Python memoising/отложенный искатель свойств поиска

Ответ 1

Для всех видов больших утилит я использую boltons.

В рамках этой библиотеки вы cachedproperty:

from boltons.cacheutils import cachedproperty

class Foo(object):
    def __init__(self):
        self.value = 4

    @cachedproperty
    def cached_prop(self):
        self.value += 1
        return self.value


f = Foo()
print(f.value)  # initial value
print(f.cached_prop)  # cached property is calculated
f.value = 1
print(f.cached_prop)  # same value for the cached property - it isn't calculated again
print(f.value)  # the backing value is different (it essentially unrelated value)

Ответ 2

Вот пример реализации ленивого декоратора свойств:

def lazyprop(fn):
    attr_name = '_lazy_' + fn.__name__
    @property
    def _lazyprop(self):
        if not hasattr(self, attr_name):
            setattr(self, attr_name, fn(self))
        return getattr(self, attr_name)
    return _lazyprop


class Test(object):

    @lazyprop
    def a(self):
        print 'generating "a"'
        return range(5)

Интерактивный сеанс:

>>> t = Test()
>>> t.__dict__
{}
>>> t.a
generating "a"
[0, 1, 2, 3, 4]
>>> t.__dict__
{'_lazy_a': [0, 1, 2, 3, 4]}
>>> t.a
[0, 1, 2, 3, 4]

Ответ 3

Я написал это для себя... Используется для истинных одноразовых рассчитанных ленивых свойств. Мне это нравится, потому что это позволяет избежать наложения дополнительных атрибутов на объекты, и после активации не тратит время на проверку наличия атрибута и т.д.:

class lazy_property(object):
    '''
    meant to be used for lazy evaluation of an object attribute.
    property should represent non-mutable data, as it replaces itself.
    '''

    def __init__(self, fget):
        self.fget = fget
        self.func_name = fget.__name__

    def __get__(self, obj, cls):
        if obj is None:
            return None
        value = self.fget(obj)
        setattr(obj, self.func_name, value)
        return value


class Test(object):

    @lazy_property
    def results(self):
        calcs = 1  # Do a lot of calculation here
        return calcs

Ответ 4

property - это класс. A descriptor, если быть точным. Просто выведите из него и выполните желаемое поведение.

class lazyproperty(property):
   ....

class testA(object):
   ....
  a = lazyproperty('_a')
  b = lazyproperty('_b')

Ответ 5

Здесь вызываемый, который принимает необязательный аргумент таймаута, в __call__ вы также можете скопировать через __name__, __doc__, __module__ из пространства имен func:

import time

class Lazyproperty(object):

    def __init__(self, timeout=None):
        self.timeout = timeout
        self._cache = {}

    def __call__(self, func):
        self.func = func
        return self

    def __get__(self, obj, objcls):
        if obj not in self._cache or \
          (self.timeout and time.time() - self._cache[key][1] > self.timeout):
            self._cache[obj] = (self.func(obj), time.time())
        return self._cache[obj]

Пример:

class Foo(object):

    @Lazyproperty(10)
    def bar(self):
        print('calculating')
        return 'bar'

>>> x = Foo()
>>> print(x.bar)
calculating
bar
>>> print(x.bar)
bar
...(waiting 10 seconds)...
>>> print(x.bar)
calculating
bar

Ответ 6

Что вы действительно хотите, это reify (источник связан!) decorator из Pyramid:

Использовать в качестве декоратора класса. Он работает почти так же, как и декодер Python @property, но он ставит результат метода, который он украшает в экземпляр dict после первого вызова, эффективно заменяя функцию, которую он украшает переменной экземпляра. Это, на языке Python, дескриптор без данных. Ниже приведен пример и его использование:

>>> from pyramid.decorator import reify

>>> class Foo(object):
...     @reify
...     def jammy(self):
...         print('jammy called')
...         return 1

>>> f = Foo()
>>> v = f.jammy
jammy called
>>> print(v)
1
>>> f.jammy
1
>>> # jammy func not called the second time; it replaced itself with 1
>>> # Note: reassignment is possible
>>> f.jammy = 2
>>> f.jammy
2

Ответ 7

Это моя реализация с функцией очистки всех ленивых данных: https://gist.github.com/wonderbeyond/df700e559f7114822d15

Ответ 8

Существует смешанная терминология и/или путаница понятий как в вопросе, так и в ответах до сих пор.

Ленивая оценка просто означает, что что-то оценивается во время выполнения в последний возможный момент, когда требуется значение. Стандартный декодер @property делает именно это. (*) Убранная функция оценивается только и каждый раз, когда вам нужно значение этого свойства. (см. статью wikipedia об ленивой оценке)

(*) На самом деле истинной ленивой оценкой (сравните, например, haskell) очень сложно достичь в python (и приводит к коду, который далек от идиоматического).

Запоминание - это правильный термин, который, по-видимому, ищет искатель. Чистые функции, которые не зависят от побочных эффектов для оценки возвращаемого значения, могут быть безопасно сохранены в памяти и на самом деле есть декоратор в functools @functools.lru_cache, поэтому нет необходимости писать собственные декораторы, если вам не требуется специализированное поведение.

Ответ 9

Вы можете сделать это легко и просто, построив класс из собственного свойства Python:

class cached_property(property):
    def __init__(self, func, name=None, doc=None):
        self.__name__ = name or func.__name__
        self.__module__ = func.__module__
        self.__doc__ = doc or func.__doc__
        self.func = func

    def __set__(self, obj, value):
        obj.__dict__[self.__name__] = value

    def __get__(self, obj, type=None):
        if obj is None:
            return self
        value = obj.__dict__.get(self.__name__, None)
        if value is None:
            value = self.func(obj)
            obj.__dict__[self.__name__] = value
        return value

Мы можем использовать этот класс свойств, как обычное свойство класса (он также поддерживает назначение элементов, как вы можете видеть)

class SampleClass():
    @cached_property
    def cached_property(self):
        print('I am calculating value')
        return 'My calculated value'


c = SampleClass()
print(c.cached_property)
print(c.cached_property)
c.cached_property = 2
print(c.cached_property)
print(c.cached_property)

Значение рассчитывается только в первый раз, и после этого мы использовали наше сохраненное значение

Вывод:

I am calculating value
My calculated value
My calculated value
2
2