معرفی شرکت ها

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 بیشتر

توضیحات

C implementation of Python 3 functools.lru_cache

ویژگی	مقدار
سیستم عامل	-
نام فایل	fastcache-1.1.0
نام	fastcache
نسخه کتابخانه	1.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Peter Brady
ایمیل نویسنده	petertbrady@gmail.com
آدرس صفحه اصلی	https://github.com/pbrady/fastcache
آدرس اینترنتی	https://pypi.org/project/fastcache/
مجوز	MIT

C implementation of Python 3 functools.lru_cache. Provides speedup of 10-30x over standard library. Passes test suite from standard library for lru_cache. Provides 2 Least Recently Used caching function decorators: clru_cache - built-in (faster) >>> from fastcache import clru_cache, __version__ >>> __version__ '1.1.0' >>> @clru_cache(maxsize=325, typed=False) ... def fib(n): ... """Terrible Fibonacci number generator.""" ... return n if n < 2 else fib(n-1) + fib(n-2) ... >>> fib(300) 222232244629420445529739893461909967206666939096499764990979600 >>> fib.cache_info() CacheInfo(hits=298, misses=301, maxsize=325, currsize=301) >>> print(fib.__doc__) Terrible Fibonacci number generator. >>> fib.cache_clear() >>> fib.cache_info() CacheInfo(hits=0, misses=0, maxsize=325, currsize=0) >>> fib.__wrapped__(300) 222232244629420445529739893461909967206666939096499764990979600 >>> type(fib) >>> <class 'fastcache.clru_cache'> lru_cache - python wrapper around clru_cache >>> from fastcache import lru_cache >>> @lru_cache(maxsize=128, typed=False) ... def f(a, b): ... pass ... >>> type(f) >>> <class 'function'> (c)lru_cache(maxsize=128, typed=False, state=None, unhashable='error') Least-recently-used cache decorator. If *maxsize* is set to None, the LRU features are disabled and the cache can grow without bound. If *typed* is True, arguments of different types will be cached separately. For example, f(3.0) and f(3) will be treated as distinct calls with distinct results. If *state* is a list or dict, the items will be incorporated into the argument hash. The result of calling the cached function with unhashable (mutable) arguments depends on the value of *unhashable*: If *unhashable* is 'error', a TypeError will be raised. If *unhashable* is 'warning', a UserWarning will be raised, and the wrapped function will be called with the supplied arguments. A miss will be recorded in the cache statistics. If *unhashable* is 'ignore', the wrapped function will be called with the supplied arguments. A miss will will be recorded in the cache statistics. View the cache statistics named tuple (hits, misses, maxsize, currsize) with f.cache_info(). Clear the cache and statistics with f.cache_clear(). Access the underlying function with f.__wrapped__. See: http://en.wikipedia.org/wiki/Cache_algorithms#Least_Recently_Used

نحوه نصب

نصب پکیج whl fastcache-1.1.0:

pip install fastcache-1.1.0.whl

نصب پکیج tar.gz fastcache-1.1.0:

pip install fastcache-1.1.0.tar.gz