Question

是否可以使用functools.lru_cache来缓存由functools.partial创建的部分函数？

我的问题是一个带有可清洗参数的函数，以及NumPy数组等不可删除的对象。

考虑这个玩具示例：

import numpy as np
from functools import lru_cache, partial

def foo(key, array):
    print('%s:' % key, array)
a = np.array([1,2,3])

由于NumPy数组不可清除，因此无效：

@lru_cache(maxsize=None)
def foo(key, array):
    print('%s:' % key, array)
foo(1, a)

正如预期的那样，您会收到以下错误：

/Users/ch/miniconda/envs/sci34/lib/python3.4/functools.py in __init__(self, tup, hash)
    349     def __init__(self, tup, hash=hash):
    350         self[:] = tup
--> 351         self.hashvalue = hash(tup)
    352 
    353     def __hash__(self):

TypeError: unhashable type: 'numpy.ndarray'

所以我的下一个想法是使用functools.partial来摆脱NumPy数组（无论如何都是常量）

pfoo = partial(foo, array=a)
pfoo(2)

所以现在我有一个只接受hashable参数的函数，对于lru_cache应该是完美的。但是在这种情况下可以使用lru_cache吗？我不能用它作为包装函数而不是@lru_cache装饰器，可以吗？

有一种聪明的方法可以解决这个问题吗？

Answer 1

由于数组是常量，您可以在实际的lru缓存函数周围使用包装器，只需将键值传递给它：

from functools import lru_cache, partial
import numpy as np


def lru_wrapper(array=None):
    @lru_cache(maxsize=None)
    def foo(key):
        return '%s:' % key, array
    return foo


arr = np.array([1, 2, 3])
func = lru_wrapper(array=arr)

for x in [0, 0, 1, 2, 2, 1, 2, 0]:
    print (func(x))

print (func.cache_info())

输出：

('0:', array([1, 2, 3]))
('0:', array([1, 2, 3]))
('1:', array([1, 2, 3]))
('2:', array([1, 2, 3]))
('2:', array([1, 2, 3]))
('1:', array([1, 2, 3]))
('2:', array([1, 2, 3]))
('0:', array([1, 2, 3]))
CacheInfo(hits=5, misses=3, maxsize=None, currsize=3)

Answer 2

以下是将lru_cache与functools.partial结合使用的示例：

from functools import lru_cache, partial
import numpy as np


def foo(key, array):
    return '%s:' % key, array


arr = np.array([1, 2, 3])
pfoo = partial(foo, array=arr)
func = lru_cache(maxsize=None)(pfoo)

for x in [0, 0, 1, 2, 2, 1, 2, 0]:
    print(func(x))

print(func.cache_info())

输出：

('0:', array([1, 2, 3]))
('0:', array([1, 2, 3]))
('1:', array([1, 2, 3]))
('2:', array([1, 2, 3]))
('2:', array([1, 2, 3]))
('1:', array([1, 2, 3]))
('2:', array([1, 2, 3]))
('0:', array([1, 2, 3]))
CacheInfo(hits=5, misses=3, maxsize=None, currsize=3)

这比solution of @AshwiniChaudhary更为简洁，并且遵循OP的要求使用了functools.partial。

^{P.S .：此解决方案改编自Applying functools.lru_cache to lambda}

对具有常量但不可散列的对象的函数使用functools.lru_cache

2 个答案: