Python lru_cache保存计算结果

Python中的lru_cache装饰器是一种用于在计算结果中保存有限历史记录的技术。当函数被调用时，它会将参数和结果储存在内存中，并在后续调用时进行缓存，避免重复计算和提高程序响应速度。本文将详细介绍如何使用Python lru_cache装饰器。

什么是lru_cache

lru_cache是Python标准库functools中的装饰器函数，它以LRU（最近最少使用）算法来选择要被删除的缓存项。Python中的lru_cache函数可以用于在计算结果中保存有限历史记录。它可以用于加速一些耗时的函数，如计算斐波那契数列等。

如何使用lru_cache

使用lru_cache函数需要以下步骤：

第一步：导入functools库中的lru_cache函数。

from functools import lru_cache

第二步：将lru_cache装饰器添加到要使用缓存功能的函数中。

@lru_cache(maxsize=None)
def fibonacci(n):
    if n == 0 or n == 1:
        return n
    else:
        return fibonacci(n-1) + fibonacci(n-2)

在上述例子中，我们使用了lru_cache装饰器函数来缓存斐波那契数列的计算结果。其中maxsize参数表示缓存最大大小，默认为128，如果设置为None，表示没有缓存大小限制。

第三步：使用装饰后的函数进行计算。

print(fibonacci(10))

在上面的代码中，我们直接调用了带有缓存功能的fibonacci函数进行计算。

下面，我们来看一下第二个示例，这次我们将lru_cache用于一个比较耗时的函数。

import time

@lru_cache(maxsize=None)
def fib_with_time(n):
    start_time = time.time()
    result = fibonacci(n)
    end_time = time.time()
    print(f"fib_with_time({n}) took {end_time - start_time} seconds.")
    return result

在上述代码中，我们定义了一个名为fib_with_time的函数，该函数在计算斐波那契数列之前打印出计算时间。

我们用如下代码来调用这个带有计时和缓存功能的函数：

fib_with_time(10)
fib_with_time(11)
fib_with_time(10)

第一次调用fib_with_time(10)时，它会先计算斐波那契数列，并将计算结果进行缓存，接下来的fib_with_time(11)中，由于缓存中已经有10和11的计算结果，所以该函数只需要返回结果，避免了重复的计算并大幅节省了计算时间。第三次调用fib_with_time(10)时，缓存中也已经有结果，所以会直接返回结果而不进行计算。这样，使用lru_cache来缓存耗时的函数能够显著提高程序的性能。

总结

本文介绍了lru_cache装饰器函数的使用方法和示例，它是一个简单而有效的缓存技术，可以用于提高Python中一些耗时的函数的运行速度。通过对需要缓存的函数进行装饰，我们可以避免重复计算，从而提高程序性能。