from functools import lru_cache

functools.lru_cache

在洛谷中做到一个递归的题,提交每次都是超时,去看大佬的解答,发现人家增加了一行这个:

from functools import lru_cache
@lru_cache(maxsize=1000, typed=False)

查了一下,functool模块有lru_cache这样一个装饰器,它的作用主要是用来做缓存,将相对耗时的函数结果进行保存,避免重复计算。而且缓存并不会无限增长,不用的缓存会被释放。网上有关于缓存这样的解释:

缓存是一种将定量数据加以保存以备迎合后续获取需求的处理方式,旨在加快数据获取的速度。数据的生成过程可能需要经过计算,规整,远程获取等操作,如果是同一份数据需要多次使用,每次都重新生成会大大浪费时间。所以,如果将计算或者远程请求等操作获得的数据缓存下来,会加快后续的数据获取需求。

关于lru_cache:

在 Python 的 3.2 版本中,引入了一个非常优雅的缓存机制,即 functool 模块中的 lru_cache 装饰器,可以直接将函数或类方法的结果缓存住,后续调用则直接返回缓存的结果。

至于@lru_cache(maxsize=1000, typed=False)中的两个参数:

maxsize代表缓存的内存占用值,超过这个值,旧的结果将会被释放,而maxsize为None时,则无限制。该值设置为2的幂时,性能最佳。
typed若为True,则会把不同的参数类型得到的结果分开保存。

通常用斐波那契数列举例:(最近看轮到你了,这个数列让我觉得还有点浪漫)

from functools import lru_cache
@lru_cache(maxsize=128,typed=False)

def fibo(n):
    if n==0:
        return 0
    elif n==1:
        return 1
    else:
        return fibo(n-1)+fibo(n-2)

这里,递归调用fibonacci是在缓存中查找,而不是重复计算。
Python 缓存机制与 functools.lru_cache

  • 3
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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