Cache LRU com functools em Python

Nível 5317 toques

Isso usa o decorador @lru_cache para memoizar os resultados da função, acelerando muito os cálculos recursivos.

Código Python

# Importa lru_cache para memoização
1from functools import lru_cache
# Importa time para medir a execução
2import time
3
# Aplica um cache LRU de até 128 entradas
4@lru_cache(maxsize=128)
# Define a função recursiva de Fibonacci
5def fibonacci(n):
# Caso base: retorna n para 0 ou 1
6 if n < 2:
# Retorna o valor base
7 return n
# Caso recursivo: soma dos dois números anteriores
8 return fibonacci(n - 1) + fibonacci(n - 2)
9
# Registra o tempo de início
10start = time.time()
# Calcula fibonacci(35): chamadas em cache são instantâneas
11result = fibonacci(35)
# Registra o tempo final
12end = time.time()
13
# Imprime o resultado
14print(f"fib(35) = {result}")
# Imprime o tempo de execução
15print(f"Time: {end - start:.4f}s")
# Imprime as estatísticas do cache (acertos, falhas, tamanho)
16print(f"Cache: {fibonacci.cache_info()}")

Saída

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

Pratique digitando este código. Os resultados não são registrados no ranking.

Símbolos deste código

Os símbolos que você digita neste código Python e quantas vezes aparecem.

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

Mais exemplos de Python de nível 5

← Prática de digitação de Python