通过多个案例对python语言中具有惰性求值特点的函数进行介绍

在Python中，惰性求值是一种常见的编程技巧，主要用于那些计算成本较高、但结果不需要立即使用的函数或表达式。这种特性通常体现在生成器（Generators）、装饰器（Decorators）和延迟导入（Lazy Import）等场景。

1. **生成器**：生成器是一个特殊的迭代器，它不会一次性生成所有数据，而是在需要时逐个产生。例如，`range(n)`生成器会在每次迭代时计算下一个数，而不是提前创建整个序列。这样可以节省内存并处理大数据量。

   def lazy_range(n):
       for i in range(n):
           yield i
   gen = lazy_range(10_000)
   print(next(gen))  # 懒得生成整个列表，只计算第一个元素

2. **装饰器**：装饰器本质上是一个接收函数作为输入并返回新函数的高阶函数。它们在调用时才真正执行其内部逻辑。比如`@lru_cache`装饰器，用于缓存函数结果，避免重复计算：

   from functools import lru_cache

   @lru_cache(maxsize=None)
   def expensive_function(x):
       return x * x

   result = expensive_function(5)  # 只在第一次调用时计算

3. **延迟导入**：当模块内容庞大或者加载慢时，可以使用`importlib`或`__import__`动态导入，只有在实际需要的时候才会加载模块：

   import_module = __import__('os')  # 只有在os被使用时才真正导入
   os.path.exists('file.txt')