Wie werden Methodenaufrufe in Python zwischengespeichert?

Zwei Tools für Caching-Methoden sind functools.cached_property() und functools.lru_cache(). Beide Module sind Teil des Functools-Moduls. Das Modul functools ist für Funktionen höherer Ordnung gedacht: Funktionen, die auf andere Funktionen einwirken oder diese zurückgeben. Lassen Sie uns zunächst das Functools-Modul installieren und importieren -

Functools installieren

Um das Functools-Modul zu installieren, verwenden Sie pip −

pip install functools

Funktionstool importieren

So importieren Sie Funktools −

import functools

Lassen Sie uns das Caching einzeln verstehen -

cached_property()

Nützlich für aufwendig berechnete Eigenschaften von Instanzen, die ansonsten praktisch unveränderlich wären.

Die Methode „cached_property“ ist nur ohne Parameter verfügbar. Es wird kein Verweis auf die Instanz erstellt. Zwischengespeicherte Methodenergebnisse werden nur beibehalten, solange die Instanz aktiv ist.

Der Vorteil besteht darin, dass die zwischengespeicherten Methodenergebnisse sofort freigegeben werden, wenn die Instanz nicht mehr verwendet wird. Der Nachteil besteht darin, dass sich bei einer Instanzakkumulation auch die akkumulierten Methodenergebnisse akkumulieren. Sie können unbegrenzt wachsen.

Die chinesische Übersetzung von

Beispiel

lautet:

Beispiel

Sehen wir uns ein Beispiel an –

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

Die

lru_cache-Methode eignet sich für Methoden mit hashbaren Parametern. Sofern keine besonderen Anstrengungen unternommen werden, um eine schwache Referenz zu übergeben, wird eine Referenz auf die Instanz erstellt.

Der Vorteil des Least-Recent-Used-Algorithmus besteht darin, dass der Cache auf eine festgelegte maximale Größe begrenzt ist. Der Nachteil besteht darin, dass Instanzen aktiv bleiben, bis sie aus dem Cache ablaufen oder der Cache geleert wird.

Die chinesische Übersetzung von

Beispiel

lautet:

Beispiel

Sehen wir uns ein Beispiel an –

@lru_cache
def count_vowels(sentence):
   return sum(sentence.count(vowel) for vowel in 'AEIOUaeiou')

Beispiel für die Verwendung des Caches zur Berechnung von Fibonacci-Zahlen −

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())

Ausgabe

[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)

Caching-Beispiel

Sehen wir uns nun das vollständige Beispiel von functool cached_property() und lru_cache -

an

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.

Das obige ist der detaillierte Inhalt vonWie werden Methodenaufrufe in Python zwischengespeichert?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!