今天来谈一谈@functools.lru_cache(maxsize=128, typed=False)缓存装饰器,这是在Python3.2版本中新添加的功能,意在将重复耗时的计算的中间结果保存下来,如无缓存的递归运算。lru 是(least recently used)的缩写,即最近最少使用原则。表明缓存不会无限制增长,一段时间不用的缓存条目会被扔掉。
maxsize 是保存最近多少个调用的结果,最好设置为 2 的倍数,默认为 128。如果设置为 None 的话就相当于是 maxsize 为正无穷了。还有一个参数是 type,如果 type 设置为 true,即把不同参数类型得到的结果分开保存,如 f(3) 和 f(3.0) 会被区分开。
我们来看几个例子,首先来做一个力扣的题:
假设你正在爬楼梯。需要 n 阶你才能到达楼顶。
每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢?
注意:给定 n 是一个正整数。
示例 1:
输入: 2
输出: 2
解释: 有两种方法可以爬到楼顶。
1. 1 阶 + 1 阶
2. 2 阶
示例 2:
输入: 3
输出: 3
解释: 有三种方法可以爬到楼顶。
4. 1 阶 + 1 阶 + 1 阶
5. 1 阶 + 2 阶
6. 2 阶 + 1 阶
可以很自然的想到使用动态规划来做,因为动态规划的速度较快,我们使用较慢的递归来做。
def climbStairs(n) -> int:
return climbStairs(n-1)+climbStairs(n-2) if n>2 else n
import time
st=time.time()
print(climbStairs(38))
print(time.time()-st)
#输出
#63245986
#9.95954442024231
在不使用缓存的情况下,耗时是大约10s。
我们加上缓存试一下
# -*- coding: utf-8 -*-
#使用缓存需导入这个模块
import functools
#通过这个装饰器使用lru_cache缓存机制
@functools.lru_cache(128)
def climbStairs(n) -> int:
return climbStairs(n-1)+climbStairs(n-2) if n>2 else n
import time
st=time.time()
print(climbStairs(38))
print(time.time()-st)
#输出:
#63245986
#0.00014472007751464844
可以看到耗时仅有0.0001秒。