在 Python 中，字典是一种非常灵活且高效的数据结构，常用于存储键值对。除了基本的数据存储功能外，字典还可以作为一种简单的缓存机制，提高程序的性能。本文将详细介绍如何使用字典作为缓存机制，并通过实际代码示例逐步引导你理解和应用这一技术。

---

• 包含编程资料、学习路线图、源代码、软件安装包等！【[点击这里]】！

---

1.字典的基本概念

• 字典是 Python 中的一种内置数据类型，它以键值对的形式存储数据。每个键都是唯一的，可以通过键快速访问对应的值。创建字典非常简单：

# 创建一个字典  
my_dict = {'apple': 1, 'banana': 2, 'cherry': 3}  
print(my_dict)  # 输出: {'apple': 1, 'banana': 2, 'cherry': 3}  

2.字典的基本操作

• 字典支持多种操作，包括添加、删除、修改和查询键值对。以下是一些常见的操作示例：

# 添加键值对  
my_dict['date'] = '2023-10-01'  
print(my_dict)  # 输出: {'apple': 1, 'banana': 2, 'cherry': 3, 'date': '2023-10-01'}    
# 修改键值对  
my_dict['apple'] = 10  
print(my_dict)  # 输出: {'apple': 10, 'banana': 2, 'cherry': 3, 'date': '2023-10-01'}    
# 删除键值对  
del my_dict['banana']  
print(my_dict)  # 输出: {'apple': 10, 'cherry': 3, 'date': '2023-10-01'}    
# 查询键值对  
print(my_dict.get('cherry'))  # 输出: 3  
print(my_dict.get('orange', 'Not Found'))  # 输出: Not Found  

3.字典作为缓存机制

• 缓存是一种优化技术，用于存储计算结果或频繁访问的数据，以便在后续请求中快速返回。字典非常适合用作缓存，因为它的查找时间复杂度为 O(1)，即常数时间。

①基本缓存示例

• 假设我们有一个函数compute，计算一个数字的平方根。我们可以使用字典来缓存已经计算过的结果，避免重复计算。

import math    
# 创建一个空字典作为缓存  
cache = {}    
def compute(x):  
if x in cache:  
print(f"Using cached result for {x}")  
return cache[x]  
else:  
        result = math.sqrt(x)  
        cache[x] = result  
        print(f"Computed and cached result for {x}")  
        return result    
# 测试缓存  
print(compute(16))  # 输出: Computed and cached result for 16                      
                    #       4.0  
print(compute(16))  # 输出: Using cached result for 16  
                    #       4.0  
print(compute(25))  # 输出: Computed and cached result for 25  
                    #       5.0  
print(compute(25))  # 输出: Using cached result for 25  
                    #       5.0  

4.高级缓存技术

①缓存大小限制

• 在实际应用中，缓存可能会变得非常大，占用大量内存。为了防止这种情况，我们可以限制缓存的大小。当缓存达到最大容量时，可以使用 LRU（Least Recently Used）策略移除最近最少使用的项。

from collections 
import OrderedDict    
class LRUCache:  
def __init__(self, capacity):  
             self.cache = OrderedDict()  
             self.capacity = capacity  
def get(self, key):  
if key not in self.cache:  
return -1  
else:  
              self.cache.move_to_end(key)  # 将访问的键移到末尾  
return self.cache[key]    
def put(self, key, value):  
if key in self.cache:  
              self.cache.move_to_end(key)  
              self.cache[key] = value  
if len(self.cache) > self.capacity:  
              self.cache.popitem(last=False)  # 移除最早添加的项    
# 测试 LRU 缓存  
              lru_cache = LRUCache(3)  
              lru_cache.put(1, 'one')  
              lru_cache.put(2, 'two')  
              lru_cache.put(3, 'three')  
print(lru_cache.get(1))  # 输出: one  
              lru_cache.put(4, 'four')  # 2 被移除  
print(lru_cache.get(2))  # 输出: -1  

②使用"functools.lru_cache"

• Python 的"functools"模块提供了一个 "lru_cache"装饰器，可以轻松地为函数添加LRU缓存功能。

from functools 
import lru_cache  
import math    
@lru_cache(maxsize=32)  
def compute(x):  
    result = math.sqrt(x)  
print(f"Computed result for {x}")  
return result    
# 测试缓存  
print(compute(16))  # 输出: Computed result for 16  
                    #       4.0  
print(compute(16))  # 输出: 4.0  
print(compute(25))  # 输出: Computed result for 25  
                    #       5.0  
print(compute(25))  # 输出: 5.0  

5.实战案例：缓存 API 请求结果

• 假设我们有一个 API，每次请求都会返回一些数据。为了提高性能，我们可以使用字典缓存 API 的响应结果。

import requests  
from functools 
import lru_cache    
@lru_cache(maxsize=100)  
def get_api_data(url):  
    response = requests.get(url)  
if response.status_code == 200:  
    return response.json()  
else:  
    return None    
# 测试缓存  
url = 'https://api.example.com/data'  
data = get_api_data(url)  
print(data)    
# 再次请求相同的 URL，使用缓存  
data = get_api_data(url)  
print(data)  

总结

• 本文介绍了如何使用字典作为缓存机制，从基本的缓存示例到高级的 LRU 缓存技术，以及如何使用 functools.lru_cache 装饰器。通过实际的代码示例，我们展示了如何在 Python 中实现高效的缓存。
  

总结

• 最后希望你编程学习上不急不躁,按照计划有条不紊推进,把任何一件事做到极致,都是不容易的,加油,努力！相信自己！

文末福利

• 最后这里免费分享给大家一份Python全套学习资料，希望能帮到那些不满现状，想提升自己却又没有方向的朋友，也可以和我一起来学习交流呀。

包含编程资料、学习路线图、源代码、软件安装包等！【[点击这里]】领取！

• ① Python所有方向的学习路线图，清楚各个方向要学什么东西
• ② 100多节Python课程视频，涵盖必备基础、爬虫和数据分析
• ③ 100多个Python实战案例，学习不再是只会理论
• ④ 华为出品独家Python漫画教程，手机也能学习

可以扫描下方二维码领取【保证100%免费】