial的另一个优点是速度。 部分你可以避免构build（和破坏）另一个堆栈框架。
由部分生成的函数inheritance原始函数的文档string，而默认情况下，lambda没有文档string（尽pipe您可以通过__doc__设置任何对象的文档string）
您可以在此博客中find更多详细信息： Python中的部分函数应用程序
我明白第三个例子中最快的意图。
当我parsinglambdaexpression式时，我期望比标准库直接提供的更复杂/更古怪。
另外，你会注意到第三个例子是唯一不依赖sum2完整签名的sum2 ; 从而使它稍微更松散耦合。
