熊猫系列参数函数记忆

Question

我想记住一个具有可变参数的函数（Pandas Series对象）。 有什么办法可以做到这一点？

这是一个简单的斐波那契示例，参数是Pandas Series，其中第一个元素表示序列的索引。

例：

from functools import lru_cache

@lru_cache(maxsize=None)
def fib(n):
    if n.iloc[0] == 1 or n.iloc[0] == 2:
        return 1
    min1 = n.copy()
    min1.iloc[0] -=1
    min2 = n.copy()
    min2.iloc[0] -= 2 
    return fib(min1) + fib(min2)

通话功能：

fib(pd.Series([15,0]))

结果：

TypeError: 'Series' objects are mutable, thus they cannot be hashed

预期的用途更加复杂，因此我发布了这个无用但简单的示例。

Answer 1

几种选择：

• 将可变对象转换为不可变的东西，例如字符串或元组。
• 创建可变对象的哈希，并将其用作备注字典键。 哈希冲突的风险。
• 创建一个实现__hash __（）函数的不可变子类。

Answer 2

我写了一个包装程序，用@abarnert和@Calvin建议的元组（冻结的等效项）替换Pandas Series参数。 由于元组是不可变的，因此该功能现在可以被记忆。

def freeze_series(f):
    def wrapper(series):
        return f(tuple(series.to_dict(OrderedDict).items()))
    return wrapper

这是将元组解冻回Pandas系列的正常功能：

def unfreeze_series(frozen_series):
    return pd.Series(OrderedDict((x, y) for x, y in frozen_series))

可以这样实现以解决问题示例：

from functools import lru_cache

@freeze_series
@lru_cache(maxsize=None)
def fib(n):
    n = unfreeze_series(n)
    if n.iloc[0] == 1 or n.iloc[0] == 2:
        return 1
    min1 = n.copy()
    min1.iloc[0] -=1
    min2 = n.copy()
    min2.iloc[0] -= 2 
    return fib(min1) + fib(min2)