Caché LRU con functools en Python

Nivel 5317 pulsaciones

Esto usa el decorador @lru_cache para memoizar los resultados de la función, lo que acelera enormemente los cálculos recursivos.

Código Python

# Importa lru_cache para memoización
1from functools import lru_cache
# Importa time para medir el tiempo de ejecución
2import time
3
# Aplica una caché LRU de hasta 128 entradas
4@lru_cache(maxsize=128)
# Define la función recursiva de Fibonacci
5def fibonacci(n):
# Caso base: devuelve n para 0 o 1
6 if n < 2:
# Devuelve el valor base
7 return n
# Caso recursivo: suma de los dos números anteriores
8 return fibonacci(n - 1) + fibonacci(n - 2)
9
# Registra el tiempo de inicio
10start = time.time()
# Calcula fibonacci(35): las llamadas en caché son instantáneas
11result = fibonacci(35)
# Registra el tiempo final
12end = time.time()
13
# Imprime el resultado
14print(f"fib(35) = {result}")
# Imprime el tiempo de ejecución
15print(f"Time: {end - start:.4f}s")
# Imprime las estadísticas de la caché (aciertos, fallos, tamaño)
16print(f"Cache: {fibonacci.cache_info()}")

Salida

fib(35) = 9227465
Time: 0.0001s
Cache: CacheInfo(hits=33, misses=36, maxsize=128, currsize=36)
Practicar escribiendo este código

Practica escribiendo este código. Los resultados no se registran en el ranking.

Símbolos de este código

Los símbolos que escribes en este código Python y cuántas veces aparecen.

  • (× 12
  • )× 12
  • "× 6
  • :× 5
  • =× 5
  • .× 4
  • _× 3
  • -× 3
  • {× 3
  • }× 3

Más ejemplos de Python de nivel 5

← Práctica de mecanografía de Python