Python functools.lru_cache实现函数结果缓存功能

通过Python内置的functools.lru_cache,可以实现函数结果缓存,优化性能。该技术针对耗时计算,避免重复计算,遵循LRU(最近最少使用)策略。以斐波那契数列为例子,展示了lru_cache如何减少重复调用,提高效率。lru_cache还允许设置maxsize参数控制缓存大小,并可以选择是否区分不同类型的输入。
摘要由CSDN通过智能技术生成

这是一项优化技术,把耗时的函数的结果保存起来,避免了传入相同的参数时重复计算。

lru是Least Recently Used的缩写,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。

 

生成第n个斐波那契数列,这种慢速递归函数非常适合使用lru_cache。

 斐波那契数列指的是这样一个数列 0, 1, 1, 2, 3, 5, 8, 13, 21, 34

示例,生成第n个斐波那契数列

import time
import functools


def clock(func):
    """函数执行时间,参数,结果"""

    @functools.wraps(func)
    def inner(*args, **kwargs):
        t0 = time.time()
        result = func(*args, **kwargs)
        time_use = time.time() - t0
        func_name = func.__name__
        parameter = []
        if args:
            parameter.append(','.join(repr(arg) for arg in args))
        if kwargs:
            kwargs_str = ",".join('%s=%r' % (k, v) for k, v in kwargs.items())
            parameter.append(kwargs_str)
        parameter = ','.join(parameter)
        print(
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值