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. Модуль pprint
  2. Создание уникального проекта
  3. Метод get для словаря
  4. CLI-инструмент howdoi
  5. Изменение логики работы с временем
  6. Работа со строками в Python
  7. Переворот строки с помощью срезов
  8. Antigravity модуль
  9. Улучшение читаемости кода в Python
  10. Переопределение метода __or__()
  11. Списковый компрехеншен.
  12. Парсинг веб-страниц с Beautiful Soup
  13. Лямбда-функции для min/max
  14. Метод split() для разделения строк
  15. Вакансии в Nebius
  16. Преобразование списка в словарь через генератор
  17. Удаление файлов с shutil.os.remove()
  18. Операторы объединения в Python 3.9
  19. Метод join() для объединения элементов
  20. Замена атрибута в именованном кортеже
  21. Оптимизация памяти в Python
  22. GitHub в Telegram: подписка на уведомления
  23. Объединение словарей в Python
  24. Методы в Python
  25. Сокращение ссылок с pyshorteners
  26. Установка Python3.7 и PIP
  27. Вывод букв строки в Python
  28. Создание списков в Python
  29. Комплексные числа в Python
  30. Обновление ключей в Python
  31. Глубокое копирование объектов
  32. Оптимизация параметров в Python
  33. Получение срезов итераторов
  34. Метод clear для коллекций
  35. Поиск с помощью регулярных выражений
  36. Сложные типы данных в Python
  37. Python enumerate() для работы с индексами
  38. Установка random seed в Python
  39. Декораторы в Python
  40. Распаковка аргументов в Python
  41. Генераторные функции в Python
  42. Функция map() и ленивая оценка
  43. Проверка окончания строки с помощью str.endswith()
  44. Транспонирование матрицы
  45. Выбор редактора кода.

Marketello читают маркетологи из крутых компаний