lru_cache 可以与大多数 Python 对象一起使用，但是为了确保缓存键的唯一性，返回值应该是可哈希（hashable）的。以下是一些可以与 lru_cache 一起使用的输出类型：

  1. 不可变内置类型：
  • 整数 (int)
  • 浮点数 (float)
  • 字符串 (str)
  • 元组 (tuple)，只要元组中的所有元素都是可哈希的
  • 布尔值 (bool)
  1. 可哈希的用户定义类型：
  • 如果你定义了一个类，并且为它提供了 __hash__ 方法，那么这个类的实例可以被用作缓存键。
  1. 其他类型：
  • 一些不可变或者具有固定状态的复杂对象，例如 frozenset 和 datetime 对象，也可以作为缓存键。

以下是一些不能用作缓存键的类型：

  1. 可变内置类型：
  • 列表 (list)
  • 字典 (dict)
  • 集合 (set)
  1. 具有状态的对象：
  • 如果对象的状态可能会改变，那么它的哈希值可能会随之改变，这将导致缓存键失效。
  1. 大型数据结构：
  • 例如 pandas 的 DataFrame 或 Series，虽然它们是不可变的，但它们的哈希值计算成本可能很高，并且可能不是预期的缓存键。
  1. 没有实现 __hash__ 方法的对象：
  • 如果一个对象没有实现 __hash__ 方法，或者它的 __hash__ 方法依赖于对象的状态，那么它不能用作缓存键。

如果你的函数返回的是不可哈希的类型，你可以考虑以下解决方案：

  • 返回元组：如果函数返回的是列表或其他可变类型，你可以将其转换为元组，前提是元组中的所有元素都是可哈希的。
  • 自定义缓存键：你可以使用函数参数作为缓存键，而不是依赖返回值。
  • 使用 functools 模块的 @cache 装饰器：Python 3.9 及以上版本中，functools 模块引入了一个新的 @cache 装饰器，它不要求返回值是可哈希的，而是使用函数的参数作为缓存键。
  • 持久化缓存：如果需要缓存大型数据结构，可以考虑将它们持久化到数据库或文件系统中。

记住，lru_cache 主要用于缓存函数的返回值，因此返回值应该是可哈希的，以便可以作为字典键使用。如果返回值不可哈希，你可能需要重新考虑如何实现缓存逻辑。