如何为从辅助文件导入的函数添加Streamlit缓存？

推荐方案：直接在辅助文件中添加缓存装饰器 #

这是最简洁且贴合Streamlit设计逻辑的方式，无需在app.py中做额外包装。

在loading.py里直接定义带缓存的函数：

import streamlit as st
import pandas as pd

@st.cache_data
def load_data():
    return pd.read_csv('gcp://some-bucket/some-big-file.csv')

之后在app.py中直接导入使用即可：

from loading import load_data

df = load_data()

这种方式既能保持app.py的整洁，又完全遵循Streamlit缓存的使用规则，没有多余的中间层，也是资深Streamlit用户普遍采用的最优模式。

备选方案：仅在无法修改辅助文件时使用 #

如果因为要复用无缓存版本等原因，不能直接修改辅助文件，你当前用的装饰器包装方式可读性更强：

from loading import load_data as _load_data

@st.cache_data
def load_data():
    return _load_data()

相比直接赋值的写法，装饰器风格更符合Python惯用写法，后续也方便添加参数处理等额外逻辑。

你提到的直接赋值方式：

from loading import load_data as _load_data

load_data = st.cache_data(_load_data)

虽然功能有效，但可读性稍弱，对不熟悉函数式编程的开发者不够直观，不推荐作为首选。

总结 #

优先选择直接在辅助文件中添加缓存装饰器的模式，只有在无法修改辅助文件的场景下，再考虑使用包装方式。

内容的提问来源于stack exchange，提问作者MYK