python 递归函数_让你Python到很爽的加速递归函数的装饰器

Python技巧——好用的一个装饰器

今天我们会讲到一个装饰器。

注记：链接“装饰器”指向廖雪峰老师的Python3教程中的装饰器教程。可以在这里快速了解什么是装饰器。

`@functools.lru_cache`——进行函数执行结果备忘，显著提升递归函数执行时间。

示例：寻找宝藏。在一个嵌套元组`tuple`或列表`list`中寻找元素`'Gold Coin'`

import time
from functools import lru_cachedef find_treasure(box):for item in box:if isinstance(item, (tuple, list)):find_treasure(item)elif item == 'Gold Coin':print('Find the treasure!')return Truestart = time.perf_counter()find_treasure(('sth', 'sth', 'sth',('Bad Coin', 'normal coin', 'fish', 'sth', 'any sth'),('Bad Coin', 'normal coin', 'fish', 'sth', 'any sth'),'Gold Coin', ))end = time.perf_counter()
run_time_without_cache = end - startprint('在没有Cache的情况下，运行花费了{} s。'.format(run_time_without_cache))@lru_cache()
def find_treasure_quickly(box):for item in box:if isinstance(item, (tuple, list)):find_treasure(item)elif item == 'Gold Coin':print('Find the treasure!')return Truestart = time.perf_counter()find_treasure_quickly(('sth', 'sth', 'sth',('Bad Coin', 'normal coin', 'fish', 'sth', 'any sth'),('Bad Coin', 'normal coin', 'fish', 'sth', 'any sth'),'Gold Coin', ))end = time.perf_counter()
run_time_with_cache = end - startprint('在有Cache的情况下，运行花费了{} s。'.format(run_time_with_cache))print('有Cache比没Cache快{} s。'.format(float(run_time_without_cache-run_time_with_cache)))

最终输出

Find the treasure!
在没有Cache的情况下，运行花费了0.0002182829999810565 s。
Find the treasure!
在有Cache的情况下，运行花费了0.00011638000000857573 s。
有Cache比没Cache快0.00010190299997248076 s。

注记：运行这个示例时我的电脑配置如下CPU:AMD Ryzen 5 2600RAM:Kingston HyperX 8Gigabytes 2666
约使用7个月。

这个装饰器可以在函数运行时记录它的输入值与运行结果。当元组('Bad Coin', 'normal coin', 'fish', 'sth', 'any sth')出现第二次时，加了这个装饰器的函数find_the_treasure_quickly不会再次在递归时对这个元组进行查找，而是直接在“备忘录”中找到运行结果并返回！

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！