Python优化入门-装饰器、字典缓存

前言

今天学习了一下利用装饰器和字典缓存来优化代码的性能，同时利用时间测量技术直观的展示它带来了多大的性能优化。

应用场景

这只是入门，学习一下调用相同参数方法的优化方案。

主干

先做一个简单的装饰器，定义一个名为caches的字典用于缓存我们需要的东西，即方法func : 参数args ，并将这个方法调用这个参数的结果，以缓存形式存储在字典里。
如果caches里没有此键值对，就会调用func方法，并将结果保存在缓存中。如果有相应的键值对，就立即返回此函数的结果。

def cache(func):
    caches = {}

    def wrapper(*args):
        if args not in caches:
            caches[args] = func(*args)
        return caches[args]

    return wrapper

---

再写一个最简单的测试函数，并声明刚刚写的装饰器cache，功能的话，找下参数范围内的所有偶数吧：

@cache
def funTest(arg):
    nums = [x for x in range(arg) if x % 2 == 0]

---

然后，再写个时间测量函数，每次调用func方法，并传入args参数后，打印消耗的时间：

def get_time(func, *args):
    start_time = time.time()
    result = func(*args)
    end_time = time.time()
    print("耗时：", end_time - start_time)
    return result

---

测试

到这里，我们的入门代码基本就完成了，简单分两次调用一下，就找找3千万以内的所有偶数吧：

get_time(funTest, 30000000)
time.sleep(1)
get_time(funTest, 30000000)

效果截图：

可以发现第一次找3千万以内的所有偶数，用了差不多1.55秒，但是第二次找，瞬间就可以找完，这就是性能的优化。

完整代码

# -*- coding:utf-8 -*-
# author: YP
# date:2023/10/10

import time


def cache(func):
    caches = {}

    def wrapper(*args):
        if args not in caches:
            caches[args] = func(*args)
        return caches[args]

    return wrapper


@cache
def funTest(arg):
    nums = [x for x in range(arg) if x % 2 == 0]


def get_time(func, *args):
    start_time = time.time()
    result = func(*args)
    end_time = time.time()
    print("耗时：", end_time - start_time)
    return result


get_time(funTest, 30000000)
time.sleep(1)
get_time(funTest, 30000000)