Functools LRU-Cache in Python
Level 5317 Tastenanschläge
Dies verwendet den @lru_cache-Dekorator, um Funktionsergebnisse zu memoizieren und rekursive Berechnungen erheblich zu beschleunigen.
Python-Code
# Importiert lru_cache für Memoization1from functools import lru_cache# Importiert time zur Zeitmessung2import time3 # Wendet einen LRU-Cache mit maximal 128 Einträgen an4@lru_cache(maxsize=128)# Definiert die rekursive Fibonacci-Funktion5def fibonacci(n): # Basisfall: gibt n für 0 oder 1 zurück6 if n < 2: # Gibt den Basiswert zurück7 return n # Rekursiver Fall: Summe der zwei vorherigen Zahlen8 return fibonacci(n - 1) + fibonacci(n - 2)9 # Speichert die Startzeit10start = time.time()# Berechnet fibonacci(35): Aufrufe aus dem Cache kosten praktisch nichts11result = fibonacci(35)# Speichert die Endzeit12end = time.time()13 # Gibt das Ergebnis aus14print(f"fib(35) = {result}")# Gibt die Ausführungszeit aus15print(f"Time: {end - start:.4f}s")# Gibt Cache-Statistiken aus (Treffer, Fehlschläge, Größe)16print(f"Cache: {fibonacci.cache_info()}")Ausgabe
fib(35) = 9227465 Time: 0.0001s Cache: CacheInfo(hits=33, misses=36, maxsize=128, currsize=36)
Übe, diesen Code zu tippen. Ergebnisse werden nicht in der Rangliste gespeichert.
Symbole in diesem Code
Die Symbole, die du in diesem Python-Code tippst, und wie oft sie vorkommen.
(× 12)× 12"× 6:× 5=× 5.× 4_× 3-× 3{× 3}× 3