用于缓存方法的两个工具是 functools.cached_property() 和 functools.lru_cache()。这两个模块都是 functools 模块的一部分。 functools 模块用于高阶函数：作用于或返回其他函数的函数。让我们首先安装并导入 functools 模块 -
要安装functools模块，请使用pip −
pip install functools
要导入functools −
import functools
让我们一一了解缓存 -
对于实例的昂贵计算属性很有用，否则这些属性实际上是不可变的。
cached_property 方法仅适用于不带任何参数的方法。它不会创建对实例的引用。仅当实例处于活动状态时，才会保留缓存的方法结果。
这样做的好处是当实例不再使用时，缓存的方法结果会立即释放。缺点是如果实例累积，累积的方法结果也会累积。他们可以无限制地成长。
让我们看一个例子 -
class DataSet:
def __init__(self, sequence_of_numbers):
self._data = tuple(sequence_of_numbers)
@cached_property
def stdev(self):
return statistics.stdev(self._data)
lru_cache 方法适用于具有可散列参数的方法。除非特别努力传递弱引用，否则它会创建对实例的引用。
最近最少使用算法的优点是缓存受到指定的最大大小的限制。缺点是实例会一直保持活动状态，直到它们从缓存中过期或者缓存被清除。
让我们看一个例子 -
@lru_cache def count_vowels(sentence): return sum(sentence.count(vowel) for vowel in 'AEIOUaeiou')
使用缓存计算斐波那契数的示例 −
from functools import lru_cache
@lru_cache(maxsize=None)
def fib(n):
if n < 2:
return n
return fib(n-1) + fib(n-2)
print([fib(n) for n in range(16)])
print(fib.cache_info())
[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610] CacheInfo(hits=28, misses=16, maxsize=None, currsize=16)
现在，让我们看一下 functool cached_property() 和 lru_cache 的完整示例 -
from functools import lru_cache
from functools import cached_property
class Weather:
"Lookup weather information on a government website"
def __init__(self, station_id):
self._station_id = station_id
# The _station_id is private and immutable
def current_temperature(self):
"Latest hourly observation"
# Do not cache this because old results
# can be out of date.
@cached_property
def location(self):
"Return the longitude/latitude coordinates of the station"
# Result only depends on the station_id
@lru_cache(maxsize=20)
def historic_rainfall(self, date, units='mm'):
"Rainfall on a given date"
# Depends on the station_id, date, and units.
以上是如何在Python中缓存方法调用？的详细内容。更多信息请关注PHP中文网其他相关文章！
