python算法优化——functools.lru_cache

1. 优化算法的思想

当算法的复杂度较高时,常见的优化策略包括:

  1. 减少重复计算:通过缓存结果避免相同输入的重复计算。这种方法常用在递归和动态规划问题中。
  2. 合理使用数据结构:根据具体问题,选择合适的数据结构(如哈希表、堆、树等),以提高操作效率。例如,用哈希表可以加快查找操作。
  3. 剪枝(Pruning):在搜索或递归算法中,及时放弃不可能产生最优解的分支,减少无效计算。
  4. 分治法(Divide and Conquer):将大问题拆解为多个小问题,分别求解后再合并结果。经典例子是归并排序。
  5. 记忆化(Memoization):将已经计算过的结果保存下来,以便下次直接使用。这种策略在递归或递推中尤为重要。
  6. 动态规划(Dynamic Programming):通过存储子问题的结果,避免重复计算子问题。

2. LRU 算法与优化思想的关系

LRU(Least Recently Used,最近最少使用) 是一种基于 缓存优化 思想的算法,用于减少重复计算。这与上面的减少重复计算思想紧密相关。LRU 通过缓存结果来加速访问,但同时通过淘汰最近最少使用的缓存项来保证缓存不会无限增长。

LRU 算法的核心思想

  • 保留最近使用的结果,淘汰不常用的结果。
  • 如果缓存容量达到上限,优先淘汰最久未被使用的项。

3. functools.lru_cache

Python 提供了 functools.lru_cache,这是一个基于 LRU 算法的缓存装饰器。它会缓存函数的返回值,当再次调用该函数时,如果参数相同,直接从缓存中返回结果,避免重复计算。lru_cache 自动处理 LRU 淘汰策略,能够显著优化那些需要大量重复计算的场景。

lru_cache 的参数
  • maxsize:缓存的最大容量,超过这个容量时,最近最少使用的数据会被淘汰。maxsize=None 表示没有限制。
  • typed:若设置为 True,不同类型的相同值将被区别对待。例如 11.0 会被认为是不同的参数。

4. 原理详解:functools.lru_cache 是如何工作的?

  1. 缓存机制:当你第一次调用某个函数时,它的计算结果会被缓存起来,储存在一个类似字典的结构中。
  2. 缓存命中:当你再次调用该函数,且参数相同时,函数不会再次执行,而是直接返回缓存中的结果。
  3. 缓存淘汰:如果缓存的数量达到了 maxsize,并且有新的函数调用进入缓存,则最近最少被使用的缓存项会被淘汰。

5. 如何使用 functools.lru_cache 优化算法

接下来通过一些例子说明如何结合 functools.lru_cache 和 LRU 算法来优化算法。

示例 1:优化递归算法(斐波那契数列)

未优化的版本(时间复杂度为 O(2^n))

def fibonacci(n):if n <= 1:return nreturn fibonacci(n-1) + fibonacci(n-2)print(fibonacci(30))  # 计算非常慢,因为存在大量重复计算

优化后的版本(使用 functools.lru_cache

from functools import lru_cache@lru_cache(maxsize=128)
def fibonacci(n):if n <= 1:return nreturn fibonacci(n-1) + fibonacci(n-2)print(fibonacci(30))  # 速度快得多,因为避免了重复计算
  • maxsize=128:表示最多缓存 128 个结果,超出部分将按 LRU 策略淘汰。
示例 2:带不同参数类型的缓存
@lru_cache(maxsize=100, typed=True)
def double(x):return x * 2print(double(1))   # 缓存 1 的结果
print(double(1.0)) # 缓存 1.0 的结果,区别对待

这里 typed=True 意味着 double(1)double(1.0) 是不同的缓存条目,虽然它们的值相同,但类型不同。

示例 3:缓存大规模计算结果

假设我们有一个耗时的计算,比如对一个大数组的求和操作:

import time@lru_cache(maxsize=32)
def expensive_sum(arr):time.sleep(2)  # 模拟耗时操作return sum(arr)arr = tuple(range(1000000))# 第一次调用
print(expensive_sum(arr))  # 需要等待 2 秒# 第二次调用(相同的参数)
print(expensive_sum(arr))  # 立即返回结果,无需等待

由于 arr 是相同的参数,第二次调用时直接从缓存中获取结果。

总结

  1. 优化思想:常见的优化策略包括减少重复计算、合理使用数据结构、动态规划等。
  2. LRU 算法:是一种缓存淘汰算法,主要用于缓存系统中,通过淘汰最近最少使用的缓存项,优化重复计算问题。
  3. functools.lru_cache:是 Python 提供的基于 LRU 算法的缓存工具,用于减少函数的重复计算,自动管理缓存。
  4. 应用场景:可以用于递归、动态规划、I/O 缓存等需要重复调用的场景。

通过 functools.lru_cache,你可以轻松优化具有重复计算的函数,大大提高代码的执行效率。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/877436.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

华为AR1220配置GRE隧道

1.GRE隧道的配置 GRE隧道的配置过程,包括设置接口IP地址、配置GRE隧道接口和参数、配置静态路由以及测试隧道连通性。GRE隧道作为一种标准协议,支持多协议传输,但不提供加密,并且可能导致CPU资源消耗大和调试复杂等问题。本文采用华为AR1220路由器来示例说明。 配置…

【电路笔记】-桥接 T 型衰减器

桥接 T 型衰减器 文章目录 桥接 T 型衰减器1、概述2、桥接 T 型衰减器示例 13、可变桥接 T 型衰减器4、完全可调衰减器5、可切换桥接 T 型衰减器Bridged-T 衰减器是另一种电阻衰减器设计,它是标准对称 T 垫衰减器的变体。 1、概述 顾名思义,桥接 T 形衰减器具有一个额外的电…

Cesium模型制作,解决Cesium加载glb/GLTF显示太黑不在中心等问题

Cesium模型制作&#xff0c;解决Cesium加载glb/GLTF显示太黑不在中心等问题 QQ可以联系这里&#xff0c;谢谢

Spring SSM框架--MVC

SSM框架–Mybatis 一、介绍 Spring 框架是一个资源整合的框架&#xff0c;可以整合一切可以整合的资源&#xff08;Spring 自身和第三方&#xff09;&#xff0c;是一个庞大的生态&#xff0c;包含很多子框架&#xff1a;Spring Framework、Spring Boot、Spring Data、Spring…

红与黑-计算可到达的瓷砖数

红与黑-计算可到达的瓷砖数 http://noi.openjudge.cn/ch0205/1818/ 思路&#xff1a; 1.从起点出发&#xff0c;往四个方向走 2.在范围内 路径通可以走&#xff0c;没走过&#xff0c;递归往下走 并记录走过步数 #include<bits/stdc.h> using namespace std;char s;…

C++高性能编程:ZeroMQ vs Fast-DDS发布-订阅模式下性能对比与分析

文章目录 0. 引言1. 目标&#xff1a;ZeroMQ与Fast-DDS性能对比2. ZeroMQ vs Fast-DDS - 延迟基准测试2.1 一对一发布-订阅延迟2.2 一对多发布-订阅延迟 3. ZeroMQ vs Fast-DDS - 吞吐量基准测试4. 方法论5. 结论6. 参考 0. 引言 高要求的分布式系统催生了对轻量级且高性能中间…

C#MVC返回DataTable到前端展示。

很久没写博客了&#xff0c;闭关太久&#xff0c;失踪人口回归&#xff0c;给诸位道友整点绝活。 交代下背景&#xff1a;要做一个行转列的汇总统计&#xff0c;而且&#xff0c;由于是行转列&#xff0c;列的数量不固定&#xff0c;所以&#xff0c;没法使用正常的SqlSugar框…

el-tree树状控件,定位到选中的节点的位置

效果图 在el-tree 控件加 :render-content"renderContent" 在掉接口的方法中 实际有用的是setTimeout 方法和this.$refs.xxxxxx.setCheckedKeys([industrycodeList]) if(res.data.swindustrylist.length>0){res.data.swindustrylist.forEach(item > {industry…

深度学习常用损失函数详解

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录 前言一、回归问题1. 均方误差&#xff08;MSE&#xff09;2. 均方根误差 &#xff08;RMSE&#xff09;3. 平均绝对误差 &#xff08;MAE&#xff09; 二、分类问题…

STM32之SPI读写W25Q128芯片

SPI简介 STM32的SPI是一个串行外设接口。它允许STM32微控制器与其他设备&#xff08;如传感器、存储器等&#xff09;进行高速、全双工、同步的串行通信。通常包含SCLK&#xff08;串行时钟&#xff09;、MOSI&#xff08;主设备输出/从设备输入Master Output Slave Input&…

Linux系统编程 --- 多线程

线程&#xff1a;是进程内的一个执行分支&#xff0c;线程的执行粒度&#xff0c;要比进程要细。 一、线程的概念 1、Linux中线程该如何理解 地址空间就是进程的资源窗口。 在一个程序里的一个执行路线就叫做线程&#xff08;thread&#xff09;。更准确的定义是&#xff1…

【vim 学习系列文章 15.1 -- vim 只显示高亮字符所在的行】

文章目录 vim 只显示高亮字符所在的行搜索并高亮字符仅显示高亮字符所在的行在快速修复列表中导航使用 :g 命令仅显示匹配的行Summary vim 只显示高亮字符所在的行 在 Vim 中&#xff0c;如果你想只显示包含高亮字符的行&#xff0c;可以使用一些 Vim 内置的命令与功能来实现。…

聊聊场景及场景测试

在我们进行测试过程中&#xff0c;有一种黑盒测试叫场景测试&#xff0c;我们完全是从用户的角度去理解系统&#xff0c;从而可以挖掘用户的隐含需求。 场景是指用户会使用这个系统来完成预定目标的所有情况的集合。 场景本身也代表了用户的需求&#xff0c;所以我们可以认为…

SpringBoot+Vue在线商城(电子商城)系统-附源码与配套论文

摘 要 随着互联网技术的发展和普及&#xff0c;电子商务在全球范围内得到了迅猛的发展&#xff0c;已经成为了一种重要的商业模式和生活方式。电子商城是电子商务的重要组成部分&#xff0c;是一个基于互联网的商业模式和交易平台&#xff0c;通过网络进行产品和服务的销售。…

计算机图形学 | 动画模拟

动画模拟 布料模拟 质点弹簧系统&#xff1a; 红色部分很弱地阻挡对折 Steep connection FEM:有限元方法 粒子系统 粒子系统本质上就是在定义个体和群体的关系。 动画帧率 VR游戏要不晕需要达到90fps Forward Kinematics Inverse Kinematics 只告诉末端p点&#xff0c;中间…

Delphi5实现色板程序——滑块型组件实例

效果图 参考 Delphi程序设计基础&#xff1a;教程、实验、习题 代码 unit Unit1;interfaceusesSysUtils, WinTypes, WinProcs, Messages, Classes, Graphics, Controls,Dialogs, Forms,Form, Formprpt, ExtCtrls, StdCtrls;typeTForm1 class(MForm)Label1: TLabel;Label2: …

公式编辑器 -vue-formula-editor

前言 公式编辑旨在帮助用户使用可视化的前提&#xff0c;能便捷的使用平台&#xff0c;例如低代码平台使用广泛 vue-formula-editor vue-formula-editor是一款开源的Vue公式计算组件&#xff0c;可以帮助开发者快速集成公式编辑 在线体验 demo & 源码 安装 npm i vue-form…

[Python学习日记-9] Python中的运算符

简介 计算机可以进行的运算有很多种&#xff0c;但可不只加减乘除这么简单&#xff0c;运算按种类可分为算数运算、比较运算、逻辑运算、赋值运算、成员运算、身份运算、位运算&#xff0c;而本篇我们暂只介绍算数运算、比较运算、逻辑运算、赋值运算 算数运算 一、运算符描述…

FunHPC算力平台评测

作为内测老用户&#xff0c;已经用DeepLn平台&#xff08;现改名为FunHPC平台&#xff09;好久了&#xff0c;一路见证了平台从最初100多人的小群到现在满群的状态&#xff0c;FunHpc平台确实在一步步的走向成熟&#xff0c;一步步的变大。趁着现在活动的时间&#xff0c;发篇文…

XSS反射型和DOM型+DOM破坏

目录 第一关 源码分析 payload 第二关 源码分析 payload 第三关 源码分析 payload 第四关 源码分析 payload 第五关 源码分析 payload 第六关 源码分析 第七关 源码分析 方法一&#xff1a;构造函数 方法二&#xff1a;parseInt 方法三&#xff1a;locat…