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 memoización1from functools import lru_cache# Importa time para medir el tiempo de ejecución2import time3 # Aplica una caché LRU de hasta 128 entradas4@lru_cache(maxsize=128)# Define la función recursiva de Fibonacci5def fibonacci(n): # Caso base: devuelve n para 0 o 16 if n < 2: # Devuelve el valor base7 return n # Caso recursivo: suma de los dos números anteriores8 return fibonacci(n - 1) + fibonacci(n - 2)9 # Registra el tiempo de inicio10start = time.time()# Calcula fibonacci(35): las llamadas en caché son instantáneas11result = fibonacci(35)# Registra el tiempo final12end = time.time()13 # Imprime el resultado14print(f"fib(35) = {result}")# Imprime el tiempo de ejecución15print(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)
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