معرفی شرکت ها
cache-em-all-0.2.2
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
A simple decorator to cache the results of functions
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | cache-em-all-0.2.2 |
| نام | cache-em-all |
| نسخه کتابخانه | 0.2.2 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | daniyall |
| ایمیل نویسنده | dev.daniyall@gmail.com |
| آدرس صفحه اصلی | https://github.com/daniyall/cache_em_all |
| آدرس اینترنتی | https://pypi.org/project/cache-em-all/ |
| مجوز | LICENSE |
A simple decorator to cache the results of function calls.
Installation
------------
.. code:: bash
pip install cache_em_all
Example
-------
.. code:: python
from cache_em_all import Cachable
@Cachable("answer.json")
def answer_to(question):
if question == "life":
import time
time.sleep(236500000000000)
return 42
answer_to("life") # Takes 7.5 million years
answer_to("life") # Pretty much instant
After the first call to ``answer_to``, the result of the function is
stored in a file ``cache/answer/answer__life.json``. When the function
is called again (with the same parameters), instead of executing the
function, the decorator will get the result from the file.
Advanced usage
--------------
File types
~~~~~~~~~~
Various file types are supported.
+--------------------------------------------+--------------------------+
| extension | Description |
+============================================+==========================+
| csv | Uses pandas to save the |
| | result in a csv file. |
| | The return value for the |
| | function must be a |
| | DataFrame or Series. |
+--------------------------------------------+--------------------------+
| json | Saves the result in a |
| | json file. Useful for |
| | lists, dictionaries and |
| | primitive types. |
+--------------------------------------------+--------------------------+
| pkl | Pickles the return |
| | value. Return type can |
| | be just about anything. |
| | May not work well for |
| | large (>~2GB) files |
+--------------------------------------------+--------------------------+
| pa | Uses pyarrow to save |
| | files. This is generally |
| | faster than pkl and |
| | supports larger files |
| | (tested up to 50GB) |
+--------------------------------------------+--------------------------+
Versioning
~~~~~~~~~~
The ``Cachable`` decorator can accept a version number. This is useful
for when you update a function. For example,
You had the following code:
.. code:: python
from cache_em_all import Cachable
@Cachable("add.json")
def add(x, y):
return x + x
This is a bug (should be ``x+y``, not ``x+x``), but you’ve run this
function multiple times and there are lots of cached results. Rather
than manually deleting the cache folder, you can bump the version number
(version numbers start at 0).
.. code:: python
from cache_em_all import Cachable
@Cachable("add.json", version=1)
def add(x, y):
return x + y
Now next time the function is called it will invalidate the cache and
re-run the function.
Do not use this feature in multi-processing code because the writes to
the version file do not (yet) use locks.
Folder
~~~~~~
By default all cached files are stored in a folder called ``cache``.
This can be changed for each function by passing ``folder`` to
``Cachable``.
.. code:: python
from cache_em_all import Cachable
@Cachable("add.json", folder="/mnt/ram/fastcache")
def add(x, y):
return x + y
You can also change the default cache dir so that all cache files are by
default saved elsewhere.
.. code:: python
from cache_em_all import Cachable, set_cache_dir
set_cache_dir("/mnt/huge_hdd")
@Cachable("add.json")
def add(x, y):
return x + y
Disable cache
~~~~~~~~~~~~~
You can also disable the cache by setting ``use`` to ``False``.
.. code:: python
from cache_em_all import Cachable
@Cachable("add.json", use=False)
def add(x, y):
return x + y
This can be useful for debugging or optmizing the function.
نحوه نصب
نصب پکیج whl cache-em-all-0.2.2:
pip install cache-em-all-0.2.2.whl
نصب پکیج tar.gz cache-em-all-0.2.2:
pip install cache-em-all-0.2.2.tar.gz