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 memoização1from functools import lru_cache# Importa time para medir a execução2import time3 # Aplica um cache LRU de até 128 entradas4@lru_cache(maxsize=128)# Define a função recursiva de Fibonacci5def fibonacci(n): # Caso base: retorna n para 0 ou 16 if n < 2: # Retorna o valor base7 return n # Caso recursivo: soma dos dois números anteriores8 return fibonacci(n - 1) + fibonacci(n - 2)9 # Registra o tempo de início10start = time.time()# Calcula fibonacci(35): chamadas em cache são instantâneas11result = fibonacci(35)# Registra o tempo final12end = time.time()13 # Imprime o resultado14print(f"fib(35) = {result}")# Imprime o tempo de execução15print(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)
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