関数キャッシュ(Function caching)

関数戻り値キャッシュは、関数を最適化する一般的な手段です.関数、入力パラメータ、戻り値をすべて保存し、次回同じパラメータでこの関数を呼び出すと、格納された結果を戻りとして直接使用できます(再計算は必要ありません).
関数キャッシュを使用すると、指定したパラメータに対する関数の戻り値をキャッシュできます.I/Oが密集している関数が同じパラメータで頻繁に呼び出されると、関数キャッシュは時間を節約できます.
 
Python 3.2以降
フィボナッチ計算機を実現しlru_を用いてcache.

from functools import lru_cache

@lru_cache(maxsize=32)
def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)

>>> print([fib(n) for n in range(10)])
# Output: [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]


#                 ，    ：
fib.cache_clear()
  maxsize     lru_cache，            。

functoolsモジュールとcachetoolsモジュールは、同様のキャッシュメカニズムを提供します. 
functoolsはlru_を提供していますCache、キャッシュデータがパラメータを超えた場合maxsizeの値は、LRU(最も最近使用されたアルゴリズム)で最近使用されていないキャッシュ結果をクリアします.
cachetoolsモジュールは、より多くのキャッシュ失効ポリシーを提供します.

LFUCache(Least Frequently Used (LFU) cache implementation.)

LRUCache(Least Recently Used (LRU) cache implementation.)

RRCache(Random Replacement (RR) cache implementation.)

TTLCache(LRU Cache implementation with per-item time-to-live (TTL) value.)

 
Python 2シリーズ
任意の種類のキャッシュメカニズムを作成することができ、同じ効果を達成するにはいくつかの方法があります.これはあなたのニーズに完全に依存します.一般的なキャッシュです.

from functools import wraps

def memorize(function):
    memo = {}
    @wraps(function)
    def wrapper(*args):
        if args in memo:
            return memo[args]
        else:
            rv = function(*args)
            memo[args] = rv
            return rv
    return wrapper

@memorize
def fibonacci(n):
    if n < 2: return n
    return fibonacci(n - 1) + fibonacci(n - 2)

fibonacci(25)

 
まとめ:
関数のキャッシュは、閉パッケージインスタンスによって実現され、cache装飾器が付けられた関数ごとに、実行時に異なる閉パッケージインスタンスが作成されます.パラメータのキャッシュは、閉パケットインスタンスに導入されたハッシュテーブル(dict)のkeyによって保存される.戻り値のキャッシュは辞書形式で保存され、キーは関数パラメータ、値は関数戻り値です.refer
Pythonステップ関数キャッシュ(Function caching)
関数戻り値キャッシュ