爱上python系列------python性能(七):lru_cache为函数计算加速

亦凉 2022-12-18 03:59 79阅读 0赞

缓存在计算的时候可以避免重复计算，现在的数据库很多也提供缓存技术，比如redis

python的functools 模块就提供了一个工具，可以使用装饰器进行给函数进行缓存（LRU），重复的参数的就不进行重复计算了

下面做一个实验

## 1.不使用缓存 ##

import functools
    import math
    import numpy as np
    import time
    
    ls=[int(np.random.rand()*100) for i in range(1000000)]
    #@functools.lru_cache(maxsize=100)
    def memoized_sin(x):
        return math.sin(math.sin(math.sin(math.sin(math.sin(math.sin(x))))))
    start=time.time()
    for i in ls:
    	memoized_sin(i)
    print(time.time()-start)
    #print(memoized_sin.cache_info())

结果：

1.314882755279541

## 2.使用缓存： ##

import functools
    import math
    import numpy as np
    import time
    
    ls=[int(np.random.rand()*100) for i in range(1000000)]
    @functools.lru_cache(maxsize=100)
    def memoized_sin(x):
        return math.sin(math.sin(math.sin(math.sin(math.sin(math.sin(x))))))
    start=time.time()
    for i in ls:
    	memoized_sin(i)
    print(time.time()-start)
    #print(memoized_sin.cache_info())

结果：

0.22953534126281738

差距还是蛮大的，如果函数计算越复杂，那么就越节省时间

发表评论取消回复

表情：

评论列表（有 0 条评论，79人围观）

还没有评论，来说两句吧...

相关阅读

相关爱上python系列------python性能(十):bisect加速有序列表的查询

如果数据量很大的时候，list哪怕使用index也会变得很慢，下面做个实验，使用二分查找模块[bisect][] import time import bi

布满荆棘的人生/ 2022年12月18日 07:55/ 0 赞/ 148 阅读

相关爱上python系列------python性能(七):lru_cache为函数计算加速

缓存在计算的时候可以避免重复计算，现在的数据库很多也提供缓存技术，比如redis python的functools 模块就提供了一个工具，可以使用装饰器进行给函数进行缓存（L

亦凉/ 2022年12月18日 03:59/ 0 赞/ 80 阅读

相关爱上python系列------python性能(六):新建list对象性能优化

Cpython里的list实际上就是长度可变的数组实现的新建list经常会使用这样的一种写法： \[i for i in range(N)\] 这样的写法不仅仅很酷很简

今天药忘吃喽~/ 2022年12月17日 12:56/ 0 赞/ 125 阅读

相关爱上python系列------python性能(五):字符串拼接性能优化

python里面字符串是不可变的，在拼接的时候速度会比较慢，因为拼接任意不可变序列都会生成一个新的序列对象也就是说在拼接的过程中会产生很多中间对象，新建对象肯定需要时间，

╰半橙微兮°/ 2022年12月17日 11:57/ 0 赞/ 197 阅读

相关爱上python系列------python性能(四):list-set-dict性能对比

无意间看到文章说set的速度比list快，很是不解，于是自己做了一下实验实验1：几乎不带重复的数据时三者查询性能的对比 import time imp

快来打我*/ 2022年12月17日 08:38/ 0 赞/ 120 阅读

相关爱上python系列------python性能(三):KCacheGrind性能分析可视化

KCacheGrind是一个性能可视化的工具，需要读取固定格式的文件就可以获取可视化的图形，不是属于python独有的前面我们使用cProfile进行了性能分析，接下来我

﹏ヽ暗。殇╰゛Y/ 2022年12月16日 13:24/ 0 赞/ 147 阅读

相关爱上python系列------python性能(二):line_profiler性能分析

Python的性能分析分析十分重要，因为可以给我们优化性能提供可靠的数值参考 Python的性能分析有两个主流工具cProfile和line\_profiler，前者是pyt

不念不忘少年蓝@/ 2022年12月16日 13:16/ 0 赞/ 206 阅读

相关爱上python系列------python性能(一):pypy实践

python作为一门解释型语言，执行效率一直被诟病，速度比c慢几十到上百倍这里主要谈到pypy 就是一个解释器，我们安装好的python的默认的解释器是Cpython

梦里梦外;/ 2022年12月16日 13:05/ 0 赞/ 260 阅读

相关爱上python系列------python性能(十三):忌用for循环

一直都在想标量和向量计算为啥速度不一样，直到看到[这个文章][Link 1] 接下来试验一下：用for循环： import numpy as np

你的名字/ 2022年11月20日 11:54/ 0 赞/ 141 阅读

相关爱上python系列------python性能(十二):pd.eval()加速实验证明无效

pd.eval()号称是使用了Numexpr，能够使用DataFrame之间的运算提速我亲自实验，说明现有的pandas版本的根本不支持，只适用于老版本的pandas p

偏执的太偏执、/ 2022年11月20日 08:18/ 0 赞/ 150 阅读