"functools" --- 고차 함수와 콜러블 객체에 대한 연산
***************************************************

**소스 코드:** Lib/functools.py

======================================================================

"functools" 모듈은 고차 함수를 위한 것입니다: 다른 함수에 작용하거나
다른 함수를 반환하는 함수. 일반적으로, 모든 콜러블 객체는 이 모듈의 목
적상 함수로 취급될 수 있습니다.

"functools" 모듈은 다음 함수를 정의합니다:

@functools.cached_property(func)

   클래스의 메서드를 값이 한 번 계산된 다음 인스턴스 수명 동안 일반 어
   트리뷰트로 캐시 되는 프로퍼티로 변환합니다. "property()"와 유사하고
   , 캐싱이 추가되었습니다. 비싸게 계산되고 그 외에는 사실상 불변인 인
   스턴스의 프로퍼티에 유용합니다.

   예:

      class DataSet:
          def __init__(self, sequence_of_numbers):
              self._data = sequence_of_numbers

          @cached_property
          def stdev(self):
              return statistics.stdev(self._data)

          @cached_property
          def variance(self):
              return statistics.variance(self._data)

   버전 3.8에 추가.

   참고:

     이 데코레이터는 각 인스턴스의 "__dict__" 어트리뷰트가 가변 매핑일
     것을 요구합니다. 이는 메타 클래스(형 인스턴스의 "__dict__" 어트리
     뷰트가 클래스 이름 공간에 대한 읽기 전용 프락시이기 때문에)와
     "__dict__"를 정의된 슬롯 중 하나로 포함하지 않고 "__slots__"를 지
     정하는 것(이러한 클래스는 "__dict__" 어트리뷰트를 전혀 제공하지
     않기 때문에)과 같은 일부 형에서 작동하지 않음을 의미합니다.

functools.cmp_to_key(func)

   구식 비교 함수를 *키 함수*로 변환합니다. ("sorted()", "min()",
   "max()", "heapq.nlargest()", "heapq.nsmallest()",
   "itertools.groupby()"와 같은) 키 함수를 받아들이는 도구와 함께 사용
   됩니다. 이 함수는 주로 비교 함수 사용을 지원하는 파이썬 2에서 변환
   되는 프로그램의 전이 도구로 사용됩니다.

   비교 함수는 두 개의 인자를 받아들이고, 그들을 비교하여, 작으면 음수
   , 같으면 0, 크면 양수를 반환하는 콜러블입니다. 키 함수는 하나의 인
   자를 받아들이고 정렬 키로 사용할 다른 값을 반환하는 콜러블입니다.

   예:

      sorted(iterable, key=cmp_to_key(locale.strcoll))  # locale-aware sort order

   정렬 예제와 간략한 정렬 자습서는 정렬 HOW TO를 참조하십시오.

   버전 3.2에 추가.

@functools.lru_cache(user_function)
@functools.lru_cache(maxsize=128, typed=False)

   가장 최근의 *maxsize* 호출까지 저장하는 기억하는(memoizing) 콜러블
   함수를 감싸는 데코레이터. 비싸거나 I/O 병목 함수가 같은 인자로 주기
   적으로 호출될 때 시간을 절약할 수 있습니다.

   결과를 캐시 하는 데 딕셔너리가 사용되기 때문에, 함수에 대한 위치와
   키워드 인자는 해시 가능해야 합니다.

   서도 다른 인자 패턴은 별도의 캐시 항목을 갖는 별개의 호출로 간주할
   수 있습니다. 예를 들어, *f(a=1, b=2)*와 *f(b=2, a=1)*은 키워드 인자
   순서가 다르며 두 개의 개별 캐시 항목을 가질 수 있습니다.

   *user_function*이 지정되면, 콜러블이어야 합니다. 이는 *lru_cache*
   데코레이터를 사용자 함수에 직접 적용 할 수 있도록 하며, *maxsize*를
   기본값 128로 유지합니다:

      @lru_cache
      def count_vowels(sentence):
          sentence = sentence.casefold()
          return sum(sentence.count(vowel) for vowel in 'aeiou')

   *maxsize*가 "None"으로 설정되면, LRU 기능이 비활성화되고 캐시가 제
   한 없이 커질 수 있습니다.

   *typed*가 참으로 설정되면, 다른 형의 함수 인자가 별도로 캐시 됩니다
   . 예를 들어, "f(3)"과 "f(3.0)"은 별개의 결과를 가진 별개의 호출로
   취급됩니다.

   캐시의 효과를 측정하고 *maxsize* 매개 변수를 조정하는 것을 돕기 위
   해, 래핑 된 함수는 *hits*, *misses*, *maxsize* 및 *currsize*를 표시
   하는 *네임드 튜플*을 반환하는 "cache_info()" 함수로 인스트루먼트 됩
   니다. 다중 스레드 환경에서, hits와 misses는 근사적(approximate)입니
   다.

   데코레이터는 캐시를 지우거나 무효로 하기 위한 "cache_clear()" 함수
   도 제공합니다.

   원래의 하부 함수는 "__wrapped__" 어트리뷰트를 통해 액세스 할 수 있
   습니다. 이것은 인트로스펙션, 캐시 우회 또는 다른 캐시로 함수를 다시
   래핑하는 데 유용합니다.

   LRU (least recently used) 캐시는 가장 최근 호출이 향후 호출에 대한
   최상의 예측일 때 가장 잘 작동합니다 (예를 들어, 뉴스 서버에서 가장
   인기 있는 기사는 매일 바뀌는 경향이 있습니다). 캐시의 크기 제한은
   웹 서버와 같은 오래 실행되는 프로세스에서 제한 없이 캐시가 커지지
   않도록 합니다.

   일반적으로, LRU 캐시는 이전에 계산된 값을 재사용하려고 할 때만 사용
   해야 합니다. 따라서, 부작용이 있는 함수, 각 호출에서 고유한 가변 객
   체를 만들어야 하는 함수, time()이나 random()과 같은 비순수(impure)
   함수를 캐시 하는 것은 의미가 없습니다.

   정적 웹 콘텐츠를 위한 LRU 캐시의 예:

      @lru_cache(maxsize=32)
      def get_pep(num):
          'Retrieve text of a Python Enhancement Proposal'
          resource = 'http://www.python.org/dev/peps/pep-%04d/' % num
          try:
              with urllib.request.urlopen(resource) as s:
                  return s.read()
          except urllib.error.HTTPError:
              return 'Not Found'

      >>> for n in 8, 290, 308, 320, 8, 218, 320, 279, 289, 320, 9991:
      ...     pep = get_pep(n)
      ...     print(n, len(pep))

      >>> get_pep.cache_info()
      CacheInfo(hits=3, misses=8, maxsize=32, currsize=8)

   동적 프로그래밍(dynamic programming) 기법을 구현하기 위해 캐시를 사
   용하여 피보나치 수를 효율적으로 계산하는 예:

      @lru_cache(maxsize=None)
      def fib(n):
          if n < 2:
              return n
          return fib(n-1) + fib(n-2)

      >>> [fib(n) for n in range(16)]
      [0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610]

      >>> fib.cache_info()
      CacheInfo(hits=28, misses=16, maxsize=None, currsize=16)

   버전 3.2에 추가.

   버전 3.3에서 변경: *typed* 옵션을 추가했습니다.

   버전 3.8에서 변경: *user_function* 옵션을 추가했습니다.

@functools.total_ordering

   하나 이상의 풍부한 비교(rich comparison) 순서 메서드를 정의하는 클
   래스를 주면, 이 클래스 데코레이터가 나머지를 제공합니다. 가능한 모
   든 풍부한 비교 연산을 지정하는 데 드는 노력이 단순화됩니다:

   클래스는 "__lt__()", "__le__()", "__gt__()" 또는 "__ge__()" 중 하나
   를 정의해야 합니다. 또한, 클래스는 "__eq__()" 메서드를 제공해야 합
   니다.

   예를 들면:

      @total_ordering
      class Student:
          def _is_valid_operand(self, other):
              return (hasattr(other, "lastname") and
                      hasattr(other, "firstname"))
          def __eq__(self, other):
              if not self._is_valid_operand(other):
                  return NotImplemented
              return ((self.lastname.lower(), self.firstname.lower()) ==
                      (other.lastname.lower(), other.firstname.lower()))
          def __lt__(self, other):
              if not self._is_valid_operand(other):
                  return NotImplemented
              return ((self.lastname.lower(), self.firstname.lower()) <
                      (other.lastname.lower(), other.firstname.lower()))

   참고:

     이 데코레이터를 사용하면 올바르게 동작하는 전 순서(totally
     ordered) 형을 쉽게 만들 수 있지만, 파생된 비교 메서드에서 실행 속
     도가 느려지고 스택 트레이스가 더 복잡해지는 대가를 지불합니다. 성
     능 벤치마킹이 이것이 특정 응용 프로그램의 병목임을 가리키면, 6가
     지의 풍부한 비교 메서드를 모두 구현하여 속도를 쉽게 높일 수 있습
     니다.

   버전 3.2에 추가.

   버전 3.4에서 변경: 인식할 수 없는 형에 대해 하부 비교 함수에서
   NotImplemented를 반환하는 것이 이제 지원됩니다.

functools.partial(func, /, *args, **keywords)

   호출될 때 위치 인자 *args*와 키워드 인자 *keywords*로 호출된 *func*
   처럼 동작하는 새 partial 객체를 반환합니다. 더 많은 인자가 호출에
   제공되면, *args*에 추가됩니다. 추가 키워드 인자가 제공되면,
   *keywords*를 확장하고 대체합니다. 대략 다음과 동등합니다:

      def partial(func, /, *args, **keywords):
          def newfunc(*fargs, **fkeywords):
              newkeywords = {**keywords, **fkeywords}
              return func(*args, *fargs, **newkeywords)
          newfunc.func = func
          newfunc.args = args
          newfunc.keywords = keywords
          return newfunc

   "partial()"은 함수의 인자 및/또는 키워드의 일부를 "고정"하여 서명이
   단순화된 새 객체를 생성하는 부분 함수 응용에 사용됩니다. 예를 들어,
   "partial()"을 사용하여 *base* 인자의 기본값이 2이면서 "int()" 함수
   같은 동작을 하는 콜러블을 만들 수 있습니다:

   >>> from functools import partial
   >>> basetwo = partial(int, base=2)
   >>> basetwo.__doc__ = 'Convert base 2 string to an int.'
   >>> basetwo('10010')
   18

class functools.partialmethod(func, /, *args, **keywords)

   직접 호출하기보다는 메서드 정의로 사용되도록 설계된 것을 제외하고는
   "partial"과 같이 동작하는 새 "partialmethod" 디스크립터를 반환합니
   다.

   *func*는 *디스크립터*나 콜러블이어야 합니다 (일반 함수처럼 둘 모두
   인 객체는 디스크립터로 처리됩니다).

   *func*가 디스크립터(가령 일반 파이썬 함수, "classmethod()",
   "staticmethod()", "abstractmethod()" 또는 "partialmethod"의 다른 인
   스턴스)이면, "__get__"에 대한 호출은 하부 디스크립터에 위임되고, 적
   절한 partial 객체가 결과로 반환됩니다.

   *func*가 디스크립터가 아닌 콜러블이면, 적절한 연결된 메서드가 동적
   으로 만들어집니다. 이것은 메서드로 사용될 때 일반 파이썬 함수처럼
   작동합니다: "partialmethod" 생성자에 제공된 *args*와 *keywords*보다
   도 전에 *self* 인자가 첫 번째 위치 인자로 삽입됩니다.

   예:

      >>> class Cell(object):
      ...     def __init__(self):
      ...         self._alive = False
      ...     @property
      ...     def alive(self):
      ...         return self._alive
      ...     def set_state(self, state):
      ...         self._alive = bool(state)
      ...     set_alive = partialmethod(set_state, True)
      ...     set_dead = partialmethod(set_state, False)
      ...
      >>> c = Cell()
      >>> c.alive
      False
      >>> c.set_alive()
      >>> c.alive
      True

   버전 3.4에 추가.

functools.reduce(function, iterable[, initializer])

   두 인자의 *function*을 왼쪽에서 오른쪽으로 *iterable*의 항목에 누적
   적으로 적용해서, 이터러블을 단일 값으로 줄입니다. 예를 들어,
   "reduce(lambda x, y: x+y, [1, 2, 3, 4, 5])"는 "((((1+2)+3)+4)+5)"를
   계산합니다. 왼쪽 인자 *x*는 누적값이고 오른쪽 인자 *y*는 *iterable*
   에서 온 갱신 값입니다. 선택적 *initializer*가 있으면, 계산에서 이터
   러블의 항목 앞에 배치되고, 이터러블이 비어있을 때 기본값의 역할을
   합니다. *initializer*가 제공되지 않고 *iterable*에 하나의 항목만 포
   함되면, 첫 번째 항목이 반환됩니다.

   대략 다음과 동등합니다:

      def reduce(function, iterable, initializer=None):
          it = iter(iterable)
          if initializer is None:
              value = next(it)
          else:
              value = initializer
          for element in it:
              value = function(value, element)
          return value

   모든 중간값을 산출하는 이터레이터는 "itertools.accumulate()"를 참조
   하십시오.

@functools.singledispatch

   함수를 *싱글 디스패치* *제네릭 함수*로 변환합니다.

   제네릭 함수를 정의하려면, "@singledispatch" 데코레이터로 데코레이트
   하십시오. 디스패치는 첫 번째 인자의 형으로 일어납니다, 그에 따라 함
   수를 작성하십시오:

      >>> from functools import singledispatch
      >>> @singledispatch
      ... def fun(arg, verbose=False):
      ...     if verbose:
      ...         print("Let me just say,", end=" ")
      ...     print(arg)

   오버로드 된 구현을 함수에 추가하려면, 제네릭 함수의 "register()" 어
   트리뷰트를 사용하십시오. 데코레이터입니다. 형으로 어노테이트 된 함
   수의 경우, 데코레이터는 첫 번째 인자의 형을 자동으로 유추합니다:

      >>> @fun.register
      ... def _(arg: int, verbose=False):
      ...     if verbose:
      ...         print("Strength in numbers, eh?", end=" ")
      ...     print(arg)
      ...
      >>> @fun.register
      ... def _(arg: list, verbose=False):
      ...     if verbose:
      ...         print("Enumerate this:")
      ...     for i, elem in enumerate(arg):
      ...         print(i, elem)

   형 어노테이션을 사용하지 않는 코드의 경우, 적절한 형 인자를 데코레
   이터 자체에 명시적으로 전달할 수 있습니다:

      >>> @fun.register(complex)
      ... def _(arg, verbose=False):
      ...     if verbose:
      ...         print("Better than complicated.", end=" ")
      ...     print(arg.real, arg.imag)
      ...

   람다와 사전에 존재하는 함수를 등록할 수 있도록, "register()" 어트리
   뷰트를 다음과 같은 함수적인 형태로 사용할 수 있습니다:

      >>> def nothing(arg, verbose=False):
      ...     print("Nothing.")
      ...
      >>> fun.register(type(None), nothing)

   "register()" 어트리뷰트는 데코레이트 되지 않은 함수를 반환해서 데코
   레이터 스태킹, 피클링 뿐만 아니라 각 변형에 대한 단위 테스트를 독립
   적으로 만드는 것을 가능하게 합니다:

      >>> @fun.register(float)
      ... @fun.register(Decimal)
      ... def fun_num(arg, verbose=False):
      ...     if verbose:
      ...         print("Half of your number:", end=" ")
      ...     print(arg / 2)
      ...
      >>> fun_num is fun
      False

   호출되면, 제네릭 함수는 첫 번째 인자의 형에 따라 디스패치 합니다:

      >>> fun("Hello, world.")
      Hello, world.
      >>> fun("test.", verbose=True)
      Let me just say, test.
      >>> fun(42, verbose=True)
      Strength in numbers, eh? 42
      >>> fun(['spam', 'spam', 'eggs', 'spam'], verbose=True)
      Enumerate this:
      0 spam
      1 spam
      2 eggs
      3 spam
      >>> fun(None)
      Nothing.
      >>> fun(1.23)
      0.615

   특정 형에 대해 등록된 구현이 없으면, 더 일반적인 구현을 찾는 데 메
   서드 결정 순서가 사용됩니다. "@singledispatch"로 데코레이트 된 원래
   함수는 베이스 "object" 형으로 등록되어서, 더 나은 구현이 발견되지
   않으면 사용됩니다.

   제네릭 함수가 주어진 형에 대해 어떤 구현을 선택하는지 확인하려면
   "dispatch()" 어트리뷰트를 사용하십시오:

      >>> fun.dispatch(float)
      <function fun_num at 0x1035a2840>
      >>> fun.dispatch(dict)    # note: default implementation
      <function fun at 0x103fe0000>

   등록된 모든 구현에 액세스하려면, 읽기 전용 "registry" 어트리뷰트를
   사용하십시오:

      >>> fun.registry.keys()
      dict_keys([<class 'NoneType'>, <class 'int'>, <class 'object'>,
                <class 'decimal.Decimal'>, <class 'list'>,
                <class 'float'>])
      >>> fun.registry[float]
      <function fun_num at 0x1035a2840>
      >>> fun.registry[object]
      <function fun at 0x103fe0000>

   버전 3.4에 추가.

   버전 3.7에서 변경: "register()" 어트리뷰트는 형 어노테이션 사용을
   지원합니다.

class functools.singledispatchmethod(func)

   메서드를 *싱글 디스패치* *제네릭 함수*로 변환합니다.

   제네릭 메서드를 정의하려면, "@singledispatchmethod" 데코레이터로 장
   식하십시오. 디스패치는 첫 번째 self가 아니거나 cls가 아닌 인자의 형
   에 따라 일어납니다, 그에 따라 함수를 작성하십시오:

      class Negator:
          @singledispatchmethod
          def neg(self, arg):
              raise NotImplementedError("Cannot negate a")

          @neg.register
          def _(self, arg: int):
              return -arg

          @neg.register
          def _(self, arg: bool):
              return not arg

   "@singledispatchmethod"는 "@classmethod"와 같은 다른 데코레이터와의
   중첩을 지원합니다. "dispatcher.register"를 허용하기 위해,
   "singledispatchmethod"는 *가장 바깥* 데코레이터이어야 함에 유의하십
   시오. 다음은 "neg" 메서드가 클래스에 연결되는 "Negator" 클래스입니
   다:

      class Negator:
          @singledispatchmethod
          @classmethod
          def neg(cls, arg):
              raise NotImplementedError("Cannot negate a")

          @neg.register
          @classmethod
          def _(cls, arg: int):
              return -arg

          @neg.register
          @classmethod
          def _(cls, arg: bool):
              return not arg

   다른 유사한 데코레이터에도 같은 패턴을 사용할 수 있습니다:
   "staticmethod", "abstractmethod" 및 기타.

   버전 3.8에 추가.

functools.update_wrapper(wrapper, wrapped, assigned=WRAPPER_ASSIGNMENTS, updated=WRAPPER_UPDATES)

   *wrapped* 함수처럼 보이도록 *wrapper* 함수를 갱신합니다. 선택적 인
   자는 원래 함수의 어떤 어트리뷰트가 wrapper 함수의 일치하는 어트리뷰
   트에 직접 대입되고 wrapper 함수의 어떤 어트리뷰트가 원래 함수의 해
   당 어트리뷰트로 갱신되는지 지정하는 튜플입니다. 이 인자들의 기본값
   은 모듈 수준 상수 "WRAPPER_ASSIGNMENTS"(wrapper 함수의
   "__module__", "__name__", "__qualname__", "__annotations__" 및
   "__doc__" 독스트링에 대입합니다)와 "WRAPPER_UPDATES"(wrapper 함수의
   "__dict__", 즉 인스턴스 딕셔너리를 갱신합니다)입니다.

   내부 검사와 기타 목적(예를 들어 "lru_cache()"와 같은 캐싱 데코레이
   터 우회)을 위해 원래 함수에 액세스 할 수 있도록, 이 함수는 래핑 되
   는 함수를 가리키는 "__wrapped__" 어트리뷰트를 wrapper에 자동으로 추
   가합니다.

   이 함수의 주요 용도는 데코레이트 된 함수를 래핑하고 wrapper를 반환
   하는 *데코레이터* 함수에서 사용하는 것입니다. wrapper 함수가 갱신되
   지 않으면, 반환된 함수의 메타 데이터는 원래 함수 정의가 아닌
   wrapper 정의를 반영하게 되어 일반적으로 도움이 되지 않습니다.

   "update_wrapper()"는 함수 이외의 콜러블과 함께 사용할 수 있습니다.
   래핑 되는 객체에서 누락된 *assigned*나 *updated*로 이름 지정된 어트
   리뷰트는 무시됩니다 (즉, 이 함수는 wrapper 함수에서 그 어트리뷰트를
   설정하려고 시도하지 않습니다). wrapper 함수 자체에 *updated*에 이름
   지정된 어트리뷰트가 없으면 여전히 "AttributeError"가 발생합니다.

   버전 3.2에 추가: "__wrapped__" 어트리뷰트 자동 추가.

   버전 3.2에 추가: 기본적으로 "__annotations__" 어트리뷰트의 복사.

   버전 3.2에서 변경: 누락된 어트리뷰트는 더는 "AttributeError"를 발생
   시키지 않습니다.

   버전 3.4에서 변경: "__wrapped__" 어트리뷰트는 이제 해당 함수가
   "__wrapped__" 어트리뷰트를 정의한 경우에도 항상 래핑 된 함수를 참조
   합니다. (bpo-17482를 참조하십시오)

@functools.wraps(wrapped, assigned=WRAPPER_ASSIGNMENTS, updated=WRAPPER_UPDATES)

   래퍼 함수를 정의할 때 함수 데코레이터로 "update_wrapper()"를 호출하
   기 위한 편의 함수입니다. "partial(update_wrapper, wrapped=wrapped,
   assigned=assigned, updated=updated)"와 동등합니다. 예를 들면:

      >>> from functools import wraps
      >>> def my_decorator(f):
      ...     @wraps(f)
      ...     def wrapper(*args, **kwds):
      ...         print('Calling decorated function')
      ...         return f(*args, **kwds)
      ...     return wrapper
      ...
      >>> @my_decorator
      ... def example():
      ...     """Docstring"""
      ...     print('Called example function')
      ...
      >>> example()
      Calling decorated function
      Called example function
      >>> example.__name__
      'example'
      >>> example.__doc__
      'Docstring'

   이 데코레이터 팩토리를 사용하지 않으면, example 함수의 이름은
   "'wrapper'"가 되고, 원래 "example()"의 독스트링은 잃어버리게 됩니다
   .


"partial" 객체
==============

"partial" 객체는 "partial()"이 만든 콜러블 객체입니다. 세 가지 읽기 전
용 어트리뷰트가 있습니다:

partial.func

   콜러블 객체나 함수. "partial" 객체에 대한 호출은 새로운 인자와 키워
   드와 함께 "func"로 전달됩니다.

partial.args

   "partial" 객체 호출에 제공되는 위치 인자 앞에 추가될 가장 왼쪽 위치
   인자들입니다.

partial.keywords

   "partial" 객체가 호출될 때 제공될 키워드 인자들입니다.

"partial" 객체는 콜러블이고, 약한 참조 가능하며, 어트리뷰트를 가질 수
있다는 점에서 "function" 객체와 같습니다. 몇 가지 중요한 차이점이 있습
니다. 예를 들어, "__name__"과 "__doc__" 어트리뷰트는 자동으로 만들어지
지 않습니다. 또한, 클래스에 정의된 "partial" 객체는 정적 메서드처럼 동
작하며 인스턴스 어트리뷰트 조회 중에 연결된 메서드로 변환되지 않습니다
.
