Курс Python → lru_cache оптимизация функций
Модуль functools в Python предоставляет декоратор @lru_cache(), который позволяет кэшировать результаты вызовов функции. Это означает, что при повторном вызове функции с теми же аргументами, результат будет возвращен из кэша, а не пересчитываться заново. Такой механизм может значительно ускорить выполнение программы и сэкономить ресурсы.
Пример использования декоратора @lru_cache() может выглядеть следующим образом:
from functools import lru_cache
@lru_cache()
def fibonacci(n):
if n <= 1:
return n
return fibonacci(n-1) + fibonacci(n-2)
result = fibonacci(10)
print(result)
В этом примере функция fibonacci() вычисляет значение числа Фибоначчи для заданного номера n. Благодаря декоратору @lru_cache(), результаты для различных значений n будут кэшироваться, что позволит избежать повторных вычислений и ускорит выполнение программы.
Важно помнить, что использование декоратора @lru_cache() имеет смысл только для функций с детерминированным поведением, то есть функций, которые всегда возвращают одинаковый результат для одинаковых входных данных. Для функций с побочными эффектами или изменяемым состоянием кэширование может привести к нежелательным результатам.
Таким образом, декоратор @lru_cache() из модуля functools предоставляет удобный способ оптимизации выполнения функций с повторяющимися вызовами. Правильное использование кэширования может значительно улучшить производительность программы, особенно при работе с дорогостоящими вычислениями или операциями ввода/вывода.
Другие уроки курса "Python"
- Очистка данных в Python
- Преобразование списка в словарь через генератор
- Обработка исключений в Python
- Цикл for с enumerate() в Python
- Комментарии в Python.
- Цикл while в Python
- Python-dateutil — работа с датами
- Форматирование строк в Python
- Оператор Walrus в Python
- Тернарный оператор в Python
- Получение текущей даты в Python
- Пространство имен в Python
- Атрибуты класса и экземпляра
- Основы работы с базами данных в Python
- Основы Python
- Преобразование букв в нижний регистр
- Блок else в циклах.
- Список и кортеж в Python
- Работа с *args и **kwargs в Python
- Логический оператор «and» в Python
- Оценка выражений генератора в Python
- Принципы программирования
- Оптимизация памяти с __slots__
- Создание инструмента обнаружения плагиата
- Лямбда-функции в Python
- Установка пакета в Python
- Принципы Zen Python
- Раздувающийся словарь в Python
- Вложенные функции в Python
- Методы __repr__ и __str__ в Python
- Работа с collections в Python.
- Метод bool() в Python
- Работа с deque из collections
- Доступ к локальным переменным
- Оператор zip в Python
- Структура данных словарь в Python
- Проверка надежности пароля на Python
- Нарезка списков в Python
- Лямбда-функции в Python
- Распаковка значений в Python
- Методы Python для работы с данными
- Безопасный доступ к значениям словаря
- Удаление дубликатов из списка с помощью dict.fromkeys
- Работа с массивами в Python
- Транспонирование 2D-массива с помощью zip
- Лямбда-функции в цикле
- Работа с файлами в Python















