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.

Твои коллеги будут рады, поделись в

Автор урока

Дмитрий Комаровский
Дмитрий Комаровский

Автоматизация процессов
в КраснодарБанки.ру

Другие уроки курса "Python"

  1. Очистка данных в Python
  2. Преобразование списка в словарь через генератор
  3. Обработка исключений в Python
  4. Цикл for с enumerate() в Python
  5. Комментарии в Python.
  6. Цикл while в Python
  7. Python-dateutil — работа с датами
  8. Форматирование строк в Python
  9. Оператор Walrus в Python
  10. Тернарный оператор в Python
  11. Получение текущей даты в Python
  12. Пространство имен в Python
  13. Атрибуты класса и экземпляра
  14. Основы работы с базами данных в Python
  15. Основы Python
  16. Преобразование букв в нижний регистр
  17. Блок else в циклах.
  18. Список и кортеж в Python
  19. Работа с *args и **kwargs в Python
  20. Логический оператор «and» в Python
  21. Оценка выражений генератора в Python
  22. Принципы программирования
  23. Оптимизация памяти с __slots__
  24. Создание инструмента обнаружения плагиата
  25. Лямбда-функции в Python
  26. Установка пакета в Python
  27. Принципы Zen Python
  28. Раздувающийся словарь в Python
  29. Вложенные функции в Python
  30. Методы __repr__ и __str__ в Python
  31. Работа с collections в Python.
  32. Метод bool() в Python
  33. Работа с deque из collections
  34. Доступ к локальным переменным
  35. Оператор zip в Python
  36. Структура данных словарь в Python
  37. Проверка надежности пароля на Python
  38. Нарезка списков в Python
  39. Лямбда-функции в Python
  40. Распаковка значений в Python
  41. Методы Python для работы с данными
  42. Безопасный доступ к значениям словаря
  43. Удаление дубликатов из списка с помощью dict.fromkeys
  44. Работа с массивами в Python
  45. Транспонирование 2D-массива с помощью zip
  46. Лямбда-функции в цикле
  47. Работа с файлами в Python

Marketello читают маркетологи из крутых компаний