partials非常有用。
例如，在“流水线”函数调用序列中（其中一个函数的返回值是传递给下一个函数的参数）。
有时，此类管道中的函数需要单个参数，但紧接其上游的函数返回两个值。
在这种情况下，functools.partial 可能允许您保持此函数管道完好无损。
这是一个具体的、孤立的示例：假设您想按每个数据点与某个目标的距离对某些数据进行排序：
# create some data
import random as RND
fnx = lambda: RND.randint(0, 10)
data = [ (fnx(), fnx()) for c in range(10) ]
target = (2, 4)
import math
def euclid_dist(v1, v2):
x1, y1 = v1
x2, y2 = v2
return math.sqrt((x2 - x1)**2 + (y2 - y1)**2)
要按与目标的距离对这些数据进行排序，您当然想做的是：
data.sort(key=euclid_dist)
但是你不能——sort 方法的 key 参数只接受带有 single 参数的函数。
所以将euclid_dist重写为一个带有单个参数的函数：
from functools import partial
p_euclid_dist = partial(euclid_dist, target)
p_euclid_dist 现在接受一个参数，
>>> p_euclid_dist((3, 3))
1.4142135623730951
所以现在您可以通过传入排序方法的关键参数的偏函数来对数据进行排序：
data.sort(key=p_euclid_dist)
# verify that it works:
for p in data:
print(round(p_euclid_dist(p), 3))
1.0
2.236
2.236
3.606
4.243
5.0
5.831
6.325
7.071
8.602
或者例如，函数的参数之一在外循环中发生变化，但在内循环中的迭代期间是固定的。通过使用部分，您不必在内部循环的迭代期间传递附加参数，因为修改后的（部分）函数不需要它。
>>> from functools import partial
>>> def fnx(a, b, c):
return a + b + c
>>> fnx(3, 4, 5)
12
创建一个偏函数（使用关键字 arg）
>>> pfnx = partial(fnx, a=12)
>>> pfnx(b=4, c=5)
21
您还可以使用位置参数创建偏函数
>>> pfnx = partial(fnx, 12)
>>> pfnx(4, 5)
21
但这会抛出（例如，使用关键字参数创建部分然后使用位置参数调用）
>>> pfnx = partial(fnx, a=12)
>>> pfnx(4, 5)
Traceback (most recent call last):
File "<pyshell#80>", line 1, in <module>
pfnx(4, 5)
TypeError: fnx() got multiple values for keyword argument 'a'
另一个用例：使用 python 的 multiprocessing 库编写分布式代码。使用 Pool 方法创建一个进程池：
>>> import multiprocessing as MP
>>> # create a process pool:
>>> ppool = MP.Pool()
Pool 有一个 map 方法，但它只需要一个可迭代的，所以如果需要传入参数列表较长的函数，请将函数重新定义为部分函数，以修复除一个之外的所有函数：
>>> ppool.map(pfnx, [4, 6, 7, 8])