在 Python 中，可以使用 collections.OrderedDict 或 functools.lru_cache 来实现一个 LRU（最近最少使用）缓存。functools.lru_cache 是一个内置装饰器，可以直接用于缓存函数的结果。而如果你想实现一个自定义的 LRU 缓存，可以使用 collections.OrderedDict。

下面是使用 collections.OrderedDict 实现一个简单的 LRU 缓存的示例：

from collections import OrderedDict  class LRUCache:     def __init__(self, capacity: int):         self.cache = OrderedDict()         self.capacity = capacity      def get(self, key: int) -> int:         if key not in self.cache:             return -1         else:             self.cache.move_to_end(key)  # 将访问的key移动到末尾             return self.cache[key]      def put(self, key: int, value: int) -> None:         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)  # 弹出最左侧（最旧）的元素  # 使用示例 lru_cache = LRUCache(2) lru_cache.put(1, 1) lru_cache.put(2, 2) print(lru_cache.get(1))  # 返回 1 lru_cache.put(3, 3)      # 移除键 2 print(lru_cache.get(2))  # 返回 -1 (未找到) lru_cache.put(4, 4)      # 移除键 1 print(lru_cache.get(1))  # 返回 -1 (未找到) print(lru_cache.get(3))  # 返回 3 print(lru_cache.get(4))  # 返回 4 

在这个实现中，LRUCache 类使用 OrderedDict 来保持插入元素的顺序。put 方法在插入新元素时，如果超过容量限制，则移除最旧的元素。get 方法在访问元素时，将其移动到末尾，以表示最近访问。

此外，如果你希望更方便地使用 LRU 缓存，可以直接使用 functools.lru_cache 装饰器。以下是一个示例：

from functools import lru_cache  @lru_cache(maxsize=2) def some_expensive_function(n):     print(f"Computing {n}")     return n * n  # 使用示例 print(some_expensive_function(2))  # 输出 "Computing 2" 和 4 print(some_expensive_function(3))  # 输出 "Computing 3" 和 9 print(some_expensive_function(2))  # 直接输出 4，不会打印 "Computing 2" print(some_expensive_function(4))  # 输出 "Computing 4" 和 16 print(some_expensive_function(3))  # 再次计算 3，因为之前的结果已被移除 

使用 lru_cache 装饰器，可以轻松为函数添加缓存功能，并且不需要手动管理缓存的逻辑。maxsize 参数指定了缓存的最大容量。