functools.partial用于冻结函数部分参数，避免重复传参；operator.itemgetter/attrgetter替代lambda提升性能与可序列化性；慎用reduce+lambda组合函数，优先显式调用或拆解中间变量。
用 functools.partial 替换重复参数传入
当你发现同一函数总在不同地方反复传入几个固定参数（比如 json.loads 总加 object_hook=custom_decoder），硬编码或写一堆包装函数既啰嗦又难维护。partial 就是干这个的：它不执行函数，只“冻结”部分参数，返回一个新可调用对象。
常见错误是误以为 partial 能改变原函数签名——其实它只是预设参数，后续调用时仍要补全剩余参数；另外，partial 返回的对象没有原函数的 __name__ 和 __doc__，调试时容易困惑。
- 用
from functools import partial导入，别自己手写闭包模拟 - 优先冻结靠左的位置参数，关键字参数冻结更安全（避免位置偏移）
- 如果需要保留原函数元信息，加
functools.wraps包一层，但多数内部工具函数不必
parse_json = partial(json.loads, object_hook=custom_decoder)
data = parse_json('{"x": 1}') # 等价于 json.loads('{"x": 1}', object_hook=custom_decoder)用 operator.itemgetter 和 attrgetter 替代 lambda 取字段
排序、分组、映射时写 lambda x: x['name'] 或 lambda x: x.age 很常见，但这种匿名函数无法被序列化（比如传给 multiprocessing），且性能略差——itemgetter 和 attrgetter 是 C 实现的，直接走底层路径提取。
容易踩的坑是混淆两者用途：itemgetter 针对字典/列表等映射/序列类型，attrgetter 才用于对象属性；传错类型会抛 TypeError，而不是静默失败。
立即学习“Python免费学习笔记（深入）”；
本文档主要讲述的是SCA介绍及应用实例；SCA（Service Component Architecture）是针对SOA提出的一套服务体系构建框架协议，内部既融合了IOC的思想，同时又把面向对象的复用由代码复用上升到了业务模块组件复用，同时将服务接口，实现，部署，调用完全分离，通过配置的形式灵活的组装，绑定。希望本文档会给有需要的朋友带来帮助；感兴趣的朋友可以过来看看
- 多字段排序直接传多个键名：
itemgetter('age', 'name') - 嵌套字段用点号（
attrgetter）或索引链（itemgetter），如attrgetter('user.profile.bio') - 避免在热循环里反复创建
itemgetter实例，定义成模块级常量更稳
users.sort(key=attrgetter('score')) # 比 lambda u: u.score 快，且可 pickle组合函数时慎用 functools.reduce 套 lambda
看到“把一堆函数串起来依次调用”，有人第一反应是 reduce(lambda x, f: f(x), funcs, init)。语法上没错，但可读性差、调试困难、且一旦中间函数出错，堆栈里只剩 <lambda></lambda>，根本看不出是哪个函数崩了。
真正适合 reduce 的场景是聚合计算（求和、连接字符串），不是函数流水线。函数组合更清晰的做法是显式链式调用，或封装成小函数。
- 两三个函数组合，直接写
f3(f2(f1(x)))，比 reduce 更直白 - 若必须动态组合，用列表推导或 for 循环，出错时能准确定位到第几步
-
reduce+lambda在 type checker（如 mypy）下几乎无法推导类型，容易埋隐患
# 别这么写 result = reduce(lambda x, f: f(x), [f1, f2, f3], x) <h1>改成这样，出错时堆栈清清楚楚</h1><p>result = f1(x) result = f2(result) result = f3(result)
自定义组合函数要考虑异常传播和类型提示
自己写 compose(f, g) 或 pipe(x, f, g) 看似灵活，但 Python 没有原生管道操作符，手动组合很容易忽略错误处理边界——比如 f 抛异常，g 还没机会执行，但调用方可能误以为“组合函数整体失败”就该兜底，实际却漏了 f 的特定逻辑。
另一个现实问题是类型提示：Callable[[A], B] 和 Callable[[B], C] 组合后应该是 Callable[[A], C]，但 mypy 对高阶泛型支持有限，强行标注反而增加维护成本。
- 除非团队内统一约定且有配套测试，否则别抽象出通用
compose工具函数 - 组合逻辑复杂时，优先拆成带名字的中间变量，而不是塞进一行表达式
- 如果真要类型安全，用
typing.overload为常用组合数（2~3 个）单独声明，别试图覆盖所有情况
函数组合不是越“炫技”越高级，关键是谁接手代码时能一眼看懂数据流从哪来、到哪去、卡在哪。很多所谓“复用”，其实是把重复逻辑藏得更深了。
