『Python』数据复用 - 缓存属性

Python捞数人

已于 2024-05-26 11:02:17 修改

阅读量796

点赞数 28

分类专栏： Python 文章标签： python 缓存开发语言

于 2024-05-25 11:56:25 首次发布

本文链接：https://blog.csdn.net/m0_47149835/article/details/139193969

版权

Python 专栏收录该内容

21 篇文章 2 订阅

订阅专栏

处理业务相关的数据时，有时候会遇到需要多次使用同一张表格的情况；这张表不大倒还好，一旦它是一张很大的表，重复加载它会导致运行时间变长，若能把它缓存好，就能实现 $\space once \space use \space everywhere$ ，当然前提是你的内存够用

Last updated: $\space$ 2024/05/26

> Python 3.8 版本

自 $\space 3.8$ 开始， $f u n c t oo l s$ 里新增了cached_property函数，只要把它作为我们想要缓存的方法的装饰器即可

创建一个 $D a t a$ 类

from functools import cached_property

class Data:
    @cached_property
    def big_table(self):
        print('Loading big table...')
        return 10

    @property
    def big_table_normal_property(self):
        print('Loading big table in normal_property method...')
        return 20

if __name__ == '__main__':
	# 初始化
	data = Data()

调用被`cached_property`装饰的方法

# 连续执行 big_table 五次
[data.big_table for _ in range(5)]

"Loading big table"只打印了一次，说明方法实际只执行了一次，然后它返回的内容就被缓存好了
在这里插入图片描述

对比`property`方法的输出

# 连续执行 big_table_normal_property 五次
[data.big_table_normal_property for _ in range(5)]

在这里插入图片描述
不难看出在每次调用 $p ro p er t y$ 方法时，方法内的代码都重新运行了一次

< Python 3.8 版本

那么问题来了， $Python\space3.8$ 之前的版本可以实现嘛
。。。
还真行

创建一个 $T es t$ 类

class Test:
    @staticmethod
    def func_1():
        print('Testing...')
        return 'func_1'
       
    @staticmethod
        def func_2():
            return 'func_2'

    def __init__(self):
        [self.__setattr__(k, v.__get__(object)()) for k, v in Test.__dict__.items() if (not k.startswith('_') & (k == 'func_1'))]

if __name__ == '__main__':
	test = Test()

结合类方法setattr和`staticmethod`

使用staticmethod装饰 $func\_1$ ，然后在 $_ _ \_\_init\_\_$
方法内

通过 $_ _ \_\_dict\_\_$ 遍历所有 $T es t$ 的方法，剔除所有下划线开头的方法，并且只缓存 $func\_1$ ， $i t e m s ()$ 返回的是键值对 $\rightarrow$ { $T es t$ 类里的方法名(字符串) : $T es t$ 类里的方法对象(object)}
$v.\_\_get\_\_(object)()$ $\rightarrow$ 执行 $func\_1$ 方法
$self.\_\_setattr\_\_(k, v.\_\_get\_\_(object)())$ $\rightarrow$ 重设属性，原来 $Test.func\_1$ 返回的是函数对象，现在返回的是 $Test.func\_1$ 执行后的值。(具体自行对比一下 $Test.func\_1$ 和 $Test.func\_2$ 就懂了)